广义区间灰数关联度模型

针对传统灰色关联度模型只能适用于实数序列而不能应用于区间灰数序列的情况,以区间灰数序列中对应区间灰数的距离之和作为两区间灰数序列的关联度,构造了广义区间灰数关联度模型,包括适用于具有相同量纲的系统行为序列的区间灰数绝对关联度、适用于具有不同量纲的系统行为序列的区间灰数相对关联度,以及综合考虑区间灰数绝对关联度和区间灰数相对关联度的区间灰数综合关联度,并对它们的性质进行了初步研究.最后,通过实例说明了广义区间灰数关联度模型的计算过程与可行性.     

灰数序列关联分析

定义了取数一致(或取数相反)和取数顺序一致(或取数顺序相反)的离散灰数,指出了两者之间的关系.通过定义灰关联度的白化值为灰数比较序列的白化序列与灰数参考序列的白化序列的关联度给出了灰关联度定义.进一步给出了灰关联度最小、最大白化值的一种计算方法和一些比较序列与参考序列的关联序的一种排法.对取数一致的灰数序列,给出了一种计算灰关联度的简便方法.     

基于心态指标的区间灰数预测模型

针对传统灰色预测模型仅适用于实数序列而无法进行区间灰数序列建模的缺陷,引入决策者心态指标,把区间灰数序列转化为带有心态指标的序列,并且当心态指标确定时,带有心态指标的序列就转化为体现决策者心态的实数序列,然后通过对体现决策者心态的实数序列建立灰色预测模型,从而得到了一种基于心态指标的区间灰数预测模型。由于决策者可以通过调整其心态指标建立灰色预测模型,因而使得模型预测更加符合实际。     

基于核和精确度的三参数区间灰数预测模型

针对传统灰色预测模型只能解决实数序列和区间灰数序列预测的不足,提出了三参数区间灰数的预测模型.通过定义三参数区间灰数的核和精确度,进而得到三参数区间灰数的核序列、"重心"点序列和精确度序列,从而将三参数区间灰数序列预测转变成实数序列预测,分别对三组序列建立预测模型,在不破坏灰数整体性的前提下,推导还原得到三参数区间灰数的预测模型,并对其进行精度检验,最后用一个实例来验证所建模型的有效性和实用性.     

基于核和认知程度的区间灰数Verhulst预测模型

针对传统的Verhulst模型只能用于对实数序列进行建模预测的问题,将其建模对象扩大到区间灰数序列,构建基于核和认知程度的区间灰数Verhulst预测模型.首先,将区间灰数序列转化为核序列和认知程度序列,实现区间灰数的白化;然后,分别构建核序列和认知程度序列Verhulst模型,并反推区间灰数上下界的表达式;最后,将模型应用于某高层住宅沉降量预测并与其他模型结果对比,实例表明,所建模型的精度较高,具有实用性.     

新信息Verhulst直接模型区间灰数预测

针对传统Verhulst模型以实数序列为建模对象,而对区间灰数的预测还比较缺乏的问题,利用直接建模思想,得到一利新信息Verhulst直接模型形式;在核与灰半径的基础上,构建相应的区间灰数预测模型;通过核与灰半径,推导出所建预测模型区间灰数上下界的时间响应式.应用实例表明:区间灰数预测模型具有很好的有效性和实用性,拓宽了灰色预测模型的使用范围.     

采用灰色关联分析探讨亚麻纤维性能与成纱特数的关系

灰色关联分析是灰色系统理论的重要内容之一，本文运用这一方法，分析了亚麻纤维特数之间的关联度、绝对关联度、相对关联度和灰色综合关联度。     

基于区间数的多指标灰靶决策模型的研究

现实生活中遇到的许多问题都具有不确定性，使得在对系统进行决策评估时，指标值难以精确化。在此情形下，人们常常对指标值给出一个区间，到目前为止， 尚未有人研究区间数灰靶决策。首先定义了区间数、m维区间数的距离及其距离性质，并证明了当区间数为实数时，区间数距离就是实数距离的推广；提出了区间数规范化方法，在此基础上, 建立了基于区间数的灰靶决策模型，从而把灰靶决策模型由实数序列拓展到区间数序列，使灰靶决策理论得到发展，同时为扩大灰靶决策的应用领域提供了理论根据。最后以实例验证了该模型的有效性与实用性。     

一类区间灰数预测模型直接建模法

为利用直接建模思想,推导得出了一类新信息GM(1,1)直接模型形式.传统模型只能针对实数序列进行建立模型.以区间灰数的"核序列"为基础,并结合"信息域不减"原则,构建相应的GM(1,1)区间灰数预测模型;通过以"核序列"为中心,推导出所建模型区间灰数上下界的时间响应式.实例结果表明:该改进模型可以有效提高预测精度.     

泛灰数学及其在机构误差分析中的应用

在概述泛灰数的概念及其运算规则的基础上,介绍了泛灰数与区间数的转化,利用泛灰数的可扩展性对区间进行分析,研究了泛灰线性方程求解,然后将它应用于机构误差分析中,泛灰数不仅具有区间分析的功能,而且能解决区间分析所不能解决的问题,它为机构误差分析提供了新的方法,最后给出了算例作了对比分析。     

一类灰色区间聚类决策方法

以灰色决策分析理论为基础,探讨了经典灰色聚类决策方法的优势和不足.提出了基于理想方案的灰色区间聚类方法及其相关概念,建立了灰色区间关联系数公式和灰色区间相对关联系数公式.运用分析技巧,构建了灰色区间聚类决策算法.灰色区间关联系数公式是经典灰色关联系数公式的推广,而灰色区间聚类决策是经典灰色聚类决策方法的拓展.实例说明了所提出的灰色聚类决策方法的合理性及其算法的有效性.     

基于动态时间弯曲距离的灰关联度量方法及其应用

传统灰关联度量对于长度不同的序列采用删除较长序列数据?均值?GM(1,1)模型预测等方法进行补齐,导致不确定性信息增加,造成不必要的信息损失? 将动态时间弯曲思想引入灰关联度量中,提出一种自适应序列长度的灰关联度?该方法无需补齐序列数据,利用序列间距离矩阵的最短路径作为相似判 定依据?在此基础上,进一步构建了相应的灰关联度量方法,有效解决了序列数据长度不一致问题?为了证明方法的有效性,将其应用于分类算法设计中,取得了较为优异的测试结果?     

广义灰色关联度的简便计算方法

文章通过对非等时距序列的始点零化像和初值像之间的关系进行研究,给出了广义灰色绝对关联度与广义灰色相对关联度的简便计算方法,简化了常用方法的步骤,极大地减少了运算量,并通过数值举例证明了所给方法的有效性。     

面向动态时间弯曲距离的灰关联聚类方法研究

灰色关联聚类是灰色系统分析的重要研究领域.现有的灰关联聚类方法在处理不同长度序列数据时,通常采用补齐或删除数据方式进行处理,增加了系统的不确定性.在动态时间弯曲距离基础上,提出了一种新的灰关联聚类方法,通过计算序列间距离矩阵的最短路径来度量相似程度,最终完成序列的灰关联聚类.该方法无需对序列数据进行人工干预,具有更强的鲁棒性.实验结果表明,在处理不同长度数据序列时,聚类结果更为准确.     

基于核和灰度的区间灰数行列式的若干性质

为了简化区间灰数行列式的运算,完善区间灰数的运算和灰数代数系统的理论基础,利用区间灰数的简化形式探讨区间灰数行列式的性质,得到了基于核和灰度的区间灰数行列式的若干性质,简化了区间灰数行列式的运算,为进一步探讨区间灰数矩阵及区间灰数线性方程组奠定了基础.     

基于区间数的多级模糊优选模型

以区间数表示模糊集的相对隶属度,引入相对优势度对区间数的大小进行比较,建立一个多级模糊优选模型,解决了由于相对隶属度求解方法不同而导致方案优选中评价结果不一致的问题．     

区间型灰数矩阵及其运算

本文给出了区间型灰数矩阵的定义;讨论了区间型灰数矩阵的基本运算.为进一步研究灰色系统的预测、决策、控制等问题提供了一种数学工具.     

空袭目标属性综合识别的灰色评判模型

在灰色关联分析的基础上,对斜关联度进行了修正,引出了点、斜修正关联分析的概念。通过对影响目标属性识别的各种因素的分析,结合战术思想利用灰色点、斜修正关联分析及多目标优化方法建立了目标属性综合识别模型,从而利用数量化理论有效地解决了目标属性识别这一复杂而困难的问题,为防空作战C^3I系统指挥自动化提供了一种辅助决策方法。