有时序多指标决策的关联分析法及灵敏度分析

本文提出了一种解决有时序多指标决策问题的新方法，即关联分析法，并在此基础上对排序结果进行灵敏度分析。方法运算简单，直观实用。     

基于Hausdorff度量模糊多指标群决策的TOPSIS方法

针对模糊多指标群决策中模糊数的比较与排序问题 ,定义了模糊数的 Hausdorff度量与乐观 -悲观效用函数 ,根据乐观 -悲观效用函数求出模糊多指标群决策问题的理想点和负理想点 ,进而由 Haus-dorff度量获得不同备选方案到理想点与负理想点的距离及其贴近度 ,从而在模糊多指标群决策中托展了理想点逼近方法 .最后 ,就带三角形模糊数与梯形模糊数的多指标群决策问题分别进行了深入的讨论 .     

时序多目标决策的模糊优选法

本文定义了时序多目标决策，建立了模糊优选理论模型，并以实例说明该方法的应用。本文模型是文献［１］中模型的推广。     

一类动态多指标决策问题的关联分析法

本文针对一类动态多指标决策问题，基于灰色系统理论中的关联分析法和多指标决策理论中的理想点法，提出了一种新的关联分析方法，并以实例说明该方法的合理性。     

有时序可变多指标决策的灰色关联分析法及教师综合考核支持系统

提出了一个有时序可变多指标决策模型,并给出了应用灰色关联度进综合分析的方法;同时指出有时序多指标决策问题是该模型的特例;最后指出该方法的有时序多指标决策及教师综合考核系统和应用例子。     

动态多指标决策的一种新关联分析法

本文针对动态多指标决策问题提出了一种新关联分析法，并以此建立了三种不同类型的关联系数，用实例说明了该方法的应用。     

基于模糊模式识别的时序混合多指标决策

研究了一类定性和定量指标相结合的时序混合多指标决策问题。基于模糊模式识别原理 ,提出了一种新的进行方案优选的方案总体评价函数 ,给出了具体的决策方法和过程。最后通过一个实际例子说明 :该方法可行、有效 ,从而为解决时序混合多指标决策问题提供了一条新途径     

区间数多指标决策问题的灰色关联分析法

通过引进区间数向量范数,对区间数多指标决策问题的决策矩阵进行规范化处理,再利用区间数乘法运算,将区间数多指标决策问题转化成指标取值为区间数的多指标决策问题,在此基础上给出了区间数多指标决策问题的灰色关联分析法,该方法简单实用,所需信息少,并运用该方法分析了一个实际问题。     

基于理想点的三角模糊数多指标决策法

研究了属性权重和属性值均以三角模糊数形式给出的模糊多指标决策问题,定义了三角模糊数正理想方案和负理想方案,由此给出了三角模糊数多指标决策问题的理想点法。该方法简单实用,所需信息小.最后用该方法分析了一个实际问题。     

Fuzzy MCDM Based on Fuzzy Relational Degree Analysis

1 .ＩＮＴＲＯＤＵＣＴＩＯＮＦｕｚｚｙｍｕｌｔｉｐｌｅｃｒｉｔｅｒｉａｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ (ＭＣＤＭ)ｉｓａｎａｃｔｉｖｅｒｅｓｅａｒｃｈｔｏｐｉｃｉｎｄｅｃｉｓｉｏｎｓｃｉｅｎｃｅ,ｓｙｓｔｅｍｓｅｎｇｉ ｎｅｅｒｉｎｇ ,ｍａｎａｇｅｍｅｎｔｓｃｉｅｎｃｅａｎｄｒｅｓｅａｒｃｈ .ＴｈｅｋｅｙｔｏｓｏｌｖｉｎｇｆｕｚｚｙＭＣＤＭｉｓｈｏｗｔｏｒａｎｋａｌｔｅｒｎａｔｉｖｅｓｉｎａｆｕｚｚｙｅｎｖｉｒｏｎｍｅｎｔ.Ｍａｎｙｒｅｓｅａｒｃｈｅｒｓｈａｖｅｉｎｖｅｓｔｉｇａｔｅｄｔｈｅｕｓｅｏｆｆ…     

多维时间序列的周期分析

根据作者提出的能量关联度理论,探讨了多维时间序列的周期分析问题,互能量关联度的计算及频率域上主要影响因素的提取,结合实例验证了理论和方法的可行性     

烤烟化学成分指标的灰色关联聚类分析

烤烟化学成分指标之间的关系密切而复杂。为简化化学成分指标，选取我国主要烟区272份烟叶样品，对14个常规化学成分指标进行了灰色关联聚类分析。结果表明：当聚类临界值为0．8时，14个常规化学成分指标可被聚为5类，总氮、糖碱比、氮碱比、氯、总挥发性酸可以分别作为每类的代表；当聚类临界值为0.7时，化学成分指标被聚为酸性和碱性两大类，代表性指标分别为糖碱比和氮碱比。与系统聚类相比较，灰色关联聚类更具有合理性。表5，参6。     

用于时间序列数据建模的多模态模糊认知图

针对单一模型难以准确反映时间序列多种变化模态的问题,提出了一种基于模糊认知图的时间序列数据多模态建模方法.该方法使用随机自助法选取多个子序列,以包含各种变化模态.在各个子序列上分别建立子模糊认知图模型.使用粒计算方法对子模型进行有效融合;并分析了不同权重策略融合的性能.所建立的模型不仅可以对时间序列数据进行数值及区间预...     

随机型时间序列预测方法的研究

提出了一种随机型时间序列预测的新方法，特别适用于趋势随机型数据序列的预测问题，与现有预测方法相比，具有计算简单、精度高的特点.     

时间序列处理中一阶分形模糊滤波器效果分析

一阶分形模糊控制滤波器是一种自适应滤波器,根据噪声的分形特征量变化改变滤波器的控制参数,自动调整其滤波特性,可以应用于时间序列的处理中。分析了一阶分形模糊控制滤波器的频率-幅度特性,白噪声和有色噪声分形盒维数的变化;讨论了滤波器中时间序列的短时分形盒维数的定义及分形模糊控制函数形式及选用方式。针对一个低频信号混杂不同有色噪声的时间序列的滤波处理算例表明分形模糊控制滤波器能够提高信噪比,相对固定滤波器具有较小的均值误差;但是其过于简单的结构和对时间序列分形特征量应用的不准确影响其性能。提出改变分形模糊滤波器结构、利用噪声多重分形特征量并采用神经网络、查表法确定模拟控制函数等来改善分形滤波器性能的方法。     

陀螺随机漂移时间序列建模方法研究

提出了残差自校正的RELS算法，在ARMA模型参数估计的过程中引入虚拟白噪声，来补偿参数估计过程中的由于噪声未知而引入的误差，并将DDS法与AIC准则相结合确定模型阶数。仿真结果表明所确定的模型能够精确地反映陀螺漂移趋势。     

基于专家知识的模糊时间序列预测模型及应用

将投资专家的成功经验引入模糊时间序列模型,实现股票市场走势的多步预测。根据专家经验构造多个反映市场结构特征的变量并将其模糊化为模糊时间序列;建立具有多前件、高阶模糊关系的模糊时间序列预测模型;最后,将该模型用于股票指数预测。结果表明,与经典模糊时间序列模型相比,其预测精度有了较大提高。     

灰色趋势关联分析及其应用

给出了灰关联空间分解和灰色趋势关联分析的基本概念和方法 ,总结了用灰色趋势关联度进行系统分析的一般步骤 ,通过两个具体的实例研究分析了该方法的优越性和实用性.