灰色振幅关联度模型

传统的灰色关联模型从统计序列的面积、斜率、变化速率等角度来计算其关联程度,这些关联模型受到统计序列横纵坐标(振幅和间隔)的双重影响,这在分析统计序列间的单个因素间的关系时会产生其它因素的干扰.针对这一缺陷,提出了振幅关联度模型,研究仅受振幅因素影响的关联模型,证明该模型只与波形的波动振幅大小和方向有关,不受曲线波形的序列间隔影响,且能表示出正负相关性,并应用该模型研究了中国国内生产总值指数与居民消费指数两者增减幅度间的关系,取得了良好的效果.本模型适用于分析两组有明显波动的序列数据.     

灰色关联聚类在面板数据中的扩展及应用

首先分析面板数据格式,探讨其几何特征的曲面簇描述方法.进而依据灰色关联分析原理,在三维空间中讨论面板数据各指标的几何特征相似性,提出基于矩阵的扩展灰色绝对关联度,保持与原关联度公式一致,并定义了矩阵始点零化算子和关联度参数.在此基础上,说明扩展关联度矩阵构造方法和面板数据聚类分析过程.最后通过实例验证该方法的有效性,结果表明扩展灰色关联聚类方法具有良好效果.     

灰色关联度量化模型的进一步研究

本文针对已有的关联度的量化模型存在的缺陷提出了关联度的一种新的计算方法，该方法具有原方法的特性，同时克服了原垢某些缺陷，从而使新的方法具有唯一性，对称性，可比性及规范性，并不产生序数效应。     

灰色样条绝对关联度模型

灰色绝对关联度的计算基于用序列对应的折线来近似描述系统的行为特征量.从插值的角度看,折线即分段线性插值,其局限之一在于节点处不具有光滑性而真实轨迹曲线在采样点一般是光滑的;局限之二在于系统轨迹曲线曲率大时折线近似的误差相应增大,由于灰色系统研究对象为少数据贫信息系统,从而折线不能逼近真实轨迹曲线.为此,提出灰色样条绝对关联度模型以改进灰色绝对关联度,先用具有优良光滑性且近似效果好的三次样条插值函数来获得描述系统行为特征量的曲线,然后通过积分计算绝对关联度.讨论了灰色样条绝对关联度的性质和适用范围,灰色样条绝对关联度尤其适用于生长曲线类系统的关联分析,此外其可直接应用于不等时距序列.     

灰色绝对关联度的缺陷

在低丘红壤的茶园和果园四周，模拟自然生态群落结构，用２０余个８落叶树种和常绿树种进行混交，试验成功具立体结构的防护林，这种混交林带，能合理地利用空间，充分利用层次的土壤肥力，增强各树种间的抗性、减少病虫害，增加林分产量和木材质量，还可改良土壤提高肥力，对茶叶和柑桔的防护效益也优于纯林。通过１４个的研究，总结出一套实用的立体混交林带营造技术。     

基于灰熵优化的加权灰色关联度

基于灰色系统内各因素关系稳定的基本假设和灰内涵序列熵的分析,首次给出了灰关联分析中关联系数权重的确定方法。通过定义加权灰色关联系数分布密度值,构建了灰内涵序列,建立了关联系数权重的优化模型,并以算例验证了该方法的有效性与实用性。结果表明,该方法能够反映不同时点关联系数的重要性,使关联系数的波动性得到了有效控制,解决了局部点关联系数控制整个灰色关联序的问题。     

部分权重信息且对方案有偏好的灰色关联决策法

以灰色系统理论的思想和方法为基础,探讨了决策方案的属性值为区间灰数、属性权重部分已知和决策者对方案有偏好的灰色决策问题,提出了解决这种灰色决策问题的方法与算法。运用分析技巧,构建了基于区间灰数相离度的灰色区间关联系数公式和灰色区间相对关联系数公式。该决策方法既利用了客观信息,又尽可能地满足决策者的主观愿望,也避免了在某些准则下去求出属性权重真值的估计值,并且计算易于在计算机上实现。实例分析说明了所提出的灰色关联决策方法的合理性及其算法的有效性。     

基于二元面板数据模型的技术集成AMT选择

技术集成理论的产生和可供选择的先进制造技术(AMT)资源的增多为我国企业进行自主创新和技术跨越提供了客观条件, 同时技术市场的不断多元化发展也使技术选择成为亟待解决的问题. 针对目前AMT选择方法的不完善, 利用二元离散Logit选择原理, 构建一种多项AMT选择的二元带趋势面板数据选择模型, 给出了模型的随机效用结构, 同时给出并分析效用模型随机趋势扰动项的概率分布. 讨论了随机效用模型的估计问题, 给出并证明消除效用模型随机意外项和随机扰动项的两个定理, 进一步给出模型面板数据处理的方法, 将模型中的随机偏好变量进行模糊处理, 最终将一个多期面板数据模型转化成一个可以估计的截面数据模型, 为多项技术集成AMT资源的选择提供理论工具. 最后通过一个算例, 验证了理论方法的有效性和可行性.     

基于自适应权重的面板数据聚类方法

基于二维信息的传统聚类方法并不适用于处理面板数据, 在考察面板数据多重信息特征的基础上, 基于面板数据的"绝对指标", "增量指标"及"波动指标", 重构了面板数据相似性测度的距离函数和Ward聚类算法, 提出了面板数据自适应权重聚类方法. 所提供的算法既可退化为传统的绝对量距离聚类方法, 亦可对面板数据的未来所属类别进行聚类预测. 最后, 实例显示此方法兼具有效性和灵活性.     

灰色绝对关联度组合预测模型的性质研究

组合预测能够充分利用各种不同的预测方法所提供的信息,以适当加权的形式得出组合模型,同时由于组合预测模型更关心某种预测信息的权重,从而使得预测问题所利用的信息更充分,更完备,模拟精度也更高。将灰色绝对关联分析应用到组合预测中,提出了基于灰色绝对关联度的组合预测模型,并在此基础上给出了灰色绝对关联优性组合预测、预测方法优超、冗余度等概念,给出了灰色绝对关联组合预测是非劣性组合预测及优性组合预测的一个充分条件,得出了冗余预测的判定定理。算例分析表明该方法是合理有效的。     

基于相似性和接近性视角的新型灰色关联分析模型

以笔者1992年提出的灰色绝对关联度模型为基础,构造出分别从相似性和接近性两个不同视角测度序列之间的相互关系和影响的灰色关联分析模型,并研究了灰色相似关联度和灰色接近关联度的计算及性质,最后给出一个算例.新模型克服了原模型存在的问题,更易于实际应用.相似关联度主要用于测度序列折线在几何形状上的相似程度;接近关联度用于测度序列折线在空间中的接近程度.需要说明的是,接近关联度仅适用于序列的意义、量纲完全相同的情形,当序列的意义、量纲不同时,研究其接近关联度没有意义.     

Comprehensive multivariate grey incidence degree based on principal component analysis

To overcome the too fine-grained granularity problem of multivariate grey incidence analysis and to explore the comprehensive incidence analysis model, three multivariate grey incidences degree models based on principal component analysis （PCA） are proposed. Firstly, the PCA method is introduced to extract the feature sequences of a behavioral matrix. Then, the grey incidence analysis between two behavioral matrices is transformed into the similarity and nearness measure between their feature sequences. Based on the classic grey incidence analysis theory, absolute and relative incidence degree models for feature sequences are constructed, and a comprehensive grey incidence model is proposed. Furthermore, the properties of models are researched. It proves that the proposed models satisfy the properties of translation invariance, multiple transformation invariance, and axioms of the grey incidence analysis, respectively. Finally, a case is studied. The results illustrate that the model is effective than other multivariate grey incidence analysis models.     

灰色决策问题的特征向量方法

基于灰色系统理论的思想和方法,探讨了方案的指标评价值为区间灰数并且指标权重未知的决策问题,提出了这种灰色决策问题的特征向量方法.首先运用分析技巧,构建了灰色区间关联系数公式和灰色区间相对关联系数公式;其次通过引入方案间优势强度、相对优势强度和优势比较矩阵等概念及其计算公式,对指标评价值为区间灰数并且指标权重完全未知的情况建立了特征向量决策算法,给出的算法避免了指标权重的计算,使上述问题在一定程度上得以解决.应用实例说明了文中提出的决策算法的合理性和有效性.     

面板数据空间误差分量模型的空间相关性检验

将截面误差分量模型(spatial error components, SEC)扩展至面板数据, 推导其联合检验、边际检验及条件检验, 并通过Monte Carlo模拟实验证明: 当随机效应存在时, 条件检验更为有效; 当随机效应不存在时, 边际检验更为有效; 空间权重矩阵的选取与随机效应是否存在相关, 但未标准化的空间权重矩阵更适合检验空间相关性; 此外, 更大的N或T使得检验更为有效. 研究同时发现, 当真实数据生成过程为面板数据SEC模型时, 传统空间经济计量模型中的Moran I、LM-Error及LM-Lag检验均失效.