基于模糊贴近度的企业生命周期判定方法

在分析企业生命周期理论现有研究结果的基础上,提取了企业生命周期各阶段的特征。针对企业生命周期各阶段特征本身的模糊性,通过基于模糊贴近度的TOPSIS综合评判方法给出了一个具体企业属于生命周期某一阶段的判定,其结果对于企业生命周期理论在企业诊断和战略管理等领域的广泛应用具有重要的支持作用。     

模糊度与贴近度的关系研究

针对描述模糊集合的两个重要概念（模糊度和贴近度）,详细讨论了二者之间的关系,得到了它们相互刻划的两个定理,并且指出模糊度是模糊集和它的余的贴近度,这些结果可在模式识别、决策科学中得到应用．     

一种基于目标贴近度的多目标决策方法

提出了衡量目标方案的一个新指标——目标贴近度 ,并给出了一种基于目标贴近度的多目标决策方法 .     

CARMA模型多新息增广随机梯度参数估计算法的收敛性

将多新息辨识理论用于研究CARMA模型的参数估计问题。首先用估计残差来代替信息向量中的不可测噪声项,导出了CARMA模型的增广随机梯度算法,进一步把标量新息推广为新息向量,导出了相应的多新息增广随机梯度辨识算法,并利用鞅收敛定理分析了多新息增广随机梯度算法的收敛性。最后的仿真结果验证了该算法的有效性。     

基于理想点贴近度的辐射源威胁综合评价建模与仿真验证

辐射源威胁评价是电子对抗领域的一个重要研究课题,电子干扰资源分配、干扰辅助决策等都是以辐射源威胁判别为基础的。在对辐射源威胁因子进行分析的基础上,建立了威胁因子的隶属度模型,提出了一种基于理想点贴近度的辐射源威胁综合评价算法。仿真实例说明,该方法是可行、有效的,为辐射源的威胁评价提供了一种新的途径。     

基于新息序列修正的输入估计算法

针对传统输入估计算法跟踪机动目标时检测概率和估计精度不高的缺点,提出一种改进的输入估计跟踪算法。算法利用对检测窗内新息序列进行修正以及对卡尔曼滤波状态变量进行补偿的方法,消除了已有机动检测估计对后继机动输入估计的影响,提高了对机动的检测概率和估计精度。理论分析和仿真结果表明,改进后的算法相比原有算法和IMM3算法,不仅跟踪性能有显著提高,而且对加速度缓变的机动也有较好的跟踪能力。     

农业模糊相似选择优先比方法的改进及其与贴近度法的…

证明由模糊选择关系求得的选择对象Ａ１对于参考对象Ａ０的相似优先顺序为距离ｄｉ的从小到大排列顺序，因而模糊选择关系的建立是不必要的。针对目前合成方法存在的问题，提出加权隶属度法分析了改进方法与Ｈａｍｍｉｎｇ贴近度，Ｅｕｃｃｉａ贴近度、最大最小贴近度法的关系。     

基于贴近度的雷达干扰资源分配策略研究

分别从时域、频域、空域、能量及对抗双方的工作体制、对抗样式等六个方面详细分析了影响雷达干扰效果的特征因子,提出了全面评估雷达干扰效果的指标体系。在分解隶属度矩阵行向量信息与列向量信息的基础上,构建了一种快速评估雷达干扰效果的模型。利用Euclid贴近度原理对雷达干扰资源的分配策略、分配后的干扰效果进行了研究。最后通过一个实例证明了该模型简单实用,快捷可行。     

Vague 值与Vague 集上的贴近度

基于“投票模型”,给出一个一般的贴近度表达式,该表达式把Chen的公式、Hong和Kim的公式、李和徐的公式作为特例.基于这个一般表达式,定义了一些新的贴近度公式并讨论了这些公式具有的性质,为更好的应用这些公式奠定了必要的基础.     

动力学模型系统误差及其协方差阵的随机加权拟合法

在现有的基于移动窗口函数模型和随机模型系统误差自适应拟合方法的基础上,提出一种基于移动窗口动态导航模型系统误差的随机加权拟合法,在相同的窗口内给出了相应的状态预报向量协方差阵的随机加权拟合。由于动力学模型系统误差难以直接修正,采用修正状态估计误差向量及动力学模型误差向量的方法,实现对动力学模型系统误差的修正,然后利用修正后的动力学模型及相应的协方差阵进行导航滤波计算,有效地抑制动力学模型系统系统误差的影响,提高导航解算的精度。仿真结果证明,采用随机加权拟合后的算法精度优于未进行拟合的卡尔曼滤波和自适应卡尔曼滤波算法。     

基于神经状态空间的非线性系统建模研究

提出了一种基于神经状态空间的非线性系统建模方法.神经状态空间(NNSP)具有系统的拟线性特性,许多线性系统控制器设计方法均可以扩展到NNSP模型.本文采用了增广卡尔曼滤波方法进行神经状态空间的参数辨识,高阶校验模型用于验证非线性系统神经状态空间的模型的有效性.将本法应用于典型的化学过程的建模,结果表明本方法正确有效.     

MLP training in a self-organizing state space model using unscented Kalman particle filter

Many Bayesian learning approaches to the multi-layer perceptron (MLP) parameter optimization have been proposed such as the extended Kalman filter (EKF). This paper uses the unscented Kalman particle filter (UPF) to train the MLP in a selforganizing state space (SOSS) model. This involves forming augmented state vectors consisting of all parameters (the weights of the MLP) and outputs. The UPF is used to sequentially update the true system states and high dimensional parameters that are inherent to the SOSS model for the MLP simultaneously. Simulation results show that the new method performs better than traditional optimization methods.     

两因子CIR模型对上交所利率期限结构的实证研究

以上交所债券价格隐含的利率期限结构数据作为分析对象，利用推广的卡尔曼滤波法，实证分析了连续时间的两因子CIR模型，发现估计出的两因子CIR模型能够反映实际观测到的利率期限结构的形状，模型下的利率期限结构与实际观测到的利率期限结构形状基本相同．但估计出的两因子CIR模型对利率期限结构的预测误差具有一定的序列相关性，说明估计出的两因子CIR模型没有充分反映债券回报率和利率期限结构的可预测性．实证表明估计出的CIR模型可以用于上交所债券的定价，但用于利率期限结构变化的预测会产生一定的系统偏差．     

广义仿射模型在上交所债券市场的实证分析

以上交所债券价格隐含的利率期限结构从1997年1月至2002年3月的月度样本数据作为分析对象，利用卡尔曼滤波法，实证研究了连续时间两因子广义高斯仿射模型．结果表明模型下的利率期限结构与实际观测到的利率期限结构形状基本相同，说明模型能够反映利率期限结构的横截面特征．模型对1，2，3，5年期利率的预测误差没有表现出序列相关性，而对4年期利率的预测误差表现出序列相关性，说明两因子广义高斯仿射模型基本上可以反映利率期限结构的时间序列特征。     

基于商业模式刚性的商业模式创新仿真——传统企业与互联网企业比较

在当前"互联网+"蓬勃发展、环境日趋动态的背景下,无论是传统企业还是互联网企业,商业模式创新的迫切性均与日俱增,但其过程通常充满困难与挑战,表现出一种维持现有结构稳定的刚性.基于商业模式刚性,构建了传统企业与互联网企业的商业模式创新仿真模型并进行了多轮实验比较.在环境、认知、资源因素影响下,两类企业的商业模式刚性存在不同演化趋势,进而对商业模式创新产生系统性影响.仿真结果表明,"传统企业"与"互联网企业"的提法是一种外在"标签",商业模式创新并不存在无法逾越的"基因"障碍,从而为两类异质企业的商业模式创新提供了概推性启示:传统企业需要清醒认识市场边界的动态性并优化冗余资源结构以管控商业模式刚性;互联网企业在必要时需要适当"减速",避免未吸收冗余资源被无谓消耗后导致商业模式刚性增强,影响后续的商业模式创新.     

模糊模型辨识中模糊聚类方法应用分析

模糊聚类算法已广泛应用于模式识别、数据聚类以及从数据中提取模糊规则的过程。介绍了基于模糊聚类的非线性系统模糊辨识方法 ,并通过著名的Box和Jenkins煤气炉数据仿真实例详细研究了模型性能指标与输入变量及模糊聚类数之间的关系 ,指出了应用模糊聚类方法的优势与不足。对于模糊建模中正确应用模糊聚类方法具有重要指导意义     

信息熵理论在作战任务状态需求分析中的应用

提出一种用信息需求表征任务状态需求的方法,运用信息熵理论描述了目标信息的不确定性.在此基础上,分析了火控系统中探测、识别和跟踪任务状态的信息需求,并利用卡尔曼滤波器的目标状态估计能力对目标做IMM模型机动时的信息需求进行了研究.仿真结果表明该方法能够定量的描述出作战任务状态的信息需求,且具有一定的可行性和实用性.     

基于卡尔曼滤波的CDMA/GPS数据融合算法分析

针对无线定位技术的广泛应用,提出了一种改进的GPS/CDMA数据融合算法。该算法利用卡尔曼滤波实现了CDMA蜂窝网系统和GPS定位数据融合,提出高移动目标的事实上的位精度。借助移动目标的运动矢量模型、CDMA定位误差模型、GPS定位误差模型建立了CDMA和GPS定位状态方程,给出了数据融合的数学模型和融合算法。重点研究了利用卡尔曼滤波实现定位数据的融合。算法分别对GPS定位参数和CDMA定位参数进行滤波处理,然后对滤波后的数据融合。通过仿真表明滤波后两者定位精度都有大幅度的提高,数据融合后定位精度得到进一步的提高。     

基于超网络演化模型的社区知识发现与分析

知识作为最重要的无形资源在学界受到了广泛关注,尤其是利用知识网络对社区知识进行表达与挖掘.然而这些同质,静态的网络往往难以充分地描述社区中的知识资源要素及变化.为解决异质性表达问题,本文针对大众协同创新社区中知识的增长和消退机制,构建了一种超网络动态演化模型.同时,应用该模型的拓扑特性指标对社区中的知识分布特性进行分析,提出了基于动态超图的新的知识分类,并以此识别高价值的社区知识.最后,本文对该模型进行了实例验证,对实例中不同类型的知识点进行分析,并提出相应的管理策略.本文的研究对于发现社区中的创新知识,实现社区知识的精确管理提供了方法指导,对于提高社区管理水平和启发企业创新趋势具有重要意义.     

DGM(1,1)模型的特性及其在技术创新领域中的应用

本文首先提出了以前文献对DCM(1,1)与GM(1,1)模型关系的证明错误,否定了以前文献的一些观点.第二,证明了DGOM(1,1)模型的MAPE值与边值x~((1))(m)(1≤m≤n)无关.第三,发现DGOM(1,1)模型的MAPE值变劣现象并分析其原因.第四,用最小一乘法,构建了边值优化的DGOMII(1,1)模型,其效果优于DGOM(1,1)模型.最后,将DGM(1,1)及DGOMII(1,1)模型应用于技术创新领域中.