神经网络的简单偏好现象研究

神经网络在科学研究和工程应用等许多方面都发挥着越来越重要的作用。大量的数值经验表明神经网络与传统机器学习方法有较大的区别：在参数量远大于数据量的情况下,神经网络仍然具有非常好的泛化能力。主要研究在神经网络的训练过程中,从目标函数的频率空间和神经网络的参数空间分别观察到频率原则和参数凝聚现象两类不同的简单偏好。重点讨论这两类偏好对理解和应用神经网络的帮助,并解释其对于神经网络泛化能力的影响,从而理解神经网络相比于传统机器学习方法的优势。     

自适应模糊系统的设计与实现

介绍一种自适应模糊系统的组织结构,工作原理以及在实现ＡＦＳ过程中提出的新方法与新技术。     

基于改进C-IOWA算子的土地评标方法研究

为了克服传统土地评标方法主观性强的缺点,利用模糊偏好关系矩阵的基本原理和方法,对集结算子C-IOWA进行了改进,提出了DC-IOWA复合算子,并将其应用到土地出让评标环节之中,构建了土地评标的方法和步骤,对提出的土地评标方法进行了算例演示.结果表明,该方法较好地克服了当前土地评标方法中存在的主观性大等缺点,能全面反映土地投标商的整体实力,提高了土地评标的效率和公正性.     

一种Web信息的三级发布体系结构

提出了一种WWW信息的三级发布体系结构,用于大规模用户共享海量信息。它通过信息的三级发布和数据冗余存储将有用信息及时送给用户,使用户获取网上信息的方式由传统的访问远程静态数据库变为访问动态数据流,并从动态数据流中选择符合用户个性化需求的数据下载到本地机中,供用户离线浏览,从而极大地提高了响应速度。该体系结构具有较高的可伸缩性,可节省网络带宽、减轻服务器负载。     

面向决策局部环境的群决策方法

对具体群决策问题,决策者之间和属性之间的某种联系分别由具体问题形成,由偏好关系表示的关系结构为决策局部环境：由变量分析矩阵、任意属性间的偏好相似性和任一组决策者对某一属性的偏好一致性构成的属性邻接矩阵和决策者邻接矩阵构成。对属性信息集结进行三次修正,由决策者局部重要性对属性一致性进行修正,以属性局部偏好一致性强度对属性权重进行调节,由决策者局部重要性权重修正最终评价结论。提出的方法可以在决策进程中聚焦影响一致性的相关属性,发掘可能冲突的属性及影响具体方案排序的主要属性,更有效提供解决群决策问题的建议和方案。     

基于不同模糊偏好信息的群集成新方法

针对决策者的模糊偏好信息以不同形式给出群集成问题。首先,给出了三角模糊运算的一些拓展法则和不同模糊偏好信息之间的转换公式对偏好信息一致化处理。其次,以三角模糊数的期望值公式为排序工具,利用模糊有序加权几何平均（fuzzy ordered weighted geometric averaging, FOWGA）算子分别对群决策信息和重要程度进行集结,得到方案的综合优势度并排序,提出了一种基于综合判断矩阵法的模糊群决策法。最后,通过算例说明方法的可行性和实用性。     

Method for multi-attribute group decision-making based on the compromise weights

Multi-attribute group decision-making problems are considered where information on both attribute weights and value scores of consequences is incomplete. In group decision analysis, if preference information about alternatives is provided by participants, it should be verified whether there exist compromise weights that can support all the preference relations. The different compromise weight vectors may differ for the ranking of the alternatives. In the case that compromise weights exist, the method is proposed to find out all the compromise weight vectors in order to rank the alternatives. Based on the new feasible domain of attribute weights determined by all the compromise weight vectors and the incomplete information on value scores of consequences, dominance relations between alternatives are checked by a nonlinear goal programming model which can be transformed into a linear one by adopting a transformation. The checked dominance relations uniformly hold for all compromise weight vectors and the incomplete information on value scores of consequences. A final ranking of the alternatives can be obtained by aggregating these dominance relations.     

基于偏好的多属性群知识系统

提出了基于偏好的多属性群知识系统模型,定义了封闭的处理偏好值的运算法则,得到具有偏好的多属性知识系统,并采用基于优势关系的粗集理论来处理给定问题中具有偏好属性间的冗余及依赖,由约简后的偏好属性决策表导出偏好决策规则.通过实证分析表明,该方法可获得认可的知识规则,能取得有实际意义的结果.     

不完全信息下对方案有偏好的多指标决策

在实际决策中 ,决策者往往对不同的决策方案有程度不同的偏好 .另外 ,在多指标决策中 ,要将指标的权重精确地确定在某一点上也几乎是不可能的 ,但一般都可以确定权重所在区域 .本文研究了决策者对决策方案有一定的偏好程度 ,并且各决策指标的权重都是区间数的条件下的多指标决策问题 ,给出了这类决策问题的决策方法 ,并通过例子进一步说明了该方法的合理性 .     

基于Markov区制转换的流动性溢价

以内生两状态的Markov模型实证分析了我国股票市场的流动性溢价现象。实证结果表明：（1）收益与非流动性存在正相关关系，支持流动性溢价理论；（2）流动性溢价存在着动态特性，即随着时间的变化，在不同状态下，流动性溢价不同：高偏好不确定状态时的流动性溢价高于低偏好不确定状态时的流动性溢价；（3）在2001年5月前，市场交易活跃，更多地处于低偏好不确定状态，而在这之后，市场交易的清淡使得其更多低处于高偏好不确定状态；（4）流动性溢价与流动性水平有关：流动性水平越弱，流动性溢价越高。