GM(1,1)逐步优化直接建模方法的推广

在 GM( 1 ,1 )直接建模方法、GM( 1 ,1 )逐步优化直接建模方法基础上 ,提出了一种适用于任意时距灰指数单序列的逐步优化直接建模方法 .证明了 GM( 1 ,1 )逐步优化直接建模方法的收敛速度是线性的 .证明了新方法具有升 (降 )凹 (凸 )一致性、线性变换一致性 .计算实例表明 ,它具有渐近白指数律重合性 .     

近20a云南洪涝灾害损失的灰色关联度分析

利用1991～2010年云南省洪涝灾害灾情数据,基于灰色系统理论计算灾情灰色关联度,对洪涝灾害进行定量评估,并分析其变化趋势.结果表明:近20 a间云南洪涝灾害损失1990年代后期为一个高峰期,1998年最重;受灾人口、死亡人口、损坏房屋、农作物受灾面积的变化趋势较为一致,出现峰值后呈下降趋势,而直接经济损失的变化趋势不明显;1998、1999年划为极重灾年,1996、1997、2001年为重灾年.     

考虑螺栓扭矩分布的CFRP筋夹板式锚具极限抗拔力计算方法

利用灰色系统理论,研究碳纤维增强复合材料(CFRP)筋夹板式锚具紧固螺栓扭矩分布对锚固性能影响,对夹板式锚具第1～3排紧固螺栓(加载端-自南端)施加扭矩及总施加扭矩等参数进行关联分析.研究结果表明:第3排螺栓施加扭矩对于试件极限荷载的关联度最高,其后依次为总施加扭矩、第2排螺栓施加扭矩和第1排螺栓施加扭矩.最后,基于分...     

基于行为序列灰色模糊判定的计算机木马检测方法

针对计算机木马判定困难的问题,提出了一种对行为序列进行多属性灰色模糊木马判定的方法.通过对计算机木马定性分析构建了木马攻击树,归纳了木马使用攻击树叶子节点方法实现不同功能的概率等级.使用基于木马行为的检测技术检测出主机包含网络通信、隐蔽运行、开机启动、自我防护四要素的所有行为序列,视这些行为序列为木马设计方案,使用模糊数量化定性指标,将灰色系统理论与模糊优选结合,计算各方案的木马灰色模糊的优属度,最后使用危险指数进行木马判定.应用示例表明该方法可以有效区分正常程序,检出木马程序.     

灰色系统理论与神经网络的宏观经济预测模型研究

灰色建模要求的样本点少,不要求样本有较好的分布规律,而且计算量少,操作简便.而BP网络在对样本进行学习时,会对输出误差进行反馈校正,具有并行计算、分布式信息存储、容错能力强、自适应学习功能等优点.本文将灰色预测建模和神经网络技术融合起来建立灰色神经网络组合模型.应用于青海省宏观经济的预测,实证表明,该组合模型精度方面比常规灰色模型要好.组合的算法概念明确,计算简便,有较高的拟合和预测精度.它的提出拓宽了灰色模型的应用范围.     

化工过程灰箱建模中采用灰色聚类技术的研究

利用灰色聚类方法建立灰箱模型,进行预测化工生产过程中催化反应的进料量和填装量等参数。实验结果表明,采用灰色聚类技术分析预测,对催化反应的数据预测结果在精度上明显优于传统化工方法,可使催化反应在原料成本最小的条件下获得较高的转化率。     

渔船特种改装保障能力灰色关联模糊评价

在分析海洋机动渔船特种改装保障能力影响因素的基础上,利用层次分析法建立了"因素-效果"评价指标体系.基于渔船特种改装保障能力多因素决策的灰色性与模糊性,建立了基于灰色关联分析技术的综合评估模型,利用模糊隶属度理论,通过语言变量和模糊数表征评价结果,实现了定性指标的定量化,给出了对原始评价数据的处理方法和模型的求解过程....     

基于灰色神经网络的机床热误差建模

结合灰色模型和神经网络对数据处理的优点,提出了并联和嵌入型2种结构的灰色神经网络机床热误差预测模型。前者是在灰色模型和神经网络分别对机床热误差进行预测的基础上,采用线性组合方式,按照目标预测精度调整模型的加权系数,从而得到最终组合预测结果;后者是在神经网络输入层前增加灰化层,在输出层后增加白化层,通过对神经网络拓扑结构的改进,达到弱化原始数据随机性、提高预测模型鲁棒性和容错能力的目标。通过与传统灰色模型和神经网络进行试验结果对比表明：上述2种结构的灰色神经网络模型均提高了预测精度,且具有对原始数据要求低、计算简便、鲁棒性强等优点,可用于复杂实际加工场合中的数控机床热误差实时补偿。     

基于灰色模糊聚类法的高职院校内涵建设评估研究

建立高职院校内涵建设评估指标体系,该体系涉及人才培养、办学条件、师资队伍建设、科研水平和社会服务五个方面,共21个指标.选取了福建省11所示范性高职院校作为评估样本,采用灰色系统理论中的灰色关联度分析,对其内涵建设相关指标进行关联度测算,得到11所院校内涵建设的排名情况,再应用模糊聚类分析进行动态分类,绘出不同置信水平λ下11所高职院校内涵建设情况的动态聚类谱系图,最后对评估结果进行分析.     

线性缓冲算子及其矩阵表示研究

根据缓冲算子的结构,提出了线性缓冲算子、线性弱化缓冲算子和线性强化缓冲算子及线性缓冲算子矩阵的概念;然后,给出了利用线性缓冲算子矩阵判断线性缓冲弱化算子和线性缓冲强化算子的方法.