基于核和灰度的区间灰数型灰色聚类模型

对传统灰色聚类模型进行延拓,考虑了观测值和白化权函数转折点为区间灰数的情形.通过“核”和灰度来表征区间灰数,以“灰度不减公理”作为理论依据,给出区间灰数型白化权函数的表达式,并将聚类过程中区间灰数运算转化为实数运算,进而建立灰色定权聚类模型.最后将该模型应用于南京市江宁区高新技术企业核心竞争力的聚类评估中,说明了所提出方法的有效性和实用性.     

基于核和灰度的区间灰数多属性决策方法

针对属性值为区间灰数且部分权重信息已知的多属性决策问题, 提出一种基于区间灰数的核和灰度的决策方法. 根据专家评价值的取值范围设置区间灰数的取值论域, 给出了区间灰数的基于核和灰度的简化形式, 建立了普通区间灰数到标准区间灰数的转化方法, 分别基于标准灰数的核和灰度分别求取属性的权重, 进而得到属性的综合权重, 并提出了一种基于标准区间灰数相对核的排序方法对方案进行排序. 最后通过一个算例验证了所提出方法的有效性和可行性.

     

信息分解下区间灰数的关联一致性决策模型

针对指标值为区间灰数时决策信息得不到充分利用的问题,在决策信息不丢失的前提下,利用信息分解方法将区间灰数分解成实数型的“白部”和“灰部”,并对信息分解下区间灰数的白化值的性质进行研究.对于指标权重为区间灰数的情况,通过定义区间灰数相离度和接近度构建权重确定的优化模型.在TOPSIS理论基础上,建立区间灰数序列间的灰色关联的测度方法,进而构建灰色关联一致性系数决策模型.最后通过算例分析表明所构建模型的可行性和有效性.     

基于核与灰度的灰色综合关联贴近度决策模型

针对指标值为区间灰数且权重属性部分已知、部分未知的决策问题, 提出一种基于核与灰度的灰色关联综合贴近度的决策方法.首先, 通过定义区间灰数的离散度和接近度, 构造一个确定指标权重的多目标优化模型; 然后, 利用区间灰数的简化形式, 求出方案与正、负理想方案核的关联度和灰度的关联度, 进而计算出方案的综合关联度; 最后, 构建灰色综合关联贴近度模型并依综合关联贴近度大小对方案排序.算例分析验证了所提出方法的合理性和可行性.     

两阶段灰色综合测度决策模型与三角白化权函数的改进

首先将中心点三角白化权函数中对应于灰类1 和灰类s的三角白化权函数分别取为下限测度白化权函数和上限测度白化权函数. 这一改进避免了将各聚类指标的取值范围向左、右延拓的困扰. 针对灰色聚类系数向量delta_i  的各分量均衡取值或灰色聚类系数向量delta_i 有若干个位于前列的主分量取值相近, 难以判定决策对象归属的问题, 构建一种新的两阶段灰色综合测度决策模型, 以解决灰色聚类系数向量delta_i 的各分量取值趋于均衡或delta_i 有若干个位于前列的主分量取值相近情形下的综合决策问题, 并通过应用实例验证了模型的有效性.

     

白化权函数已知的区间灰数预测模型

针对传统灰色预测模型无法进行灰数序列预测的缺陷,在白化权函数已知的情况下,通过计算中间层、起(止)点过渡层的面积以及中间层中位线中点的坐标,将区间灰数序列中所蕴含的信息完整地转换成实数序列;然后构建了一种新的区间灰数预测模型.应用分析验证了新模型的有效性及实用性.     

基于多元异构不确定性案例学习的广义区间灰数熵权聚类模型

现实生活中多数聚类对象具有多元异构不确定性特征,表现为对象聚类指标体系异构化以及对象信息具有多元不确定性特点,而现有的不确定性多属性聚类决策方法对此类对象的聚类研究具有局限性.为此,针对聚类问题,首先,根据聚类对象多元不确定性信息的特点,提出广义区间灰数的概念,证明多元不确定性信息可统一用广义区间灰数进行表征;然后,结合极大熵思想,构建基于多元异构不确定性案例学习的广义区间灰数熵权配置模型,通过对对象相关的历史案例进行充分学习,测算各层指标的广义区间灰数熵权,以此确定各指标的聚类权重,再结合广义区间灰数的白化权函数对对象的新案例进行聚类分析;最后,通过案例研究验证所提出聚类模型的合理性和可行性.     

基于广义“灰度不减”公理的区间灰数预测模型

区间灰数是灰色预测的基本研究对象之一, 针对其中蕴含的灰度信息, 在充分挖掘和拓展“灰度不减”公理的基础上, 建立基于广义“灰度不减”公理的区间灰数预测模型. 通过准灰度因子对区间灰数上下界进行灰度最大化处理, 保证建模过程中的灰度不减, 并根据区间灰数序列灰度走势得到的灰度因子进一步修正模型, 提高预测的可靠性. 最后通过实例验证了模型的有效性和实用性.

     

正态分布区间灰数灰色预测模型

近期灰数预测主要关注无分布信息和均匀分布区间灰数预测. 基于灰朦胧集演化思想, 研究在不确定信息广泛存在的正态分布背景下, 正态分布区间灰数序列的灰色预测问题. 首先, 通过正态分布随机函数实现区间灰数序列与实数序列族的信息等效转换; 然后, 对正态分布区间灰数随机白化序列进行GM(1,1) 建模, 利用最大值最小值及正态分布“3?? 法则”建立区间灰数预测模型; 最后, 通过实例对比分析验证了所提出模型的可行性和有效性, 为区间灰数预测问题提供新的思路和方法.

     

基于相对核和精确度的灰数排序新方法研究

研究区间灰数的排序方法, 分析已有排序方法的特点和优劣. 为了更好地切合实际问题, 考虑到灰数的取值论域, 基于信息保留原则建立了普通区间灰数到标准灰数的投影法则; 依据投影得到的标准灰数提出了相对核和精确度的概念, 在此基础上给出了灰数的排序方法, 克服了已有排序方法的不足, 且使相同灰数的排序区分度在不同的应用背景下有不同的体现, 有助于决策者进行分析. 最后, 通过算例验证了所提出方法的可行性和优越性.     

基于余切函数变换的区间灰数预测模型

针对区间灰数灰色预测问题,考虑区间灰数序列可能的4种情形,运用余切函数变换对不同情形的区间灰数序列分别进行处理,分别建立区间灰数的灰色预测模型,从而将灰色数据变换技术的应用范围扩展到区间灰数预测领域.最后,通过算例和实例分析验证了新模型的实用性和有效性.     

基于两参照点的动态混合多属性群决策算法

针对方案属性值为三参数区间灰数与三角模糊数相混合的动态多属性群决策问题,提出一种基于前景理论和两参照点的动态解决方案.针对灰数与模糊数混合的状况,提出混合靶心模型;设置时间参照点,通过均值和平均发展速度,考察各方案之间动态发展情况;利用向量之间的夹角,考察专家个体决策与群决策之间的相似度,建立相应的专家权重调整模型;考虑决策问题发展过程中的未来多个阶段,采用熵权法确定时间权重,并通过算例验证所提出方法的可行性和实用性.     

基于灰色聚类的系统群安全评估方法

目前大多数信息系统的安全评估工作基于某个单一系统,根据其各个属性分层评估其安全状态,而面向系统群来评价信息系统安全等级的方法较少。针对信息系统的安全需求,提出一种基于系统群的安全等级评估方法。考虑到灰色系统理论中的灰色聚类分析方法采用白化权函数将一些评价对象分为几个等级,适合于系统结构复杂、不确定性高、有效信息缺乏的系统分析,文中使用白化权函数来确定信息系统的安全评估等级。首先,从参与评价的信息系统的角度,采用高效快速的K-均值聚类算法确定白化权函数;其次,运用白化权函数得出各个信息系统的灰级灰色聚类系数;最后,得出各个信息系统的安全状态等级。实例结果表明,该方法可快速有效地对信息系统群的安全等级进行评估。     

三参数区间灰数信息下系统属性约简方法

针对属性评价值为三参数区间灰数的不完备信息系统,提出了一种基于[θ]-灰色优势关系的信息系统属性约简方法。根据三参数区间灰数的定义,给出两个三参数区间灰数基于可能度的大小关系,在此基础上,构建方案属性值之间的一种[θ]-灰色优势关系,并结合可辨识矩阵,给出了这类不完备信息系统属性约简方法。应用实例表明了方法的合理性和有效性。     

三参数区间灰数信息下的动态多属性决策方法

针对方案属性值为三参数区间灰数的动态多属性决策问题, 提出一种基于前景理论的动态多属性决策方法. 定义了三参数区间灰数距离测度和排序方法; 鉴于被评价对象在时序上的差异信息和波动性, 建立基于方差和时间度的确定时间权重的优化模型; 以两两方案互为参考点确定前景价值函数, 由此构建求解最优权向量的优化模型,并通过求解方案的综合前景值对方案进行排序. 实例研究表明了该方法的合理性和有效性.

     

区间灰数的标准化及其预测模型的构建与应用研究

由于区间灰数运算体系不完善,灰数间的代数运算将导致结果灰度增加,难以有效构建基于＂区间灰数＂的灰色预测模型.对此,通过将区间灰数进行标准化处理,分解成基于实数形式的＂白部＂和＂灰部＂两个部分;然后分别对＂白部＂和＂灰部＂建立模型,再推导并还原得到区间灰数预测模型;最后,将该模型应用于城市外来工数量的预测,预测效果验证了所提出模型的有效性及实用性.     

基于前景理论的多目标灰靶决策方法

针对权重信息部分已知且属性值为区间数的多目标决策问题,考虑决策者风险态度对多目标决策的影响,提出一种基于前景理论的区间数多目标灰靶决策方法.该方法利用奖优罚劣的区间数线性变换算子对原始决策信息进行规范化处理,设计正负理想靶心,并定义前景价值函数.利用该构建方案建立优化模型以得出最优权向量,并最终确定出方案的排序.最后,通过一个实例验证了该模型适用于具有风险态度特性的区间数多指标决策,并且表明了该模型的有效性和可行性.