灰色模型GM(1, 1)优化

分析了GM(1, 1)模型产生模拟误差的原因，经大量的数据模拟和GM(1, 1)模型比较，发现背景值的优化使GM(1, 1)模型在短期、中期及长期预测中扩大了适用范围，并且模拟及预测精度显著提高。  

基于灰色系统理论的时序数据挖掘技术

阐述了嵌入知识的数据挖掘思想和数据挖掘技术现状，结合灰色系统理论首次提出了时序数据挖掘的灰色系统方法集(GDMS)，并以灰色系统中的GM(1,1)模型为例，介绍了其具体算法。应用此算法对上海市2002～2005年的上网户数进行了预测。  

灰色斜率关联度的改进

研究了单指标数据序列的几种无量纲化变换及其性质，提出了一种对灰色斜率关联度的改进模型，改进后的关联度能够反映序列的正、负相关关系，并且对原始序列进行无量纲化变换处理时不影响关联系数及关联度的值，还研究了改进的关联度及关联系数的性质。该方法充分利用了序列各时点的信息及正、负相关性，所得关联分析结果较为客观可靠，并且易于在计算机上实现。  

基于动态多指标灰色关联决策模型的研究

针对动态多指标系统的决策特点，对指标数据初始化处理时，利用“奖优罚劣”原则，提出了一种易于计算且实用的［-1，1］线性变换算子，用此方法寻求各时段的正、负理想方案，建立一种新的基于动态多指标灰色关联分析决策模型，在模型中充分考虑了各指标在系统中的成长特性，将此特性用于灰色关联分析，为动态多目标决策问题提供了一种科学、实用的方法，并利用现有的实例来证实此方法的科学性与可行性。  

基于区间数的多指标灰靶决策模型的研究

现实生活中遇到的许多问题都具有不确定性，使得在对系统进行决策评估时，指标值难以精确化。在此情形下，人们常常对指标值给出一个区间，到目前为止， 尚未有人研究区间数灰靶决策。首先定义了区间数、m维区间数的距离及其距离性质，并证明了当区间数为实数时，区间数距离就是实数距离的推广；提出了区间数规范化方法，在此基础上, 建立了基于区间数的灰靶决策模型，从而把灰靶决策模型由实数序列拓展到区间数序列，使灰靶决策理论得到发展，同时为扩大灰靶决策的应用领域提供了理论根据。最后以实例验证了该模型的有效性与实用性。  

区间灰数表征与算法改进及其GM (1, 1)模型应用研究

针对目前区间灰数的表征和运算过程中存在着较为严重的问题，即：运算结果对灰数的灰度进行不必要的放大，造成信息的严重失真，笔者定义了标准区间灰数与第一和第二标准区间灰数的概念，分析了第一和第二标准区间灰数之间的关系，进一步设计了普通区间灰数与标准区间灰数之间的转换规则，提供了标准区间灰数之间的比较与运算法则，较好地解决了区间灰数之间的大小比较与运算问题。最后，将这一研究成果应用于基于区间数的GM (1, 1)模型预测问题，取得了良好的效果。  

灰数灰度的一种公理化定义

基于对已有的几种灰数灰度定义的讨论，建立了灰数灰度定义的公理系统；以灰数灰度定义公理为准绳，由灰数产生的背景或论域及灰数取数域的测度构造出一种新的灰数灰度定义式。新定义克服了原有定义中存在的问题，较为科学地描述了灰数的不确定程度。  

复杂质量结构产品参数设计的粒子群优化算法

首先提出了质量结构的概念,以质量结构模型表征复杂产品的质量特征,并基于产品的质量结构建立复杂产品系统参数设计模型,调用改进的粒子群优化算法求解,从而完成了复杂质量结构产品参数设计过程,为复杂质量结构产品的参数设计提供了一种新的思路。最后以气动换向装置的参数设计为例说明了所提方法的应用过程,验证了其可行性和有效性,得到设计参数的最优组合为换向活塞直径25.4851mm、气缸内气压3.2MPa及换向行程51.8mm。  

基于粒子群BP神经网络的质量预测模型

为了对产品质量进行预测控制、辅助新产品开发设计、寻找最优参数,将测试样本的网络输出值与真值之间的灰色关联度作为目标函数,采用粒子群算法优化了BP神经网络的权系数和阈值,构建了基于粒子群神经网络的质量预测模型。所提出的PSO-GRG算法解决了一般BP算法迭代速度慢,且易出现局部最优的问题,并以注塑件质量预测为例,进行算法实现,仿真结果表明本文所提出的PSO-GRG算法比BP算法迭代次数减少了87.5%,并避免了局部最优,且预测误差亦明显减少。得出结论:所构建的质量预测模型具有较高的预测精度和研究价值。  

中立型灰色随机分布时滞系统的指数鲁棒稳定性

为了得到一类中立型灰色随机分布时滞系统的指数鲁棒稳定性,本文利用LyapunovKrasovskii泛函法、灰矩阵的连续矩阵覆盖的分解技术和It(o)公式,分别得到了以非线性矩阵不等式和线性矩阵不等式(LMI)表示的该系统指数鲁棒稳定的时滞依赖性判据.对非线性矩阵不等式判据,我们给出了一般性算法,解决了非线性矩阵不等式判据不便于实际应用的问题.数值例子表明,本文所给判据是有效的,且系统的指数稳定性和时滞,随着绝对灰度矩阵的谱范数的增大而减小.