不确定信息条件下的灰色模式识别

为了解决工程中存在的由不确定信息引起的灰色模式识别问题,首先定义了区间灰数,建立了区间灰数的距离计算公式;然后将灰色关联理论与模糊集理论相结合,提出一种基于区间灰数模糊灰关联分析的灰色模式识别方法,并给出了这种灰色模式识别结果的可信度。最后通过工程实例说明了该方法的正确性和有效性。     

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.     

区间直觉模糊信息的集成方法及其在决策中的应用

对区间直觉模糊信息的集成方法进行了研究.定义了区间直觉模糊数的一些运算法则,并基于这些运算法则,给出区间直觉模糊数的加权算术和加权几何集成算子.定义了区间直觉模糊数的得分函数和精确函数,进而给出了区间直觉模糊数的一种简单的排序方法.最后提供了一种基于区间直觉模糊信息的决策途径,并进行了实例分析.     

指挥控制系统效能评估指标值灰色预测模型

开展指挥控制系统效能预测性评估研究是提高评估准确性和预判战争发展的重要支撑.首先提出基于区间数的混合数据统一转换方法,解决了指标值为混合数据类型难于评估的问题;其次提出基于最近数据优先累积法的区间GM(1,1)模型,对累积法累加过程进行优化,体现最近数据对预测更重要的特点,用于GM(1,1)模型的参数估计,同时根据区间数整体性改进GM(1,1)模型,解决了传统灰色预测方法预测平均误差较大和无法对区间数时间序列进行预测的问题,最后利用新陈代谢思想对模型进行完善.以某次装备试验评估数据为例进行实例分析,结果表明,改进后的区间数GM(1,1)模型预测精度高,满足试验评估数据多样性和动态性特点,证明了该模型的可用性.     

基于克莱姆法则的无偏区间灰数预测模型及其应用

以提高区间灰数预测模型的精度为目的,构建标准化区间灰数“白部序列”及“灰部序列”的无偏灰色预测模型,应用克莱姆法则研究该模型的参数估计方法,并推导出该模型的时间响应式及最终还原式.最后,将该模型应用于城市外来工数量的模拟及预测,并将结果与既有方法进行比较.结果显示,新构建的灰色模型性能优于传统的区间灰数预测模型.该研究成果对丰富和完善区间灰数预测模型方法体系具有积极意义.     

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.     

权重不完全确定的直觉模糊多属性决策的灰色关联分析方法

针对属性权重信息不完全确定且属性值以直觉模糊数形式给出的多属性决策问题提出了一种灰色关联分析的方法. 首先介绍了直觉模糊理论的有关概念, 然后依据TOPSIS、灰色关联分析法给出了解决问题的步骤, 并通过一个单目标优化模型求得属性信息的确定值, 从而得到排序结果. 最后给出了一个应用实例, 其结果表明了该方法的实用性和有效性.     

基于区间梯形二型犹豫模糊数的多准则决策方法

针对准则权重不完全的犹豫模糊多准则决策问题,提出基于区间梯形二型犹豫模糊数的决策方法.首先,给出区间梯形二型犹豫模糊数,根据几何面积法定义区间梯形二型犹豫模糊数的可能度和差异度;然后,利用差异度和离差最大化模型得到各准则权重,基于TOPSIS思想得到各方案的综合贴近度,并对方案进行排序;最后,通过算例分析和对比分析验证了所提出方法的可行性和有效性.     

基于云模型的区间直觉模糊数多属性群决策

针对属性值为区间直觉模糊数的多属性群决策问题,考虑到模糊性和随机性对群决策过程及结果的影响,本研究将利用云模型理论结合区间直觉模糊数的特征,运用灰色关联系数法和信息熵理论确定专家和属性权重,通过信息集结构建综合评价云模型.不同于传统的区间直觉模糊数的排序方法,本研究利用云模型的3En规则将区间直觉模糊数进行云转换并通过云相似度确定方案的综合评价值和犹豫度,然后对决策方案进行比较分析.研究结果表明:该方法能够科学有效地进行决策,进而为决策方提供科学依据.     

一种基于区间灰色语言变量几何加权集成算子的 多属性群决策方法

针对属性值和属性权重均为区间灰色语言变量的多属性群决策问题,提出一种基于区间灰色语言变量的加权几何集成算子的多属性群决策方法.首先,给出区间灰色语言变量的定义和运算规则;然后详细介绍了区间灰色语言变量加权几何集成算子、区间灰色语言变量有序加权几何集成算子、区间灰色语言变量混合加权几何集成算子,以及利用这些算子进行群决策的方法;最后,通过实例说明了所提出方法的决策步骤,并验证了方法的有效性.     

基于Choquet积分的多属性灰靶群决策方法

针对属性间具有关联性且属性值为区间灰数的多属性群决策问题,提出一种基于Choquet 积分的多属性灰靶群决策方法.根据模糊测度和Choquet积分的性质,定义关于区间灰数的Choquet积分信息集成算子,并证明其相关性质;通过灰靶决策方法,对方案集的综合靶心距进行排序.仿真实例验证了所提出方法的合理性.     

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.     

灰色神经网络在股价预测中的应用研究

股票价格受多种因素的综合影响,具有趋势性、较大波动性和随机性等变化特点,单一模型难准确对其变化规律进行准确描述,将灰色理论和BP神经网络相结合构建一种股票价格组合预测模型。采用灰色GM（1,1）预测模型动态预测股票价格变化趋势,运用BP神经网络对灰色GM（1,1）模型预测结果进行修正,以提高股票价格预测精度。采用ST东北高（600003）股票价格对预测模型性能进行测试,结果表明,组合预测模型提高了股票价格的预测精度,更能挖掘股票价格变化规律。     

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AHP和模糊综合评判的投资决策应用研究

在对常用于多目标决策问题的层次分析法、模糊综合评判、灰色系统和德尔菲法进行阐述分析的基础上,结合非赢利领域项目投资决策工作的具体实际情况,探讨了层次分析法和模糊综合评判在项目投资决策中的综合应用,从而较好地利用两种方法的优点,得到项目的综合价值.然后运用运筹学相关知识,通过建立线性规划模型来反映影响投资安排的外在条件,对待选项目进行筛选,完成计算机自动决策,为最终投资安排提供一个较为规范、科学的辅助决策依据.     

基于改进的TODIM方法的区间灰数多属性决策模型

针对属性值为区间灰数的多属性决策问题, 提出一种基于改进的TODIM方法的区间灰数多属性决策方法. 考虑决策者参照依赖的心理行为特征, 结合随机占优的思想给出两两方案相比较时的收益和损失; 分析经典TODIM方法中优势度和全局价值的不足, 给出新的优势度的表示方法和方案; 相对于其他方案收益和损失的总优势度的表示方法, 提出一种改进的TODIM方法. 最后通过实例说明了所提出方法的有效性和可行性.

     

灰色随机多准则决策的优劣势排序法

针对准则值具有灰色性和随机性两种信息不确定的多准则决策问题,提出一种灰色随机多准则决策方法.通过对灰数与白数比较的定义,将随机支配规则推广到对灰色随机变量型准则值的处理中,得出方案之间的随机支配关系;利用一般性准则对该随机支配关系进行转换,构建出优势矩阵和劣势矩阵,得出每一方案的优势流和劣势流,进而确定出方案的排序.最后通过算例说明了所提出方法的可行性和有效性.     

一种基于灰色等维新息模型的目标跟踪算法

灰色系统理论将随机过程看成为灰色过程,利用数据表面离乱但整体有序的特点,挖掘潜在本质规律。对运动物体进行光学跟踪及轨迹预测,在飞行器导航、机器人路径规划等方面一直是个研究热点。根据灰色系统理论的思想,提出一种基于灰色等维新息模型的目标位置跟踪预测方法,对其进行具体分析并应用于一目标光学跟踪实验系统并验证了其有效性,最后建议指出了改进此算法的两个新的研究点。     

The modeling of time series based on fuzzy information granules

A lot of research has resulted in many time series models with high precision forecasting realized at the numerical level. However, in the real world, higher numerical precision may not be necessary for the perception, reasoning and decision-making of human. Model of time series with an ability of humans to perceive and process abstract entities (rather than numeric entities) is more adaptable for some problems of decision-making. With this regard, information granules and granular computing play a primordial role. Fox example, if change range (intervals) of stock prices for a certain period in the future is regarded as information granule, constructing model that can forecast change ranges (intervals) of stock prices for a period in the future is better able to help stock investors make reasonable decisions in comparison with those based upon specific forecasting numerical value of stock price. In this paper, we propose a new modeling approach to realize interval prediction, in which the idea of information granules and granular computing is integrated with the classical Chen’s method. The proposed method is to segment an original numeric time series into a collection of time windows first, and then build fuzzy granules expressed as a certain fuzzy set over each time windows by exploiting the principle of justifiable granularity. Finally, fuzzy granular model can be constructed by mining fuzzy logical relationships of adjacent granules. The constructed model can carry out interval prediction by degranulation operation. Two benchmark time series are used to validate the feasibility and effectiveness of the proposed approach. The obtained results demonstrate the effectiveness of the approach. Besides, for modeling and prediction of large-scale time series, the proposed approach exhibit a clear advantage of reducing computation overhead of modeling and simplifying forecasting.