基于核和面积的离散灰数预测模型

灰色预测模型的既有研究成果均以实数或区间灰数为建模前提,缺乏对以离散灰数为建模对象的灰色预测模型进行有效研究．对此,分别建立了离散灰数序列核及灰单元格面积的预测模型,并在此基础上推导了基于离散灰数序列的灰色预测模型;应用分析验证了该模型的有效性及实用性．离散灰数预测模型对丰富与完善灰色预测模型的理论体系、拓展灰色预测模型的应用范围具有积极的意义．     

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VB6.0的灰色建模系统开发及其应用

灰色系统理论是应用广泛的、用于不确定问题建模和不确定信息系统数据挖掘的一门新兴横断学科.基于VB6.0的灰色建模系统的开发填补了灰色系统理论及其应用的空白.文中阐述了该系统的开发思想、应用流程及几个关键技术,并以2002～2005年上海市上网户数预测为例,介绍了其子程序GM(1,1)的用法.该建模系统的开发有利于广大学者应用灰色系统进行建模和数据分析,促进其在应用领域的发展.     

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。     

基于累积前景理论的动态风险灰靶决策方法

研究信息值为区间灰数, 指标权重未知的动态风险决策问题, 提出一种基于累积前景理论和灰靶思想的决策方法. 该方法定义了区间灰数的距离测度和排序方法; 以各指标值的平均值作为参照点计算各时段的前景矩阵; 通过WAA算子将动态前景矩阵集结为静态前景矩阵; 在此基础上求解基于极大熵思想的规划模型得出各指标权重. 构造正负椭球灰靶模型, 根据各方案的正负靶心综合距对方案进行排序. 最后, 通过算例分析结果验证了该方法更加符合决策者的心理行为.

     

灰色Verhulst 预测模型的数乘特性

为揭示灰色Verhulst模型的建模精度在系统原始特征序列数乘变换前后的变化规律,降低其建模复杂性,研究了灰色Verhulst模型的建模参数在系统原始特征序列经过数乘变换前后的量化关系以及数乘变换对该模型建模精度的影响程度.研究结果表明,灰色Verhulst模型的建模精度与系统原始数据序列的数乘变换无关.利用数乘变换能降低原始数据的量级,简化建模过程,而不会改变灰色Verhulst模型的建模精度.     

数据库技术在计算机辅助审计中的应用研究*

计算机辅助审计是目前审计领域研究的一个热点。结合国内开展计算机辅助审计的现状及特点,以数据采集、数据预处理和数据分析为线索,对数据库技术在我国面向数据的计算机辅助审计中的应用进行了分析。最后,结合计算机辅助审计的发展趋势,探讨了数据库技术在持续审计中的应用,从而为我国实施计算机辅助审计提供理论和实践上的指导。     

非等间距GM(1,1)幂模型及其工程应用

针对工程中大量存在的非等间距序列的建模问题,提出了非等间距GM(1,1)幂模型。以平均相对误差绝对值最小化为目标,以模型参数之间的关系为约束,构建了一个非线性优化模型实现非等间距GM(1,1)幂模型的参数估计。结果表明,非等间距GM(1,1)幂模型的形式较为灵活,非等间距GM(1,1)模型和灰色Verhulst模型均是非等间距GM(1,1)幂模型的特殊情形,幂指数的优化有利于提高建模精度。最后通过一个工程实例验证了非等间距GM(1,1)幂模型的有效性与实用性。     

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Lyapunov-Krasovskii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。     

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.