灰數(shù)
- 一般灰數(shù)型面板數(shù)據(jù)關聯(lián)分析模型及應用
板數(shù)據(jù),對于一般灰數(shù)型面板數(shù)據(jù)無法進行分析。目前,由于一般灰數(shù)的運算有待進一步完善,利用一般灰數(shù)的運算或者距離測度進行相關性分析存在困難;② 現(xiàn)有的面板數(shù)據(jù)關聯(lián)分析模型易受指標排列順序的影響[16],即改變指標的排列順序后,關聯(lián)度的結果往往會隨之改變。為此,本文給出了一般灰數(shù)型面板數(shù)據(jù)的空間投射方法,并給出了重心三角曲面關聯(lián)分析模型。首先,將樣本矩陣分解為行為子矩陣;其次,給出行為子矩陣元素的核及上下界,并給出了由行為子矩陣元素相鄰四點的上下界所確定的幾何
系統(tǒng)工程與電子技術 2023年3期2023-03-09
- 基于新型核與灰度序列的時滯GM(1,N)模型及其應用
差思想，針對區(qū)間灰數(shù)構建了GM(1,1)模型，石佳等[23]在核和灰度序列的基礎上，引入線性時變參數(shù)，建立了GM(1,N)模型，上述優(yōu)化模型是將實驗數(shù)據(jù)中的實數(shù)范疇擴大到區(qū)間灰數(shù)范疇，以便于灰色模型在不同條件下的合理應用，使得灰色系統(tǒng)理論更加的完整且豐富。在目前的實際應用過程中，原始GM(1,N)模型[24]只能適用于在同一時間下的變量，在建模的過程中沒有過多地考慮時間滯后變化關系，因此常常在預測過程中產(chǎn)生或多或少的模擬預測偏差。本文將分析當期系統(tǒng)特征數(shù)據(jù)
運籌與管理 2022年12期2022-02-08
- 基于區(qū)間灰數(shù)白化變權關聯(lián)算法的采礦方法決策模型及應用
有一定范圍的區(qū)間灰數(shù)。因此，采礦方法選擇是典型的區(qū)間灰數(shù)多屬性決策問題，其核心和重點是區(qū)間灰數(shù)關鍵特征信息的提取和科學綜合。當前，常采用白化權函數(shù)描述區(qū)間灰數(shù)特征以客觀反映專家意見模糊性和偏好程度，主要包括白化權函數(shù)為梯形白化權函數(shù)[12-14]、三角白化權函數(shù)[15]等線性或分段線性函數(shù)，一般基于灰形特征提取灰心或灰徑等關鍵信息。但因線性或分段線性函數(shù)不能更好地反映單位增量帶來的差異，故不易反映專家意見的偏好程度差異?？梢姡斍袄脜^(qū)間灰數(shù)描述采礦方法決
金屬礦山 2021年12期2022-01-07
- 基于三參數(shù)區(qū)間泛灰數(shù)的技術站能力表示與估計方法
定性度量中引入泛灰數(shù)；丁先文等[14]將Bootstrap 方法與經(jīng)典方法進行了比較.從以上分析可知，在技術站能力表示及測定方面，既有文獻大都利用確定性模型進行研究，難以體現(xiàn)能力的伸縮與動態(tài)性.本文利用三參數(shù)區(qū)間表征技術站能力，并界定松弛、平衡、收縮等能力概念.同時，引入泛灰數(shù)控制運算時引起的區(qū)間擴張，形成基于JAB（Jackknife-after-Bootstrap）區(qū)間估計的三參數(shù)區(qū)間泛灰數(shù)技術站能力表示與估計方法.1 三參數(shù)區(qū)間泛灰數(shù)的描述1.1 三
西南交通大學學報 2021年5期2021-10-31
- 基于S型效用函數(shù)的區(qū)間灰數(shù)多屬性群體決策方法
關于屬性值為區(qū)間灰數(shù)的多屬性決策問題的研究取得了豐富進展。謝乃明等[2]通過分析灰數(shù)排序針對連續(xù)型灰數(shù)和區(qū)間型灰數(shù)給出了排序規(guī)則。王俊杰等[3]通過構建兩個區(qū)間灰數(shù)的可能度函數(shù)，求得兩個區(qū)間灰數(shù)可能度大小的排序。劉中俠等[4]通過計算綜合關聯(lián)相對貼近度，給出了區(qū)間灰數(shù)備選方案的優(yōu)劣排序。崔杰等[5]針對屬性值為區(qū)間灰數(shù)的多指標決策提出了灰色多階段決策方法。在實際決策中，決策者對備選方案進行評價時往往受到自身心理的影響，產(chǎn)生非理性因素。當決策者財富較多時，決
河南教育學院學報（自然科學版） 2021年2期2021-07-28
- 基于GAHP方法的深潛救生艇援潛救生作業(yè)綜合評價研究*
底層指標的評分為灰數(shù)，如果想要客觀真實反映指標的評價等級，需要將灰數(shù)轉化為評價灰類。確定評估灰類就是確定評估灰類的等級數(shù)、灰類的灰數(shù)及灰類的白化權函數(shù)。根據(jù)援潛對接救生作業(yè)評估類型和專家意見，將指標的取值劃分為很好、較好、一般、較差四個灰類，對應灰度閾值為9、7、5、3，即C=［9 7 5 3］T為灰類等級賦值向量，以常用的嶺型（三角）白化權函數(shù)進行灰數(shù)計算。第一類（很好）設定灰數(shù)∈[0，9，+∞]，對應的白化權函數(shù)為第二類（較好）設定灰數(shù)∈[0，7，14
艦船電子工程 2021年5期2021-06-04
- 初始條件優(yōu)化的正態(tài)分布區(qū)間灰數(shù)NGM（1，1）預測模型
數(shù)值表達，而區(qū)間灰數(shù)的表示方法則更符合人們對系統(tǒng)內數(shù)據(jù)的把握和認知［5］. 因此，建立面向區(qū)間灰數(shù)的預測模型已成為學者們的研究熱點之一. 現(xiàn)有文獻中，學者們利用“區(qū)間灰數(shù)白化”的思想，通過信息分解法［6-7］、幾何坐標轉換法［8-9］、灰色屬性法［10-13］將區(qū)間灰數(shù)序列轉化為實數(shù)序列，然后對實數(shù)序列建立灰色預測模型，再反推得到區(qū)間灰數(shù)上下界的模擬值和預測值. 但是，上述研究均是在灰數(shù)取值分布信息未知的前提下進行的.在灰色系統(tǒng)理論中，作為描述一個灰數(shù)對其
河南科學 2021年3期2021-05-06
- 灰色系統(tǒng)理論在生鮮農產(chǎn)品供應鏈中的應用
管理系統(tǒng)的要求。灰數(shù)是組成灰色系統(tǒng)的基本單元，灰色系統(tǒng)其他組成部分包括灰色方程、灰色矩陣以及灰色函數(shù)。在實際應用中，人們難以準確把握系統(tǒng)中的實際信息，無法獲得信息的具體取值，僅知道其取值范圍，這被叫作灰數(shù)，范圍一般是1 個區(qū)間，也可以是一般的數(shù)集，通常用符號“”來表示。1.2 區(qū)間灰數(shù)的主要運算法則1.2.1 加法運算1.2.2 減法運算1.2.3 乘法運算1.2.4 數(shù)乘運算1.3 區(qū)間灰數(shù)大小的比較區(qū)間灰數(shù)的大小的往往無法進行直接比較，主要討論一般意義
南方農機 2021年2期2021-02-07
- 基于白化權函數(shù)的改進區(qū)間灰數(shù)預測模型
046)0 引言灰數(shù)及其運算是灰色系統(tǒng)理論的基礎。灰數(shù)是指僅知道取值范圍但不知其確切值的數(shù)，用記號“?”表示[1]。文獻[2]根據(jù)區(qū)間灰數(shù)的已有分布信息發(fā)掘其幾何意義，并把灰數(shù)序列轉換為實數(shù)序列完成建模預測，但僅能解決典型白化權函數(shù)類型。文獻[3-4]從區(qū)間灰數(shù)的“核”“信息域”以及“認知程度”等特征出發(fā)實現(xiàn)預測；文獻[5]利用文獻[3-4]定義的信息域和認知程度，構建了改進的區(qū)間灰數(shù)預測模型；區(qū)間灰數(shù)的標準化形式在文獻[6]中給出，文中把區(qū)間灰數(shù)分為“白
河南教育學院學報（自然科學版） 2020年3期2020-11-16
- 基于后悔理論的理想點決策方法及其在防洪調度中的應用
、概率統(tǒng)計和區(qū)間灰數(shù)3種方法對不確定性信息進行研究.而在水庫洪水調度決策中運用模糊數(shù)學和概率統(tǒng)計方法會具有一定的盲目性,所以區(qū)間灰數(shù)就成為在描述不確定性問題時最為合適的方法[1].在水庫洪水調度決策方面,常運用的方法主要包括：層次分析法、Vague集法、TOPSIS法、灰色關聯(lián)度法、理想點法等[2-6].關于理想點法決策,王彥,孟令爽[7]建立評價指標體系,劃分風險等級,將熵權法與理想點法相結合,對水資源承載力風險進行評價;危文廣,黎良輝,賴敬飛,等[8]
三峽大學學報(自然科學版) 2020年5期2020-09-18
- 基于區(qū)間灰數(shù)理論的汽車聲品質主觀評價方法研究*
分別對應一段區(qū)間灰數(shù)，評審員按照詞匯對每個樣本評出一個分數(shù)范圍。但在實際應用中發(fā)現(xiàn)，該方法沒有考慮評分區(qū)間長度與評分者對該評分確信程度間的聯(lián)系，也沒有針對區(qū)間型分數(shù)給出一套切實可行的評分者信度求法，而且該方法限定了每次給分的范圍，同樣沒有做到真正的模糊打分。針對以上問題，本文中提出了基于區(qū)間灰數(shù)理論［7］改進的語義細分法。每位評審員以基準樣本作為對比參考，采用任意模糊涂抹的方法對每個樣本進行評分，得到一組分數(shù)的區(qū)間序列。通過區(qū)間灰色關聯(lián)度［8］算法求出各個
汽車工程 2020年7期2020-07-27
- 考慮后悔規(guī)避的灰色群體偏離靶心度決策方法
展到區(qū)間數(shù)、區(qū)間灰數(shù)、三參數(shù)區(qū)間灰數(shù)以及直覺模糊數(shù)等，且不少研究者在拓展建模對象的同時也不斷優(yōu)化了灰靶決策的建模方法。文獻[6]首次將灰靶決策模型由實數(shù)序列拓展到區(qū)間數(shù)序列，建立了區(qū)間數(shù)多指標灰靶模型；文獻[7]則專門針對決策對象眾多的多屬性決策問題建立了基于樣本集的區(qū)間數(shù)灰靶分類決策模型；文獻[8]針對屬性值為區(qū)間灰數(shù)的情形建立了正、負靶心灰靶決策模型，使決策更加全面合理，提供了灰靶模型發(fā)展的新視角；文獻[9]在研究區(qū)間灰數(shù)距離計算方法的基礎上，通過比較
中國管理科學 2020年6期2020-07-22
- 基于DFOWA算子的動態(tài)三參數(shù)區(qū)間灰數(shù)多屬性決策
部分[3-4]。灰數(shù)則是灰色系統(tǒng)理論中的基本單元，有一定的取值范圍但不能確定具體數(shù)值，是可以對其進行加工、運算生成得到有意義有價值的信息，從而描述系統(tǒng)。灰關聯(lián)模型雖已采取區(qū)間灰數(shù)對屬性值做出改進，但區(qū)間數(shù)存在著為完整保留屬性信息而導致區(qū)間過大、默認區(qū)間內各值概率相等的缺點，且隨著運算法則的計算會產(chǎn)生誤差甚至失真現(xiàn)象。為此，張東興等[5]考慮了具有“獎優(yōu)罰劣”線性變換算子的基于前景理論的灰關聯(lián)決策方法；陳可嘉等[6]給出了三參數(shù)區(qū)間灰數(shù)距離測度與排序方法，考
武漢理工大學學報（信息與管理工程版） 2020年1期2020-05-18
- 基于灰區(qū)間聚類的人機界面評價方法①
白化權函數(shù)構建的灰數(shù)評價模型，并不適用于具有多屬性、不確定信息的人機界面系統(tǒng)。本文在前人研究的基礎上，將區(qū)間灰數(shù)與灰色理論相結合，構建了基于典型白化權函數(shù)的灰區(qū)間聚類人機界面評價模型，解決了人機界面評價過程中評價信息的不確定性問題。人機界面評價首先需要分析評價對象，根據(jù)對象特征篩選指標，構建評價指標體系，人機界面評價指標包括定量和定性指標兩類，而定性指標需要先量化后處理，利用區(qū)間灰數(shù)量化定性指標可保留更多的有用信息，解決人機界面評價信息的不確定性，最后建立
佳木斯大學學報（自然科學版） 2020年2期2020-05-18
- 基于灰數(shù)熵的突發(fā)事件語言信息權重配置研究
——以?；愤\輸事
入研究，證明區(qū)間灰數(shù)用以表征多元性的不確定信息具有較強的魯棒性，提出廣義區(qū)間灰數(shù)關聯(lián)度模型、廣義區(qū)間灰數(shù)熵權配置模型、改進灰關聯(lián)分析和熵權法結合的評價方法，并在多個領域得到應用。目前還未見突發(fā)事件緊急通訊中語言信息方面的研究。由于突發(fā)事件語言信息的多元不確定性，傳統(tǒng)的權重配置方法對語言信息的研究具有一定的局限性，本文針對突發(fā)事件語言信息多元不確定性特點的研究，在灰色理論的基礎上，提出一種構建一個廣義區(qū)間灰數(shù)熵客觀權重配置模型，求得突發(fā)事件語言信息屬性指標的
物流科技 2020年5期2020-05-14
- 基于直覺灰數(shù)集的灰色多屬性決策方法
0]。李鵬等基于灰數(shù)“核”與“灰度”的內涵，將直覺模糊數(shù)的猶豫度和記分函數(shù)結合構建了直覺模糊數(shù)序列GM(1，1)預測模型，從而實現(xiàn)了直覺模糊數(shù)的預測[11]。這些研究不但不成體系而且處于初級階段，沒有實現(xiàn)理論的深度融合，很多理論有待進一步探究。在實際決策問題中猶豫模糊信息、灰信息和模糊信息往往相互滲透，很難準確界定。為此，Li等提出了灰色猶豫模糊集，把灰集看作是灰色猶豫模糊集的一個拓展[12]。由于信息受多源因素的影響，常表現(xiàn)為復雜不確定性，為精確描述復雜
統(tǒng)計與信息論壇 2020年3期2020-04-27
- 基于前景理論和證據(jù)推理的區(qū)間灰數(shù)多屬性決策①
注和深入的研究.灰數(shù)是灰色系統(tǒng)理論的基本單元,針對模糊數(shù)學與統(tǒng)計概率難以描述的不確定信息,主要通過對部分已知信息進行生成和開發(fā)以提取和分析有價值的信息,實現(xiàn)對不確定系統(tǒng)的準確描述.針對屬性值為區(qū)間灰數(shù)的不確定多熟悉決策問題,謝乃明和劉思峰[4]深入研究了灰數(shù)的排序問題,針對連續(xù)型灰數(shù)與區(qū)間型灰數(shù)分別給出排序規(guī)則.王堅強等[5]針對概率和信息值均為區(qū)間灰數(shù)的灰色風險型多屬性決策問題,提出一種基于前景理論的決策方法,采用離差最大化思想對方案進行排序.閆書麗等人
計算機系統(tǒng)應用 2019年9期2019-09-24
- 基于限制合作博弈的產(chǎn)業(yè)集群企業(yè)利益分配研究
的基礎上，本文將灰數(shù)、Choquet積分和Shapley值模型相結合，提出了基于灰色授權機制的限制合作博弈，進而解決產(chǎn)業(yè)集群中企業(yè)的合作能力和聯(lián)盟收益值均為區(qū)間灰數(shù)，且企業(yè)之間具有關聯(lián)性的聯(lián)盟利益分配問題。2 理論基礎2.1 合作博弈設有限局中人集合N={1,2,3,…,n}上具有效用可轉移的合作對策，是一個二元組，(N,v)，其中v:2N→是定義在所有子集上的特征函數(shù)，且滿足v(?)=0；對任意S1,S2∈2N滿足S1∩S2=?，v(S1∪S2)≥v(S
中國管理科學 2019年4期2019-05-15
- 基于一般灰數(shù)的灰靶決策模型拓展與應用
理論的三參數(shù)區(qū)間灰數(shù)群體灰靶決策模型，該方法充分考慮了專家關于各屬性的心理期望灰靶和決策風險態(tài)度。文獻[9]針對指標值為區(qū)間數(shù)的情形，把灰靶決策模型由實數(shù)序列推廣到區(qū)間數(shù)序列，建立了基于區(qū)間數(shù)的灰靶決策模型。文獻[10]通過比較指標集中各指標值與靶心連線所圍成圖形的面積大小來對決策方案的優(yōu)劣進行評價，從而在一定程度上弱化了建模對象中極端指標值對靶心距計算結果的影響,建立了蛛網(wǎng)灰靶決策模型。文獻[11,12]提出了沖突利益主體不完全確定權重信息情景下的群決策
統(tǒng)計與決策 2019年7期2019-05-05
- 基于“灰度不減”公理的改進區(qū)間灰數(shù)預測模型
以分為兩種：區(qū)間灰數(shù)序列預測[14-17]和灰色異構數(shù)據(jù)序列預測[17,18]。其中區(qū)間灰數(shù)序列建模方法主要有：（1）基于序列的幾何特征[14,15]；（2）基于序列的表征信息[16,17]；（3）組合模型[17,18]等。目前，無論是區(qū)間灰數(shù)序列還是異構數(shù)據(jù)序列預測模型，主要思想是將灰數(shù)轉化為實數(shù)構建預測模型，再還原為區(qū)間灰數(shù)。對于灰度波動較大的區(qū)間灰數(shù)序列，此類模型不僅對灰度變化較大的區(qū)間灰數(shù)擬合精度低，并且不能反映灰數(shù)灰度的未來的發(fā)展趨勢。對于區(qū)間灰
統(tǒng)計與決策 2019年2期2019-03-05
- 基于改進層次分析法的煤礦應急管理體系評價
給出一個標度區(qū)間灰數(shù)，得到每位專家的灰數(shù)判斷矩陣如式（1）所示。式中，A（k）（?）為應急管理體系脆弱性評價矩陣；(?)為第k為專家對第i，j個指標比較后給出的灰數(shù)值，（k=1,2，…，m），（i=1,2，…，n），（j=1,2，…，n）；n為同級指標的個數(shù)。根據(jù)相關理論，有(?)=1，(?)·(?)=1，(?)∈（(?)(?)）(?)(?)分別為灰數(shù)的下限和上限。根據(jù)式（1），構建各級指標的群體灰數(shù)判斷矩陣，如式（2）所示。式中：A（?）為應急管理體系群
煤礦現(xiàn)代化 2019年1期2019-03-04
- 基于接近性綜合關聯(lián)度的區(qū)間灰數(shù)的決策模型
展。對于具有區(qū)間灰數(shù)的多指標決策問題文獻[1]提出了灰色區(qū)間關聯(lián)系數(shù)公式，將經(jīng)典灰色關聯(lián)決策由清晰數(shù)的情況推廣到了區(qū)間灰數(shù)的情況，建立了基于滿意度水平下的灰色區(qū)間關聯(lián)算法；文獻[2]提出了基于理想方案的最大關聯(lián)度方法、基于臨界方案的最小關聯(lián)度方法，以及同時考慮理想方案和臨界方案的綜合關聯(lián)度方法；文獻[3]提出了基于信息還原算子的區(qū)間灰數(shù)序列關聯(lián)度的計算方法，研究了具有區(qū)間灰數(shù)的多指標決策問題，建立了多指標區(qū)間灰數(shù)關聯(lián)決策模型；文獻[4]提出了區(qū)間灰數(shù)關聯(lián)決
統(tǒng)計與決策 2019年1期2019-02-28
- 盲數(shù)和GM(1,1)模型在性能退化產(chǎn)品可靠性分析中的應用
數(shù)實質是建立區(qū)間灰數(shù)和可信度。不考慮概率分布時，常采用自然斷點法構建區(qū)間灰數(shù)，用判斷矩陣法[3]或直接用數(shù)量百分比建立可信度，這類方法的局限在于盲數(shù)的建立完全受限于現(xiàn)有數(shù)據(jù)?？紤]概率分布時，文獻[4]考慮故障率服從浴盆曲線，將區(qū)間總長度設為故障率最大值與最小值的差值，再等分確定各區(qū)間灰數(shù)，可信度設為區(qū)間故障率對應時間與壽命周期的比值；文獻[5]假設退化量服從正態(tài)分布，由“3σ”性質確定區(qū)間灰數(shù)和可信度。三參數(shù)威布爾分布應用范圍廣泛，其參數(shù)估計方法較多：文獻
電光與控制 2018年12期2018-12-17
- 灰色面板數(shù)據(jù)的關聯(lián)決策評價模型拓展
板數(shù)據(jù)類型為一般灰數(shù)的關聯(lián)模型研究極其稀少，文獻[13-15]僅研究了決策信息為區(qū)間灰數(shù)的一般關聯(lián)決策模型。在實際決策問題中，可能會造成決策信息表現(xiàn)為復雜性和不確定性，而目前對不確定信息表征和運算不夠完善。為更加準確地表征不確定信息，本文首先給出了一般灰數(shù)的概念并用一般灰數(shù)表征復雜信息和不確定性、一般灰數(shù)的距離測度方法及其運算法則；其次，將灰色面板數(shù)據(jù)轉化為時間關于樣本在指標上值的時間矩陣序列；最后，基于關聯(lián)度構造思想，構建灰色面板數(shù)據(jù)的灰色關聯(lián)度模型并應
統(tǒng)計與決策 2018年21期2018-12-03
- 基于區(qū)間灰數(shù)預測模型的天貓“雙十一”物流需求量預測
此選擇用連續(xù)區(qū)間灰數(shù)進行預測。由于用區(qū)間灰數(shù)直接建?？赡軐е聛G失一些已知的有效信息，甚至對實際情況的解釋存在偏差，所以選擇用信息分解的方法對區(qū)間灰數(shù)進行白化。灰色離散 Verhulst 模型是對灰色Verhulst模型的優(yōu)化，不僅依然適用于近似飽和“S”型數(shù)據(jù)序列，還能消除由微分方程跳到差分方程時產(chǎn)生的誤差，使模擬預測精度更高。因此本文運用基于信息分解的連續(xù)區(qū)間灰數(shù)離散Verhulst模型對天貓“雙十一”的物流需求量進行預測。圖1 2011—2017天貓“
重慶工商大學學報（自然科學版） 2018年6期2018-11-09
- 基于Grey-DEMATEL的農產(chǎn)品冷鏈物流影響因素分析
析法)方法與區(qū)間灰數(shù)相結合構建Grey-DEMATEL模型對農產(chǎn)品冷鏈物流影響因素進行分析.方凱等[5]選用3階段的數(shù)據(jù)包絡分析模型研究了我國冷鏈物流企業(yè)的效率,最后發(fā)現(xiàn)了阻礙其發(fā)展的主要因素是效率低下,并據(jù)此提出了5條相關的改良建議.袁學國等[6]對我國的冷鏈物流業(yè)的發(fā)展現(xiàn)狀做了相關的分析,研究表明,其在發(fā)展中存在諸多問題,并針對存在的問題提出了相應的對策和建議.影響某件事情發(fā)展的因素是多方面的,且各影響因素之間也是相互關聯(lián)、相互作用的,各影響因素在其中
沈陽大學學報(自然科學版) 2018年5期2018-11-07
- 基于一般灰數(shù)的廣義灰色關聯(lián)分析模型
個實數(shù)或一個區(qū)間灰數(shù)能夠準確地描述系統(tǒng)發(fā)展和演化特征，為了準確描述系統(tǒng)的特征，劉思峰提出了一般灰數(shù)的概念。本文在一般灰數(shù)概念基礎上，基于核與灰度的思想，依廣義關聯(lián)分析模型的路徑，提出一般灰數(shù)的絕對和相對關聯(lián)度模型及相似性和接近性關聯(lián)度模型及其相應的決策模型，并給出了核期望與核方差的一般灰數(shù)的排序方法。最后，利用具有實際背景的案例驗證了所建模型在決策應用中的科學有效性。1 一般灰數(shù)的基本概念與定義定義1[6]：區(qū)間灰數(shù)和實（白）數(shù)統(tǒng)稱為灰數(shù)基元。定義2[6]
統(tǒng)計與決策 2018年18期2018-10-17
- “互聯(lián)網(wǎng)+”環(huán)境下基于T-PIGNTOPSIS的電子商務物流供應商評價
引入了三參數(shù)區(qū)間灰數(shù)（T-PIGN）來對評價指標進行度量[11～13]。關于三參數(shù)區(qū)間灰數(shù)在決策問題上的難點主要在于方案的排序與比較，而目前三參數(shù)區(qū)灰間的比較運算尚未形成一個被研究者們普遍接受的解決方法?；谝陨喜蛔悖疚脑诂F(xiàn)有物流供應商評價指標研究的基礎上，針對電子商務企業(yè)，提出了“互聯(lián)網(wǎng)+”環(huán)境下的物流配送供應商評價指標體系。使用基于T-PIGN-TOPSIS的評價方法對備選物流供應商進行評價，根據(jù)灰色系統(tǒng)理論中“信息被充分利用”的理念，提出了一種新的
電子科技大學學報(社科版) 2018年4期2018-08-16
- 關于《基于空間映射的區(qū)間灰數(shù)關聯(lián)度模型》的注記＊
文獻[1]以區(qū)間灰數(shù)序列為研究對象，基于空間映射的思想，將區(qū)間灰數(shù)序列轉換成面積序列和坐標序列后，對兩者灰色關聯(lián)度進行融合，最終得出原區(qū)間灰數(shù)的關聯(lián)度。本文是針對文獻[1]中有關的問題而提出的一個商榷。文獻[1]中的模型沿用了實數(shù)序列灰色關聯(lián)度的思想，能起到計算區(qū)間灰數(shù)關聯(lián)度的效果，但是，在對文章進行深入分析后發(fā)現(xiàn)，“面積序列和坐標序列含有的信息量與原區(qū)間灰數(shù)序列信息量相等”這一說法并不成立。本文在對原文模型進行簡單介紹的基礎上，逐步分析原文中的證明過程，
科技與創(chuàng)新 2018年14期2018-07-23
- 泛灰數(shù)學在機器人機構誤差分析中的應用
06）0 引言泛灰數(shù)學在機器人機構誤差分析中的應用，為實際的誤差分析提供了新方法與新理論，可以有效的滿足當前時代的需求，具有較強的應用價值。例如，在機器人的手臂設計過程中，設計人員除了對相關的桿件、關節(jié)等原理與構造進行設計外，還需要結合設計的實際需求，對各桿件與關節(jié)的精度進行測量，以滿足實際的設計需求。1 泛灰數(shù)學分析1.1 泛灰數(shù)學的發(fā)展區(qū)間分析又被人們稱為區(qū)間數(shù)學，其最早的應用目的是對相關的誤差進行分析研究，以保證明確其誤差的大小，在實際的運算過程中，
科技視界 2018年2期2018-07-16
- 區(qū)間灰數(shù)幾何預測模型的參數(shù)優(yōu)化
00067）區(qū)間灰數(shù)幾何預測模型的參數(shù)優(yōu)化崔學海（重慶工商大學長江上游經(jīng)濟研究中心，重慶400067）面積序列及坐標序列的模擬精度是影響區(qū)間灰數(shù)幾何預測模型性能的重要因素，文章通過克萊姆法則建立面積序列與坐標序列的灰色模型參數(shù)無偏估計新方法，在此基礎上構建了一種新的區(qū)間灰數(shù)預測模型；最后通過與傳統(tǒng)的區(qū)間灰數(shù)預測模型模擬精度進行了比較，結果表明新模型具有更為優(yōu)秀的模擬性能?；疑碚?；預測模型；Cramer法則；區(qū)間灰數(shù)；參數(shù)優(yōu)化0 引言在灰色理論[1]中，灰
統(tǒng)計與決策 2017年11期2017-07-06
- 基于核與灰半徑序列的GM(1，N)預測模型及其在霧霾中的應用
探討該模型在區(qū)間灰數(shù)序列情形下的建模機理和建模方法,提出了基于核與灰半徑的GM(1，N)模型。將以區(qū)間灰數(shù)序列的核序列和灰半徑序列為基礎建立GM(1，N)預測模型,進而對區(qū)間灰數(shù)序列的核與灰半徑進行模擬預測,根據(jù)核與灰半徑的計算公式推導出區(qū)間灰數(shù)的上界和下界,從而實現(xiàn)對區(qū)間灰數(shù)序列的模擬預測。最后,將文中提出的GM(1，N)模型應用于對霾存在時的空氣質量指數(shù)AQI的預測研究中,模擬預測效果較好,從而驗證了該模型的有效性和可行性?；疑到y(tǒng)理論;GM(1，N)
山西大學學報（自然科學版） 2017年2期2017-05-25
- 基于核與灰度的區(qū)間灰數(shù)多屬性群決策方法*
于核與灰度的區(qū)間灰數(shù)多屬性群決策方法*李艷玲，殷新麗，楊 劍 （火箭軍工程大學，西安 710025）針對屬性值為區(qū)間灰數(shù)且專家權重未知、屬性權重部分已知的不確定多屬性群決策問題，提出了一種基于區(qū)間灰數(shù)的核和灰度的決策方法。給出了區(qū)間灰數(shù)的基于核和灰度的簡化形式，充分利用區(qū)間灰數(shù)的核和灰度的信息建立優(yōu)化模型求得屬性的權重。在求出屬性權重的基礎上，運用灰色關聯(lián)方法分別求取各專家的核與灰度距理想方案值的關聯(lián)系數(shù)，綜合兩者得到專家權重，最終綜合專家意見并對方案比較
火力與指揮控制 2017年3期2017-04-24
- 考慮區(qū)間灰數(shù)風險度的多屬性灰靶決策模型
70)?考慮區(qū)間灰數(shù)風險度的多屬性灰靶決策模型孫寶軍(內蒙古財經(jīng)大學 計算機信息管理學院，內蒙古 呼和浩特 010070)針對目前多屬性灰靶決策模型研究中，區(qū)間灰數(shù)比較大小公式中的只以區(qū)間大小而沒有考慮不確定性，無法度量決策者給出區(qū)間灰數(shù)風險的問題，文中提出了基于灰數(shù)集的風險度的概念，改進了現(xiàn)有的灰靶多屬性決策模型，通過風險偏好系數(shù)，得到包含風險因素的綜合評價結果。算例證明了該方法的可行性和合理性。多屬性決策；區(qū)間灰數(shù)；風險度灰靶決策模型是一種解決“小樣本
電子科技 2016年12期2016-12-26
- 基于灰數(shù)判斷矩陣的Grey-AHP評估方法及其應用研究
0009)?基于灰數(shù)判斷矩陣的Grey-AHP評估方法及其應用研究瞿 浩(合肥工業(yè)大學 管理學院,安徽 合肥 230009)文章利用灰色層次分析法(grey-analytic hierarchy process,Grey-AHP)構建了包括目標層、準則層和指標層3個層次的評價指標體系,對基于灰數(shù)判斷矩陣的Grey-AHP評估方法進行研究,并通過一個具體案例的應用來驗證文中所提方法的有效性。層次分析法;灰區(qū)間數(shù);判斷矩陣;評估方法0 引 言層次分析法[1](
合肥工業(yè)大學學報（自然科學版） 2016年11期2016-12-17
- 一種區(qū)間灰數(shù)的優(yōu)化預測模型
00)?一種區(qū)間灰數(shù)的優(yōu)化預測模型胡大紅(漢口學院 計算機科學與技術學院,湖北 武漢 430000)由于灰數(shù)間的代數(shù)運算會導致結果灰度的增加，所以對區(qū)間灰數(shù)進行建模時，為避免區(qū)間灰數(shù)的代數(shù)運算，本文將區(qū)間灰數(shù)序列轉化為白部序列和灰部序列，再對白部序列和灰部序列分別建立灰色優(yōu)化預測模型，最后通過實例證實了此方法的有效性與可行性.灰色系統(tǒng)理論;區(qū)間灰數(shù);預測模型;白部序列;灰部序列灰色預測模型是對少樣本，貧信息系統(tǒng)進行建模的重要預測模型.自提出以來，主要應用于
湖北民族大學學報(自然科學版) 2016年3期2016-11-29
- 基于Cramer法則的區(qū)間灰數(shù)預測模型參數(shù)優(yōu)化方法研究
mer法則的區(qū)間灰數(shù)預測模型參數(shù)優(yōu)化方法研究曾 波1a,1b, 石娟娟1b,2，周雪玉1b(1. 重慶工商大學 a.工商務策劃學，b.裝備系統(tǒng)服役健康保障重慶市級國際聯(lián)合研究中心，重慶 400067；2.渥太華大學 機械工程系， 渥太華 安大略 K1N 6N5 加拿大)以改善區(qū)間灰數(shù)預測模型的模擬及預測性能為目的，對區(qū)間灰數(shù)預測模型的參數(shù)優(yōu)化方法進行研究，應用Cramer法則推導了核序列GM(1,1)模型通用形式的參數(shù)無偏估計新方法，從理論上證明了新方法對
統(tǒng)計與信息論壇 2015年8期2015-06-01
- 動態(tài)灰色預測模型在變形監(jiān)測中的應用
的基礎上，研究了灰數(shù)遞補和新陳代謝2種動態(tài)灰色模型，并結合工程實例分析驗證動態(tài)灰色模型的應用。2種模型的預測精度表明，動態(tài)灰色模型理論正確，精度合格，完全能夠滿足工程需要。變形監(jiān)測；動態(tài)灰色模型；GM(1,1)；預測1 動態(tài)灰色模型的建立1.1 灰色預測模型灰色預測模型是具有部分差分、部分微分性質的模型，在關系、性質和內涵上具有不確定性[1,2]。具有研究價值的有一階多元預測模型GM（1，N）和一階一元預測模型GM（1，1）。實際中應用中，較多采用GM（1
地理空間信息 2015年2期2015-02-06
- 灰色關聯(lián)度和灰色預測在刑偵話單分析中的應用
立方面，面向區(qū)間灰數(shù)序列預測模型的研究較多。這些研究主要集中在灰數(shù)序列的表達［4］、灰數(shù)幾何特性［5］以及合成灰數(shù)灰度［6］等方面，進而建立預測模型。曾波［7］提出了基于核和灰度的區(qū)間灰數(shù)預測模型。本文將灰色關聯(lián)度法和灰色預測模型用于判斷嫌疑人異動時間點的自動判斷，以取代人工分析數(shù)據(jù)。在選定關鍵聯(lián)系人后，就可以對嫌疑人與關鍵聯(lián)系人的通信次數(shù)進行監(jiān)控，通過建立灰色預測模型，預測出每日(或某段時間間隔)的通信次數(shù)，與實際通信次數(shù)比較，若差值大于某個閾值，則認為
成都工業(yè)學院學報 2015年2期2015-01-04
- 灰色信息系統(tǒng)基于集中有序關系下的知識約簡
序優(yōu)勢關系中引入灰數(shù)測度的概念，并以綜合優(yōu)勢度為基礎，給出度量屬性重要度的指標，提出了一種新的優(yōu)勢關系下灰色系統(tǒng)的啟發(fā)式屬性約簡方法。2 灰色信息系統(tǒng)定義1[8-9]灰數(shù)指在某一區(qū)間或某個一般的數(shù)集內取值的不確定數(shù)，用記號“?”表示。灰數(shù)有以下幾類：（4）黑數(shù)與白數(shù)：當?∈[-∞，∞]時，即當?的上界和下界均為無窮時，稱?為黑數(shù)；當?∈且時，稱?為白數(shù)。（5）離散灰數(shù)與連續(xù)灰數(shù)：在某一區(qū)間內取有限個值或可數(shù)個值的灰數(shù)稱為離散灰數(shù)；取值連續(xù)地充滿某一區(qū)間的灰
計算機工程與應用 2014年24期2014-08-05
- 基于核和灰度的灰色層次分析模型及應用
250022）灰數(shù)的核和灰度包含了灰數(shù)的所有信息.本文基于核和灰度建立了區(qū)間灰數(shù)的灰色層次分析評價模型.該模型首先將區(qū)間灰數(shù)表征為核和灰度，然后利用了區(qū)間灰數(shù)運算法則及灰度不減公理，結合原有的層次分析法，最后給出決策結果.通過算例驗證，表明該模型是切實可行的.層次分析法；區(qū)間灰數(shù)；核；灰度；灰色系統(tǒng)1 引言美國運籌學家薩德于20世紀70年代提出了層次分析法[1]，對各種問題的決策分析具有較廣泛的實用性.在系統(tǒng)研究中，由于人的認知能力有局限，對反映系統(tǒng)運行
赤峰學院學報·自然科學版 2014年5期2014-07-10
- 基于核和灰度的灰色異構數(shù)據(jù)代數(shù)運算法則及其應用
3］?；疑到y(tǒng)用灰數(shù)、灰色方程、灰色矩陣等來描述，其中灰數(shù)是灰色系統(tǒng)的基本“單元”或“細胞”，主要包括區(qū)間灰數(shù)及離散灰數(shù)等［4］；灰數(shù)之間的代數(shù)運算是構建灰色系統(tǒng)模型的基礎，劉思峰較早對灰數(shù)運算法則進行了研究，提出了灰數(shù)均值白化數(shù)的概念，并以此為基礎構建新的灰數(shù)運算體系，但由于難以處理令人棘手的擾動灰元而無果，之后劉思峰試圖通過借鑒區(qū)間數(shù)的研究方法來構建區(qū)間灰數(shù)運算體系，但由于前者同樣存在若干問題而一直爭議較多；方志耕等人定義了第一和第二標準區(qū)間灰數(shù)的運算
統(tǒng)計與信息論壇 2014年4期2014-05-12
- 三參數(shù)區(qū)間灰數(shù)的距離熵模型及應用研究
以決策信息為區(qū)間灰數(shù)情況下的研究最為活躍,相關研究成果不斷涌現(xiàn)[1～5].然而,在區(qū)間灰數(shù)決策問題研究中,用區(qū)間灰數(shù)表示決策信息時,為了覆蓋整個取值范圍,區(qū)間灰數(shù)的上限與下限常常會取的過大,造成決策的不確定性程度增大.文獻[6]提出了三參數(shù)區(qū)間灰數(shù)的概念,即除了取值區(qū)間外,還可以獲知灰數(shù)的最可能取值點,為區(qū)間灰數(shù)決策問題研究指出了新的途徑.此后,相繼出現(xiàn)了一系列關于三參數(shù)區(qū)間灰數(shù)決策問題的研究成果.文獻[7]通過構建三參數(shù)區(qū)間數(shù),改進了項目決策評價方法；文
河南農業(yè)大學學報 2014年3期2014-04-08
- 基于灰信息變元的泛函博弈模型研究
擇策略時受到區(qū)間灰數(shù)的約束，建立沖突車輛的零和灰色博弈模型。隨機不確性博弈：Hoppe[4]分析了不確定條件下采用新技術的期權博弈模型。黃學軍等[5]假定突發(fā)事件服從向下的泊松跳過程，建立了帶跳的幾何布朗運動的雙寡頭期權博弈模型。王皓[6]主要研究了倒向隨機微分方程解的存在性、唯一性，及其在混合零和微分-積分對策問題上的應用。已知參數(shù)變化范圍的不確定性博弈。Capisani等[7]結合經(jīng)典Nash均衡及帕雷托有效解的概念，介紹了不確定性下非合作博弈的NS-
中國管理科學 2014年2期2014-04-03
- 應用基于核序列的區(qū)間灰數(shù)模型預測地下水位動態(tài)
建模前提，而以“灰數(shù)”為建模對象預測地下水位動態(tài)的文獻尚少。本文探討采用區(qū)間灰數(shù)Verhulst模型對地下水位動態(tài)進行預測，證明該模型的可行性和實用性。1 灰色Verhulst模型設原始非負序列 X（0）=｛x（0）（1），x（0）（2），…x（0）（n）｝的一階累加生成序列：Z（1）為 X（1）的緊鄰均值生成序列：為灰色Verhulst模型。根據(jù)式(1)利用最小二乘法，估計出參數(shù)a、b的值，得：為灰色Verhulst模型的白化方程，也稱影子方程。設B，Y
科技視界 2014年32期2014-01-07
- 滲流系統(tǒng)灰色數(shù)值模型輸出結果的灰度分析
離散”的鴻溝，是灰數(shù)學(灰理論)的基礎［1，2］。對于地下水流系統(tǒng)基本灰色數(shù)值模型的解算，須以朦朧集為前提，保證灰信息傳遞的正確性，因為泛灰數(shù)［3］、區(qū)間型灰數(shù)［4］及其運算性質以及區(qū)間型灰色線性方程組的解法，都是以朦朧集為出發(fā)點的。文獻［5］和文獻［6］建立了基于灰色數(shù)學基礎的滲流問題的灰色有限元數(shù)值模型，本文在其基礎上，分析滲流系統(tǒng)輸入信息的灰度對輸出信息灰度的影響。在給出滲流系統(tǒng)灰色數(shù)值模型的基礎上，通過一個算例，分析當模型的輸入信息(包括導水系數(shù)、
地下水 2013年1期2013-12-14
- 綠色分銷商的選擇研究
中的重要性等級用灰數(shù)表示為按其重要程度不同可分為重要：中度重要：非常重要：，一般重要：2.2 決策者對分銷商屬性的相對重要性評估決策者依據(jù)自身經(jīng)驗，評估分銷商的每個屬性aj的重要性，然后將這些結果轉化為灰數(shù)變量矩陣各因素重要性等級所對應的灰數(shù)如表1：表1 屬性重要性等級灰數(shù)?w2.3 確定每個屬性的最終權重值?j依據(jù)決策者的重要性及其對屬性的評估，確定每個屬性aj的權重值，計算公式（1）如下，然后，根據(jù)決策者賦予同一屬性重要性的不同，計算平均值作為屬性的最
物流科技 2013年12期2013-11-15
- 基于核和灰度的雙重異構數(shù)據(jù)序列預測建模方法研究
及從實數(shù)拓展區(qū)間灰數(shù)與離散灰數(shù)方面的研究。第五，模型建模機理研究［11－12］。對建模序列灰色生成方法研究；模型穩(wěn)定性及產(chǎn)生病態(tài)性條件研究；模型建模條件與適用范圍研究等。第六，其他相關研究［13－15］。包括將灰色預測模型與其他模型或方法進行組合，從而構建新預測模型方面的研究和模型誤差檢驗方法研究等。上述研究在較大程度上促進了灰色預測建模技術的發(fā)展，但作為一種新的預測建模技術，其理論體系還有待于進一步豐富和完善?？v觀灰色預測模型的既有研究成果，主要圍繞以“
統(tǒng)計與信息論壇 2013年10期2013-09-05
- 基于GAHP的艦船水聲對抗偵察裝備效能評估
的等級數(shù)、灰類的灰數(shù)以及灰數(shù)的白化權函數(shù)，針對具體對象，通過定性分析確定。按照評估要求所需劃分灰類數(shù)為N，將各指標的取值范圍也相應地劃分為N個灰類。常用的白化函數(shù)有以下幾種[3]：第一級（上），灰數(shù)為，其白化函數(shù)為；第二級（中），灰數(shù)為其白化函數(shù)為；第三級（下），灰數(shù)為，其白化函數(shù)為。上述函數(shù)表達式如下：1.4 構造灰色評估權矩陣由評估指標矩陣和白化函數(shù)算出受評者j對于評估對象Us屬于第k類的灰色評估系數(shù)[4]，記為,其公式為：對于評估對象Us，受評者j屬
船電技術 2013年6期2013-06-08
- 基于灰色層次法的指揮信息系統(tǒng)作戰(zhàn)效能評估＊
的等級數(shù)、灰類的灰數(shù)以及灰數(shù)的白化權函數(shù)，針對具體對象，通過定性分析確定。常用的白化權函數(shù)fn（x）有下述三種形式：（1）灰數(shù)為?∈［0，d1，∞），其白化權函數(shù)（2）灰數(shù)為?∈［0，d1，2d1］，其白化權函數(shù)為（3）灰數(shù)為?∈［0，d1，d2］，其白化權函數(shù)為4）計算灰色評價權向量及矩陣對于評價指標i，第e個評價灰類的灰色評價系數(shù)記為xi，e，各個評價灰類的總灰色評價系數(shù)記為xi，屬于第e個評價灰類的灰色評價權記為ri，e，則有從而有灰色評價權向量ri
艦船電子工程 2012年2期2012-10-16
- 基于聯(lián)系數(shù)的區(qū)間灰數(shù)預測模型
此，有文獻對區(qū)間灰數(shù)序列的建模進行了研究，并取得了初步的研究成果，其中，文獻[11]通過計算灰數(shù)層的面積以及灰數(shù)層中位線中點的坐標,將區(qū)間灰數(shù)序列轉換成實數(shù)序列,建立一種區(qū)間灰數(shù)預測模型；文獻[12]構建了白化權函數(shù)已知情況下的區(qū)間灰數(shù)預測模型；文獻[13]在區(qū)間灰數(shù)的核和灰度的基礎上，提出了基于核和灰度的區(qū)間灰數(shù)預測模型；文獻[14]通過將區(qū)間灰數(shù)序列轉化成相應的發(fā)展趨勢序列和認知程度,提出了基于發(fā)展趨勢和認知程度的區(qū)間灰數(shù)預測模型；文獻[15]根據(jù)區(qū)間
統(tǒng)計與決策 2012年10期2012-07-25
- 方差未知的灰色統(tǒng)計假設檢驗及應用
進行了研究。1 灰數(shù)的概念灰色系統(tǒng)理論是1982年我國學者鄧聚龍所建立的，是處理少數(shù)據(jù)不確定性（即稱灰性）問題的理論。而灰統(tǒng)計是指將統(tǒng)計對象的實際樣本通過白化權函數(shù)抽象為灰統(tǒng)計量，按此灰統(tǒng)計量統(tǒng)計出對象所屬灰類的權。灰數(shù)指只知道大概范圍而不知其確切值的數(shù)，常指某個區(qū)間或某個一般數(shù)集內取值的不確定數(shù)。本文為討論的方便，只研究區(qū)間灰數(shù)。設灰數(shù)?∈[a,b]，其白化值記為?=ax+(1-x)b,x∈[0,1]，其白化權函數(shù)也主要指三角形（態(tài)）（適中測度）白化權函
統(tǒng)計與決策 2012年9期2012-07-25
- 行為評價的灰色模型及其監(jiān)管意義
而無白化權的區(qū)間灰數(shù)信息不確定性程度極高，且能涵容、生化、補充和白化信息，建筑監(jiān)管及其評價的行為檔次認定基礎由此逐漸得到較系統(tǒng)論述[1～5]，但囿于困難而未能解決兩個基本問題：行為類別記錄衍生行為檔次結構的理論基礎和區(qū)間灰數(shù)；基于行為檔次灰數(shù)且契合監(jiān)管操作的系統(tǒng)數(shù)學模型。1 研究現(xiàn)狀從相關的具體研究看，首先，鑒于中西方(建筑)市場監(jiān)管存在重大的制度、機制與文化差異[6,7]，使監(jiān)管評價很難也勿須從發(fā)達國家尋求理論依附或范式移植[8,9]；其次，中國的信用評
土木工程與管理學報 2012年2期2012-01-23
- 隨機信息中正態(tài)方差的灰色估計
求出了正態(tài)方差的灰數(shù)估計及其白化權函數(shù)；并列舉實例以示其應用。隨機信息；正態(tài)方差；灰色估計1 灰數(shù)的定義灰色系統(tǒng)理論是1982年鄧聚龍?zhí)岢龅?，是處理少?shù)據(jù)不確定性問題的理論。少數(shù)據(jù)不確定性即稱灰性。而灰統(tǒng)計是指將統(tǒng)計對象的實際樣本通過白化權函數(shù)抽象為數(shù)字量（即灰統(tǒng)計量），按此灰統(tǒng)計量統(tǒng)計出對象所屬灰類的權。灰數(shù)指只知道大概范圍而不知其確切值的數(shù)，常指某個區(qū)間或某個一般數(shù)集內取值的不確定數(shù)。本文的灰數(shù)主要指三角形（態(tài)）的區(qū)間灰數(shù)?∈[a，b]，灰數(shù)的白化值記
統(tǒng)計與決策 2011年7期2011-11-01
- 灰色PERT算法在項目工期中的研究與應用
了工序時間為區(qū)間灰數(shù)的灰色PERT網(wǎng)絡，并且根據(jù)實際工序時間概率分布的特點，提出了工序時間的正態(tài)分布模型，該方法避免了決策中片面采用均勻分布區(qū)間灰數(shù)描述模糊評價的局限性，更好地體現(xiàn)了工序“最可能時間”、“最悲觀時間”與“最樂觀時間”三者概率分布的特點。另外，考慮到工程計劃能否在規(guī)定工期內順利完成這一隨機現(xiàn)象，提出了相應的灰色PERT算法。最后，通過實例分析，說明該灰色PERT算法能夠有效避免片面采用均勻分布區(qū)間灰數(shù)的局限性，且計算出項目工程在規(guī)定工期內完成
統(tǒng)計與決策 2011年5期2011-10-18
- 隨機信息中正態(tài)均值的灰色統(tǒng)計假設檢驗判定
00067）1 灰數(shù)的定義灰色系統(tǒng)理論是1982年由鄧聚龍教授原創(chuàng)的，是處理少數(shù)據(jù)不確定性問題的理論。少數(shù)據(jù)不確定性即稱灰性。而灰統(tǒng)計是指將統(tǒng)計對象的實際樣本通過白化權函數(shù)抽象為數(shù)字量（即灰統(tǒng)計量），按此灰統(tǒng)計量統(tǒng)計出對象所屬灰類的權。灰數(shù)指只知道大概范圍而不知其確切值的數(shù)，常指某個區(qū)間或某個一般數(shù)集內取值的不確定數(shù)。本文的灰數(shù)主要指區(qū)間灰數(shù)?∈[a,b]，灰數(shù)的白化值記為?=ax+(1-x)b,x∈[0,1]，其白化權函數(shù)主要指三角形（態(tài)）（適中測度）白
統(tǒng)計與決策 2011年22期2011-07-24
- 基于GFAHP的高校教師科研評價體系構建
的等級數(shù)，灰類的灰數(shù)以及灰數(shù)的白化權函數(shù)。常用的白化權函數(shù)有如下三種：步驟7：計算灰色評估系數(shù)計算受評者J對于評估指標A屬于各個評估灰類的總灰色評估系數(shù)，則有步驟8：計算灰色評估權向量和權矩陣步驟9：進行不同評估指標的評估由R(A)求出得到評估權向量步驟10：進行綜合評估2 實證分析2.1 我們構造下面的層次結構圖（圖1）。圖1 高校教師科研水平評價指標體系2.2 構造區(qū)間數(shù)表達的比較判斷矩陣并計算各因素權重2.3 根據(jù)求評估指標值矩陣由五位專家組成的測評
統(tǒng)計與決策 2011年17期2011-07-23
- 基于核和灰度的區(qū)間灰數(shù)代數(shù)系統(tǒng)
1-3]中提出的灰數(shù)的核和灰度的概念，在一定程度上解決了灰數(shù)運算存在的難題，特別是較為完善地解決了區(qū)間灰數(shù)運算的問題．但是，關于灰數(shù)代數(shù)系統(tǒng)中運算的性質與系統(tǒng)本身結構問題，一直是灰色系統(tǒng)理論研究的一個難題，至今仍無令人滿意的結果，這不僅在一定程度上阻礙著灰色系統(tǒng)理論的應用，而且影響著灰色系統(tǒng)理論的發(fā)展以及學科自身的完整性與優(yōu)美性.本文在區(qū)間灰數(shù)的核和灰度的基礎上，從代數(shù)學的角度對區(qū)間灰數(shù)的代數(shù)結構進行了討論，并給出了一系列結論，從而進一步完善了區(qū)間灰數(shù)運算
河南工程學院學報(自然科學版) 2010年3期2010-11-27