关于灰色关联度中的几个问题的探讨

何文章、郭鹏．关于灰色关联度中的几个问题的探讨．本文通过理论分析及实例探讨了灰色关联度存在的主要缺陷,同时指出了不能用灰色关联度代替数理统计中的相关系数及多元统计分析方法。最后阐明了我们的观点及看法     

关于灰色绝对关联计算模型的探讨

本文通过对现有灰色关联度计算模型的分析,指出了现有灰色关联度计算模型的缺陷,针对不同类型问题构造了不同灰色关联度计算模型,并将其应用于解决实际问题,取得较好的效果．     

灰色关联度计算的改进及其应用

本文对灰色关联度提出了一种新的改进方法，改进的关联度计算不仅具有新的特性，而且能一次反映正、反相关因素，并以实例说明该方法的应用。     

基于最大灰色关联度的聚类方法分析

利用多元统计学的最短距离法原理,定义了不同类别之间的关联度,构造了一种基于最大灰色关联度的聚类方法,建立了最大灰色关联度模型,并对模型进行求解,结果表明,新的聚类方法纠正了已有的灰色关联聚类中聚类原则存在的缺陷,从而为聚类提供了更有说服力且易于计算的方法.最后通过实例验证了该方法的客观性和有效性.     

灰色关联度分析及其在传染病上应用

本文用灰色系统关联度理论研究了高等学校传染病的发病情况。从而为灰色系统理论在生命科学领域的研究拓广了方向。此外，本文还对关联度理论中的分辨系数与关联度之间的相互关系作了定量分析。     

关于灰色对关联计算模型的探讨

本通过对现有灰色关联度计算模型的分析,指出了现有灰以关联度计算模型的缺陷,针对不同类型问题构造了不同灰色关联度计算模型,并将其应用于解决实际问题,取得较好的效果。     

国债发行规模影响因素的灰色关联度分析

本文引进了一种新的多因素分析法──灰色关联度分析，对影响国债发行规模的影响因素进行分析，并将灰色关联度分析与传统分析方法──相关和回归分析──进行了比较，并由此得出几点启示．     

联系向量距离与灰色关联度结合的理想解法

针对传统理想解法采用欧氏距离计算的缺陷,提出了联系向量距离与灰色关联度结合的理想解法.首先将理想点与负理想点均视为确定不确定系统中相互对立的集合,计算各待决策方案与理想解和负理想解的联系向量距离;然后采用灰色关联度方法计算各待决策方案与理想解和负理想解之间的相似程度;其次通过定义新的综合距离和综合距离贴近度构建联系向量距离与灰色关联度结合的理想解法.该方法在有效地解决传统理想解法缺陷的基础上,还包含了待决策方案在趋势上的差异性,同时综合距离在权重分配上充分考虑了决策者的偏好或者专家意见,使评价结果更加有效.最后采用算例验证了该方法的可行性和有效性.     

基于改进灰色关联度的IOWA算子最优组合预测模型

通过引进诱导有序加权平均(IOWA)算子和改进灰色关联度的计算式,提出了新的基于改进灰色关联度的IOWA算子的组合预测模型.方法可以克服传统的组合预测方法赋予不变的加权平均系数和以单一误差指标作为预测精度衡量的缺陷.定义基于改进灰色关联度的IOWA算子的优性组合预测的概念,最后给出实例分析表明了新模型能有效地提高组合预测精度.     

作物产量构成因子关联度分析

本文应用关联度分析方法，取代目前在作物栽培研究中常用的相关、通径等常规统计分析方法，通过实例分析了在不同产量水平下，作物产量构成因子对产量的相对作用强度，明确了生产上的主攻目标．     

面向隐私保护的个性化搜索结果排序方法研究

针对个性化搜索中用户隐私保护的需求,提出一种面向隐私保护的个性化搜索结果排序方法.方法基于向量空间模型,引入安全点积计算方法来计算搜索相似度,旨在实现用户隐私保护的同时提高个性化搜索服务质量.首先分析了目前常用的搜索排序相似度计算方法存在的不足,然后分别介绍了向量空间模型和安全点积计算,最后详细介绍了面向隐私保护的个性化搜索结果排序方法,并对其性能进行了分析.     

高速取样定理

1948年Shannon给出了著名的适用于频谱有限函数的取样定理，从而使信号传输数字化成为可能，但是Shannon取样定理收敛慢等缺点已经不能满足通信技术的高速发展，本文在Shannon取样定理的基础上，选择新的取样定理函数，构造了具有收敛速度快，数值计算简单等优点的高速取样定理。     

New Monte Carlo scheme for simulating Lagranian particle diffusion with wind shear effects

Problems related to the application of Lagrangian particle methods to air quality diffusion simulations are reviewed. Advantages and shortcomings of these techniques are discussed, and a new Monte Carlo method is proposed for the treatment of cross correlation between wind fluctuation components. Also discussed is how data collected from advanced meteorlogical instrumentation can be manipulated in order to provide the proper input to the proposed numerical modelling techniques.     

The variance and covariance of fuzzy random variables and their applications

The concepts of the variance and covariance of fuzzy random variables and their properties are introduced. Examples show their computation and applications in statistical estimation of parameters when samples or prior information are fuzzy. As their further applications the correlation function and the criterions of mean-square calculus for fuzzy stochastic processes are established.     

基于VAR—GM(1.1)—SVR模型的房地产价格预测研究

为提高房地产价格预测精度,克服传统统计数据真实性低、时效性差的缺点,本文以网络搜索数据为基础,首先通过斯皮尔曼相关分析和时差相关分析筛选出与房地产价格具有高度相关性的先行关键词,并利用向量自回归模型(VAR)和GM(1.1)模型分别预测房地产价格;然后构建基于向量自回归模型和GM(1.1)模型的VAR—GM(1.1)—SVR模型将以上两个模型的预测结果进行预测融合,并以西安市数据为例进行验证,得出均方误差(MSE)和标准平均方差(NMSE)分别为0.97和0.03,优于单一模型预测效果.     

A fuzzy multi-criteria decision-making model based on lower and upper boundaries

Many researches generalized classical multi-criteria decision-making (MCDM) methods under uncertain environment for fuzzy multi-criteria decision-making (FMCDM), such that Chen, Liang, Raj and Kumar, and Wang et al. extended TOPSIS into FMCDM methods. However, there are some problems in their methods. For instance, intersection of fuzzy numbers is a null set, calculation is a complex work for approximate triangular fuzzy numbers or trapezoidal fuzzy numbers, or criteria values of ideal/anti-ideal solution may not exist in feasible alternatives. In addition, steps of the methods are too many to realize or apply for decision-makers. To improve above shortcomings, we propose a FMCDM method based on lower and upper boundaries. Practically, the proposed method is not totally generalized TOPSIS under fuzzy environment. Furthermore, the method is aggregated into a FMCDM model to simplify FMCDM computation. Since the FMCDM model can be clearly expressed by a simple formulation, it is easy to utilize the model to solve FMCDM problems.     

Generalized Nonparametric Mixed-Effect Models: Computation and Smoothing Parameter Selection

Generalized linear mixed-effect models are widely used for the analysis of correlated non-Gaussian data such as those found in longitudinal studies. In this article, we consider extensions with nonparametric fixed effects and parametric random effects. The estimation is through the penalized likelihood method, and our focus is on the efficient computation and the effective smoothing parameter selection. To assist efficient computation, the joint likelihood of the observations and the latent variables of the random effects is used instead of the marginal likelihood of the observations. For the selection of smoothing parameters and correlation parameters, direct cross-validation techniques are employed; the effectiveness of cross-validation with respect to a few loss functions are evaluated through simulation studies. Real data examples are presented to illustrate potential applications of the methodology. Open-source R code is demonstrated in the Appendix.