灰色T型关联度的改进与实证

对现有的灰色T型关联度进行分析,并发现其中的优点与不足,通过综合两种模型的优点,从而提出改进的灰色T型关联度模型,改进过后的模型弥补了原来模型的不足.还对关联度的性质进行了讨论,并在最后进行了实证分析,以加强该模型的可信度.序列通过初值化处理后,再进行关联度计算,结果显示改进后的T型关联度具有有效性、可靠性和可行性.     

基于改进灰色斜率关联度的评价研究

提出了一种对灰色斜率关联度的改进模型,并分析了它的性质,改进后的关联度模型能够反映序列的正、负相关关系,具有对称性、唯一性、可比性和无量纲化后的保序性.改进的灰色斜率关联度能够更充分地利用数据所包含的信息,所得关联分析结果较为客观可靠,最后以实例验证了评价方法的有效性与实用性.     

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。     

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．     

南四湖人湖河流水质面板数据分析的灰色速率模型

针对面板数据灰色关联决策评价模型的关联度计算问题,在传统的面板数据灰色关联决策评价模型的基础上,构建评价对象的指标时间数据的累加序列,通过指标时间累加生成速率序列构造面板数据灰色生成速率关联决策模型,采用生成速率序列的接近性表征原始数据序列的动态变化趋势.通过灰色累加生成速率关联决策方法扩展到面板数据分析,解决了小样本面板数据的灰色评价分析问题,将这种方法应用于南四湖入湖河流水质面板数据质量评价中,经实例计算验证了面板数据灰色累加生成速率关联决策评价模型的稳定性、合理性和实用性为水环境面板数据质量分析评价提供了可行的计算思路和方法.     

矩阵型灰色关联度的特征检验方法及其应用

针对现有灰色关联理论的不足, 本文提出灰色关联的特征检验思路, 构建了矩阵型灰色关联度的特征检验方法。首先优化矩阵型灰色关联模型, 利用行为矩阵差值定义特征差异矩阵, 采用矩阵2范数构建关联度公式。而后分析特征差异矩阵的稳定性与趋势性, 利用变异系数形式构建稳定性系数, 利用最小二乘法估计趋势性系数, 两者共同组成矩阵型灰色关联度的特征检验方法。最后, 本文模型被应用于湖北省恩施州的长期多维贫困分析, 在与现有模型的比较中, 发现关联度评估结果有效区分了恩施州8个市县的贫困情况, 特征检验方法从贫困不确定性和趋势性两方面对结果进行补充, 验证了模型的可行性与实用性。     

基于改进的T型关联度在音乐分类中的应用

在音乐分类问题中,绝大多数的算法需要提取多个特征值进行分析,工作量和复杂程度也随之增加,并且分类太绝对化.为了降低工作量和复杂程度,采用新的方式对音乐进行分类,即引进灰色关联度分析方法.现有的灰色T型关联度模型均存在不足,对序列采用绝对初值化处理,并且对关联系数计算公式进行改进,增强了结果的准确性和可信度.将提取出的短时能量、短时平均过零率和短时平均幅度作为音乐分类的三大特征值,对大部分音乐进行了较为准确的分类,排除率达到90.1%.而且此方法能够体现出各音乐之间的关联程度,使得分类更加人性化,这点具有现实意义.并且避免了复杂的计算过程和巨大的工作量,简化了解决问题的方式,也减少了对特征值的依赖,仅采用三种特征就达到了很好的效果.这充分反映了思路的正确性、实用性和可行性.     

基于11种灰色关联度法的卫生指标序列应用比较分析

以序列灰色关联分析方法应用为视角,简述多种关联度方法基本流程;借助算例验证分析,为类似问题研究提供技术参考.分别阐述11种灰色关联度法原理及步骤,以医疗卫生指标时间序列为例计算实现.简要给出所有方法实施步骤,方法原理及信息利用有差异.序列间关联度结果与实际问题演示情形一致.11种灰色关联度法有集成讨论意义,有待于卫生领域综合对比及科学选用,也可以为因素筛选、综合评价、时序分析和聚类优化等应用问题提供借鉴.     

基于改进的T型关联度和AHP的一种新评价模型

首先,对灰色T型关联度进行改进,弥补了其中的不足,通过实例验证,得到了较好的结果,同时展现了改进T型关联度模型的可信度,充分说明其具有广泛的应用价值.其次,将其改进的T型关联度与AHP相结合,构造了一种新的综合评价得分模型,可以反映事物的动态优劣变化,通过具体实例,说明了综合评价得分模型的可行性.     

基于关联度的灰色模糊综合评判

针对被评判对象的特点,根据灰色模糊数学的理论,将隶属度和灰度综合起来表示灰色模糊数,并结合灰色关联度的应用,建立了基于关联度分析的灰色模糊综合评判的数学模型,此方法能使评判结果更加客观可信.     

初值修正灰色Verhulst模型的参数估计

研究了初值修正项为αz(1)(1)(其中α为修正参数)的灰色Verhuslt模型的修正参数估计方法.针对相关文献中,修正参数α求解无现成公式情况,通过最小化原始序列的一次累加序列与模拟序列之差,建立并求解一个非约束优化模型,获得了初值修正参数α的一个简单有效的计算公式,完善了相关文献中建立的初值修正灰色Verhuslt模型.最后,通过计算实例验证了修正参数公式可以有效提高初值修正灰色Verhuslt模型的精度.     

灰色面板数据视域下的相似性和接近性关联度模型拓展

灰色面板数据包含研究对象诸多信息,由于数据类型和结构较为复杂,目前还没有测度其相似性和接近性的关联度模型,针对这一问题。首先,通过投影方法将灰色面板数据转化为样本关于指标的时间序列行为矩阵,矩阵每行为指标的时间序列;然后,定义一般灰数的距离测度和运算法则;最后,基于两折线间斜率与面积的视角,测度相似性和接近性关联系数。进而构建灰色面板数据的相似性和接近性关联度模型,并研究了该模型的性质。实例表明该模型在测度面板数据类型为一般灰数时的相似性和接近性方面具有良好的效果。     

基于灰色马尔科夫模型的平顶山市空气污染物浓度预测

选用平顶山市2005—2009年各空气污染物浓度作为原始数据序列,建立灰色马尔科夫预测模型,对未来10年的污染因子浓度进行预测.模型检验结果表明:均方差比值和小误差概率均为一级;运用灰色关联分析法计算各污染物原始数据序列与预测数据序列之间的关联度,定量描述灰色马尔科夫预测模型对于空气质量预测的精确度,平均精度达到99.9%,表明灰色马尔科夫预测模型对于空气质量预测有很高的实用性.     

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．     

基于神经网络算法的海南旅游需求测估模型

在详细调查海南旅游相关数据的前提下,先建立模型对海南旅游需求进行了预测,然后分析了影响旅游需求的主要因素.先用GM(1,1)灰色模型对海南省旅游人数进行预测,并用马尔科夫链修正误差,在灰色模型的基础上进行了优化.进一步,我们将灰色模型与BP神经网络模型结合起来进行预测,并针对BP网络输入层提供了2种方法:三年滚动预测、多因素预测.得出结论:海南旅游人数还将会逐年递增.同时,通过比较相对误差发现,对于问题的预测精度:BP神经网络灰色模型.最后,我们利用灰色关联度模型得出各因素对旅游需求的影响:服务交通景观发展消费环境.     

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     

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.     

主客观组合赋权的灰色决策模型及其在消费者决策中的运用

现实中许多抽象系统的数值并不能精确地得到,在多属性决策过程中,其属性值多以模糊数或者区间灰数的形式表示,属性权重也受到主观因素和客观因素的影响,针对此类问题,以属性值为区间灰数的多属性决策问题为出发点,采用主客观结合的赋权方式,提出了基于区间距离的灰色相对关联度分析方法,构建了灰色决策模型,并通过消费者决策实例进行了分析,模型是对传统灰色决策模型的拓展,具有更广泛的应用性和实用性.     

面向横截面数据的灰色关联度

针对横截面数据的灰色关联度分析问题,研究了常用灰色关联度在横截面数据的适用性.提出具有放射变换保序性的灰色距离关联度,实例说明距离关联度的实用性与有效性.将灰色距离关联度推广到系统因素为矩阵的矩阵范数关联度,且在多属性群决策问题的成功应用证明了其合理性.     

基于趋势修正的灰预测模型优化研究

针对序列增长趋势不完全满足准指数规律时的灰色预测建模问题,提出基于GM(1,1)模型与序列增长趋势之间偏差修正的建模方法,将GM(1,1)模型还原式中的常数项作为灰变量处理,加入调整系数以缩小拟合值与实际值之间的增长趋势差异,利用灰色离散模型拟合调整系数的变化过程,将得到的调整系数拟合值带入原时间响应函数,进而得到趋势修正的原始序列拟合值;运用新的建模方法对南京市第三产业用电量进行拟合和预测,证明了方法有效提升了GM(1,1)建模精度,并且拟合序列和实际序列的灰色绝对关联度得到提高.