基于灰色关联度-云模型的群评价数据质量改进方法及应用研究

针对群评价中的数据质量问题, 从评价专家和评价值两个角度进行了异常数据处理, 提出了基于灰色关联度-云模型的群评价数据质量改进方法。基于改进的云距离模型测算被评价对象云和目标云之间的差距, 采用TOPSIS法进行评价排序。将数据质量改进方法和云距离模型用于区域物流竞争力群评价, 改进了群评价的数据质量, 提高了评价结果的稳定性和代表性。     

实变函数中的集合论方法应用

本文通过举例探讨集合表示法和集合分析法在实变函数相关内容教学中的具体应用.     

关于某些广义可数紧空间

We first give alternative expressions of some generalized countably compact spaces such as quasi-γ spaces, quasi-Nagata spaces, M#-spaces and wM-spaces with g-functions. Then by means of these expressions, we present some characterizations of the corresponding spaces with real-valued functions.     

平方损失下屏蔽数据并联系统的经验贝叶斯分析

在部件寿命服从逆威布尔分布时,研究了屏蔽数据两部件并联系统的可靠性分析问题.基于截尾样本,将经典统计方法和贝叶斯理论相结合,推导出模型参数及系统可靠性指标的经验贝叶斯估计,最后给出数值模拟.     

基于FTA方法的COVID-19疫情应急防控决策研究

鉴于新型冠状病毒肺炎(COVID-19)的易感染性与聚集性等特点,基于COVID-19的传播机制,应用故障树分析(FTA)方法,研究了具有不同特征的疫情突发事件风险决策问题,包括疫情突发事件的动态演化过程、多种情景以及应急方案对突发事件的影响。通过分析COVID-19疫情突发事件的演化过程,构建故障树来描述导致突发事件演变的条件与因素之间的逻辑关系,给出了不同的可行应急方案。利用FTA预估出疫情突发事件发生的概率,计算出可行应急方案的整体排序值,获得最优应急方案。最后通过一个COVID-19确诊患者的案例分析,验证了所提出的方法的可行性和有效性。     

相对于环的自同态的(b, c)-逆

研究了相对于环的自同态的$(b, c)$-逆的相对性质.在更一般地条件下, 定义了一类新的广义逆, 即$\alpha$-$(b, c)$-逆. 通过具体例子说明了$\alpha$-$(b, c)$-逆与$(b, c)$-逆是完全不同的两类广义逆, 并研究了$\alpha$-$(b, c)$-逆与$(b, c)$-逆等价的条件. 此外, 还研究了$\alpha$-$(b, c)$-逆的强clean分解. 这些研究结果统一和推广了$(b, c)$- 逆上的若干已知结果.     

n-强W-Gorenstein模

设W是左R-模的自正交类.引入研究了相对于W的n-强W-Gorenstein模,这类模推广了强W-Gorenstein模、强Gorenstein投射模和n-强Gorenstein投射模.特别地,研究了自正交模类W_P和W_I的n-强W-Gorenstein模的性质.还研究了W-Gorenstein范畴的稳定性,得到了B_C(R)中W_P-Gorenstein模的具体刻画,建立了关于n-强W_P-Gorenstein(n-强W_I-Gorenstein)模的Foxby等价.此外,对n-强W_F-Gorenstein模的性质也有所研究.     

非线性分数阶时滞微分方程的奇摄动

本文研究一类非线性分数阶时滞微分方程的奇摄动.利用伸长变量法构造了问题的形式渐近解,并利用微分不等式理论证明了解的一致有效性.     

$(m,d)$-内射盖与Gorenstein $(m,d)$-平坦模

研究了$(m,d)$-内射$R$-模作成的类是(预)盖类的条件,证明了$(m,d)$-凝聚环上的每一个左$R$-模都具有$(m,d)$-内射盖.在此基础上,又引入研究了Gorenstein $(m,d)$-平坦模和Gorenstein $(m,d)$-内射模,证明了$(m,d)$-凝聚环上的左$R$-模$M$是Gorenstein$(m,d)$-平坦模的充分必要条件是它的特征模$M^{+}$是Gorenstein $(m,d)$-内射模.推广了Goresntein平坦模和Goresntein $n$-平坦模上的一些结果.     

基于累积共识贡献的不确定语言共识决策方法

针对不确定加型语言偏好信息下的群决策问题,提出一种基于累积共识贡献的自适应式语言共识决策方法。首先,将不确定加型语言偏好转化为不确定二元语义偏好,定义个体一致度与个体共识偏度,并利用它们构建确定专家初始权重的优化模型;然后,利用不确定二元语义的可能度构造集结模糊评价矩阵以及方案的集结群体偏好,提出专家累积共识贡献测度和群体共识测度,通过对拥有较少合作的专家权重进行惩罚让群体自适应地达成共识,无需强迫专家修改其观点,提出一种群体共识决策方法对方案排序择优。最后,通过一个算例说明方法的可行性和有效性。