基于R聚类-灰关联优势分析的绿色经济评价指标体系构建

首先对绿色经济评价指标进行海选,随后采用"初步筛选+R聚类-灰关联优势分析+理性分析"相结合的方法筛选评价指标,构建绿色经济发展的评价指标体系,并通过对比分析阐明该指标体系及其指标定量筛选方法的优势性:一是从评价指标信息相关性角度出发,采用Ward最小方差法依准则层对绿色经济指标进行R聚类,保证聚类后不同类间指标信息相关性较小而同类指标间相关性较大,确保筛选后的指标体系信息重复性小;二是从评价指标重要性角度出发,在R聚类的基础上提出采用灰关联优势分析,在每一类评价指标中保留对绿色经济评价结果影响最重要的指标。

灰关联聚类的评估及其程序设计

灰关联聚类主要用于同类因素的归并,检查在众多因素中是否存在有若干个因素之间关系紧密,然后利用这些因素的综合平均指标或用一个因素来代表这几个同类因素,从而使复杂的系统简化。本文根据以上特点,利用微机进行编程设计。

灰关联聚类方法在医疗质量评估中的应用

本文应用灰关联聚类方法对5所医院的医疗质量进行了综合评估。结果表明该方法不仅灵活适用,而且计算简单,是一种理想的医疗质量评估方法,值得推广应用。

基于变权灰云模型的变压器状态层次评估方法

为了客观科学地评估变压器状态,建立变压器状态评估层次指标体系,提出一种基于变权灰云模型的变压器状态层次评估方法。首先,针对传统灰色聚类白化权函数不能描述信息随机性的缺陷,利用云模型改进传统白化权函数构建灰云模型,有效地反映出评估等级信息的模糊性、灰性和随机性;并利用指标云模型代替指标值计算云关联度,更好地体现变压器状态信息的不确定性。然后,利用关联规则和灰云聚类得到变压器故障层状态,采用变权融合得到变压器整体状态,综合考虑变压器故障层状态和整体状态,得到最终的评估结果。最后,通过实例分析验证该方法的有效性和优越性。

基于物元分析的高校实验室评估方法

实验室的评价有助于促进实验室的建设与改革 ,对于培养高素质人才意义重大。本文应用物元分析方法对高校实验室进行分析和评价 ,并使用灰关联聚类简化评估指标体系 ,得到较合理的评估结果。

基于灰色系统理论的信誉报告机制

信任是决定实体双方在互联网上成功交易的一个重要原因,而商家的信誉又是客户选择交易对象的关键因素.传统的信任评估方法对评估对象提出种种假设,不能分辨恶意客户的虚假推荐,因而影响了评估结果的客观性和可信性.针对上述问题,提出了以灰色系统理论为基础、以灰色聚类评估算法为主要内容的信誉报告机制方案,同时证明了实体的灰关联度在t时刻存在的充分必要性.方案首先采用味集群方式采集原始数据,以被评估的实体为聚类实体、以客户对实体关键属性的评分为评估依据,运用灰关联分析得到实体的评估向量,按事先约定的灰类归纳整理,判断聚类实体的灰类,得到相应实体的信任度.方案的评估依据是客户对实体关键属性的实际评分,并且允许用贴近实际的灰数表达形式,避免了种种假设数据;味集群方法采集原始数据,能够有效地避免恶意推荐.实例说明,实体的信任可以被量化,实体间的信任可以具有可比性.方案具有评价可靠、可操作性强、适合软件自动处理等特点,是网络环境中具有实用价值的一种对实体信任度评估的新方法.

灰色系统研究进展(2004—2014)

从灰数及其运算、灰色序列算子与灰色预测模型、灰色关联分析与灰色聚类评估模型、灰色决策模型、灰色组合模型和灰色控制几个方面介绍了灰色系统理论2004—2014年的研究进展及部分应用成果。梳理了基于"核"和灰度的灰数运算法则、一般灰数的概念、灰度合成公理及缓冲算子的一般形式,总结了4种GM(1,1)基本模型,即均值GM(1,1)模型(EGM)、离散GM(1,1)模型(DGM)、均值差分GM(1,1)模型(EDGM)、原始差分GM(1,1)模型(ODGM),及其适用的序列类型。介绍了灰色相似关联度、灰色接近关联度、三维灰色绝对关联度,以及基于中心点和端点混合三角白化权函数的灰色聚类评估模型、多目标加权智能灰靶决策模型、两阶段综合测度决策模型、灰色博弈模型、灰色投入产出模型,并且阐述了分布型、中立型和中立-分布型灰色随机时滞系统的指数鲁棒稳定性等新概念、新模型、新方法。同时提出了有待进一步研究解决的问题。

战场通信网络仿真系统可信性评估

针对战场通信网络仿真系统没有合适的可信性评估指标体系和评估方法的问题,综合其在协议模型、网络环境和仿真性能方面的特点建立层次化指标体系。针对逻辑类指标和数值类指标的不同特点,提出使用分类综合可信性评估算法评估整个指标体系的可信性。实例评估表明,建立的层次化指标体系和分类综合可信性评估算法的针对性和可操作性较强,较好地结合了专家经验与客观测量数值。

基于大数据挖掘的光伏高占比配网电压时空多维评估

随着新型配电系统及整县光伏的快速推进,光伏高占比配网成为未来发展的主要趋势之一,但高占比光伏引起的剧烈电压波动、电压越限等问题,亟需对电压状态开展准确评估。针对光伏高占比配网提出一种基于大数据挖掘的电压时空多维评估方法:通过大数据预处理技术对样本数据进行清洗,提出基于K均值聚类算法(K-means clustering algorithm,K-means)的配网电压大数据时空多维挖掘及特征提取方法,为时空多维评估提供数据基础;构建光伏高占比配网电压时空多维评估指标体系,采用主客观组合赋权法对指标进行权重赋值;提出改进模糊灰关联度评估法,利用模糊灰关联度实现量化评估及等级划分。结果表明,所提方法可从多时间尺度、多颗粒度空间尺度挖掘配网电压的薄弱环节,为解决光伏高占比配网电压相关问题提供数据支撑。