神经网络模型在农村人均收入预测中的应用

利用人工神经网络建立了具有时间序列对象的预测模型，并提出了基于本模型的数据处理方法，在此基础上，对吉林省榆树县大坡镇两家村的人均收入进行了预测，证实了本模型的正确性和科学性。

灰色关联分析方法的修正与应用

指出了灰关联度及其计算中的一些不足,针对这些不足给出了灰关联度的修正方法,论述了有关理论,通过理论分析和实际应用,这种方法能较好地反映因素之间的相互联系。

维修设备可失效的两部件冷贮备系统的可靠性分析

本文讨论了两相同部件构成的冷贮备可修系统。假设维修设备可能失效,它的修理时间分布为一般分布,部件的寿命分布、失效修复时间分布及维修设备工作寿命分布都为指数分布。利用马尔可夫更新过程理论,求出了系统首次失效前时间分布、系统的可用度、(0,t)时间内系统的平均故障次数、维修设备忙的概率、维修设备首次失效前时间分布及时刻t维修设备失效的概率。

农业机械化程度的多层次灰关联综合评估

建立了农业机械化程度层次结构的指标体系，建立了相应的多层次灰关联评估模型，并对吉林省榆树县大坡镇９个村的农业机械化程度作了评价。

数量关联规则发现中的聚类方法研究

应用聚类方法研究了数量关联规则提取过程中的连续属性离散化问题 .由于现存的方法倾向于将支持度较高的区域划分为多个区间 ,对高偏数据效果不理想 .针对这一问题 ,提出聚类算法 PKCCA.与传统快速聚类不同 ,PKCCA在迭代过程中动态调整中心个数 ,避免造成过小支持度问题 。

灰色DEA模型的白化解法

本文在杨印生等人提出灰色数据包络分析模型的基础上,针对灰线性规划的的求解问题,探讨了白化以后最优值的变化情况,给出了白化因子、白化规划等概念,利用将灰线性规划化为若干个一般线性规划的方法,较好地解决了灰线性规划求解中的困难,从而可以更细致地分析决策单元效率.

组合型三角插值多项式

构造了一种组合型三角插值多项式算子Ｈｎ（ｆ；ｒ，ｘ），Ｈｎ（ｆ；ｒ，ｘ）对每个连续的周期函数都能在全实轴上一致地收敛到ｆ（ｘ），若ｆ（ｘ）∈Ｃｊ２π，ｊ≤ｒ，则Ｈｎ（ｆ；ｒ。

带有参数的C^2R模型的灵敏度分析

文献［１］“带有参数的数据包络分析Ｃ２Ｒ模型”的研究中，要求被评价决策单元的输入或输出指标按同比例变化，而实际总是按一定的比例变化的同时并带有一定的摄动，尤其在多输入、多输出问题上更为普遍。因此本文给出了带有摄动的参数数据包络分析模型，讨论了这种模型的有关性质，同样也给出了阀值的概念，并给出了求解阀值的方法。实际上也从另一个角度提供了一种ＤＥＡ灵敏度分析方法。

带有参数的数据包络分析C^2R模型

本文为了改进C^2R模型反映决策单元相对信息不完全的不足,提出了参数型数据包络分析模型,讨论了这个模型的有关性质,给出了阔值和有效值的概念.经过理论分析和实例验证,这两个值可更好地反映决策单元的相对信息.

关于Bernstein型求和算子的进一步研究

构造了一个 Bernstein型求和算子 Fn(f ;x) ,并研究它的一致收敛性及收险阶等问题。

非光滑伪线性多目标规划对偶

本文利用Ｄｉｎｉ右上、右下导数给出了非光滑伪线性多目标规划的对偶理论，建立了Ｍｏｎｄ－Ｗｅｉｒ型对仍与Ｗｏｌｆ型对偶；并证明了原问题与对偶问题之间的对偶定理．

不可微多目标优化

本文首先说明了什么是不可微多目标优化问题，然后概括性地介绍了多目标优化研究的主要内容。在此基础上，对不可微多目标优化的主要结果和内容加以综述。

不可微多目标优化非控解的最优性条件与对偶

本文对由一类局部Lipschitz的ρ-invex函数所构成的不可微多目标优化问题进行了讨论;给出了最优性条件,并且对Wolfe、Weir-Mond和Craven型对偶问题进行了研究,得到了相应的对偶定理。

解梁的振动方程的广义方法（Ⅰ）

以梁的振动方程为模型，把广义差分法推广到高阶微分方程的混合问题。用一次元帽形函数作试探函数，用分片线性函数作检验函数导出一个广义差分格式、并且对此格式的稳定性进行了讨论．

决策单元的变更对共协调性的影响

本文将对共协调分析的灵敏度问题进行研究 ,着重探讨决策单元的变更对共协调性的影响 .

块松弛BFGS方法

本文建立了最常用的拟Newton法-BFGS方法的分块算法,证明了这类方法的收敛性,并给出了敛速估计。

点锥和锐锥的特性

本文证明了ｎ维欧氏空间中的点锥和锐锥的特征属性，由此，得到关于点锥和锐锥的描述局部性质的结果。

一类Euler方程解的渐近行为

给出了一类 Ｇｉｎｚｂｕｒｇ－Ｌａｎｄａｕ型泛涵的极小元所满足的 Ｅｕｌｅｒ方程的解的某些弱收敛性质．

关于Banach空间中的一类球分离问题

对于欧氏空间1Rn中的一个有界闭凸集E，若则必有1Rn中某个以为心r为半径的闭球B（p，r），使B（p，r），而（p，r）。本文证明了当X为Hilbert空间时，上述结论仍正确，但对一般的Banach空间X，却不一定正确，而且我们给出了一个反例。