位置：成果数据库 > 期刊 > 期刊详情页
具有模糊目标的双矩阵对策及其应用
  • 期刊名称：江汉大学学报
  • 时间：0
  • 页码：16-18
  • 语言：中文
  • 分类：O212[理学—概率论与数理统计;理学—数学]
  • 作者机构：[1]海军工程大学管理工程系,湖北武汉430033, [2]海军工程大学理学院,湖北武汉430033
  • 相关基金：国家自然科学基金资助项目（60774029）;海军工程大学科学研究基金资助项目（HGDJJ05005,HGDJJ07007）.
  • 相关项目：基于超对策交互集结的复杂多冲突环境建模与分析
作者： 瞿勇，宋业新|
关键词： 有偏估计, 广义c-K估计, 岭估计, STEIN估计, 均方误差, 可容许性
中文摘要：

针对引起线性回归模型LS估计性能变坏的根本原因，提出了回归系数的广义c-K估计，将众多经典的有偏估计结合在一起，对有偏估计的改进进行了研究，分别证明了最小化均方误差和数量化矩阵K均可对Stein估计进行改进，给出了参数的最优值，为病态线性回归模型系数有偏估计的改进提供了有效途径。

同期刊论文项目
基于超对策交互集结的复杂多冲突环境建模与分析
期刊论文 60 会议论文 7
同项目期刊论文
专家权重模糊评价下的超对策结局偏好认知集结
具有模糊偏好认知矩阵的超对策稳定性分析
模糊模式识别的应急军事物流效益评估方法
基于修正熵权TOPSIS的应急军事物流效益评估
基于模糊模式识别的战时装备供应链风险评估
网络系统可靠性评估的模糊神经Petri网方法
随机矩阵对策及其在舰艇作战方案中的应用
一种基于能量函数的证据合成算法研究
基于超对策偏好认知信息沟的均衡结局鲁棒性分析
不确定两层冲突环境的建模与分析
基于模糊修正熵权TOPSIS的战时装备供应链风险评估
军用信息保障系统安全风险评估研究
通信安全保密系统安全性评估指标体系研究
具有模糊偏好认知的两层递阶超对策模型
Parameters identification for ship motion model based on particle swarm optimization
多重纳什均衡解的粒子群优化算法
基于粒子群优化的混合模糊双矩阵对策求解
基于粗糙集和Petri网的随机流网络可靠性评价方法
多冲突环境下的两人一阶超对策交互集结模型
具有模糊目标的多目标双矩阵对策集结与求解
基于模糊集与熵权理论的信息系统安全风险评估研究
基于模糊-组合神经网络的信息系统风险评估
多冲突环境下的非合作三人对策集结模型
基于模糊双矩阵对策的作战效能评估模型
一种引入突出影响因子的复杂系统可靠性评估模型
一种基于证据修正的一致性模糊Petri网模型
多冲突环境下混合模糊双矩阵对策的集结
面向对象的安全风险评估系统设计与开发
一种模糊学习Petri网模型及其收敛性分析
多冲突环境下的多目标双矩阵对策集结模型
An intrusion detection system based on evidence theory and rough set theory
两人多冲突环境下的双矩阵对策集结模型
基于改进FAHP-BN的信息系统安全态势评估方法
一类模糊多目标双矩阵对策的粒子群优化算法
基于区间数的DS证据合成方法研究
A Novel Method for Integrating Hypergame Outcome Preferences Perceived by Experts with Fuzzy Weight
超对策模型中结局偏好模糊认知信息的融合
引入平衡因子的模糊可靠性分配优化方法
一种求解武器系统可靠性分配的非精确方法
依据部分属性值的空中目标威胁快速排序方法
具有策略偏好的模糊双矩阵对策模型及其应用
云模型和混合Petri网相结合的系统可靠性评价
基于互冲突量和自冲突量分析的证据聚类方法
基于模糊群决策的信息系统安全风险评估方法
基于改进FAHP法的信息系统安全风险评估
基于粗糙集理论的多源信息融合故障诊断方法
直线不稳定船舶航迹控制的稳定性研究
舰船装备故障诊断特征知识获取方法研究
基于模糊逻辑和证据理论的故障诊断方法
一种基于改进的ROUSTIDA算法的数据补齐方法
船舶电力系统可靠性评估的自适应模糊Petri网方法
基于模糊-组合神经网络的信息系统安全风险评估
基于遭遇角决策的并行双模切换舵减摇控制
模糊推理与多重结构神经网络在信息系统安全风险评估中的应用
基于灰色随机Petri网的构件化软件可靠性早期评估方法
引入优先因子的模糊Petri网及其在故障诊断中的应用
基于模糊灰色关联神经网络的综合故障诊断方法研究
专家权重模糊评价下的超对策偏好认知集结
AN INTRUSION DETECTION SYSTEM BASED ON EVIDENCE THEORY AND ROUGH SET THEORY