一种离差组合最大化多属性决策方法

文章研究了属性权重完全未知,方案属性值为实数的多属性决策问题.首先,证明了方案属性值离差变大并不意味着方案综合值离差变大,方案综合值离差变大也不意味着方案属性值离差变大.其次,在综合考虑方案属性值离差和方案综合值离差同时最大化的基础上,建立并通过求解一个规划模型计算出属性权重,从而得到一种离差组合最大化的多属性决策方法。最后,给出了一个算例来说明了该方法.     

大学数学建模小组教学初探

通过对成立数学建模小组、形成开放的数学建模教学模式、数学建模题目选择和数学建模小组活动评价等环节进行初步实践,在实践和理论两方面探索了数学建模小组教学。     

基于全最小一乘准则的灰色GM（l，1）模型参数估计

针对传统灰色GM（1,1）模型参数估计的最小二乘算法稳健性较差,在分析全最小一乘算法比最小二乘算法具有较好稳健性的基础上,文章提出了基于全最小一乘准则估计灰色GM（1,1）模型的参数,并给出了求解该算法的LINGO~序和规划模型方法,并通过计算实例说明,基于全最,J、一乘准则参数估计的GM（1,1）模型比传统灰色GM（1,1）模型具有更好的抗干扰性能和受异常点影响小的优点,从而拓展了灰色GM（1,1）模型的适用范围。     

一种新的灰色关联度模型

针对已有灰色绝对关联度的证明较为复杂,计算结果出现明显不合理的情况,文章提出了一种新的灰色关联度模型,该模型以序列对应点之差的绝对值之和作为两序列的关联度,不仅具有证明简单、计算方便之优点,而且克服了计算结果出现明显不合理的情况,从而使得计算结果更加合理地体现了灰色关联度的实质。最后,通过计算实例验证了该关联度模型的可行性与有效性。     

灰色GM（1，1）模型中参数估计的几种方法比较

文章介绍了灰色GM（1，1）模型中参数估计的最小二乘准则、全最小二乘准则、最小一乘准则和折扣最小一乘准则，并指出了它们的优缺点。将这四种方法分别用于递增序列、递减序列、振荡序列的灰色GM（1，1）模型参数估计中，并通过优化软件LINGO计算出相应的参数。最后，对建立的灰色GM（1，1）模型的精度进行了比较，结果显示：最小一乘准则和折扣最小一乘准则模型参数估计明显优于最小二乘准则、全最小二乘准则模型参数估计。     

基于全最小一乘准则的灰色GM(1,1)模型参数估计

针对传统灰色GM(1,1)模型参数估计的最小二乘算法稳健性较差,在分析全最小一乘算法比最小二乘算法具有较好稳健性的基础上,文章提出了基于全最小一乘准则估计灰色GM(1,1)模型的参数,并给出了求解该算法的LINGO程序和规划模型方法,并通过计算实例说明,基于全最小一乘准则参数估计的GM(1,1)模型比传统灰色GM(1,1)模型具有更好的抗干扰性能和受异常点影响小的优点,从而拓展了灰色GM(1,1)模型的适用范围。     

基于最小一乘准则的GM（1，1）模型边值分析

针对边值修正灰色GM（1，1）模型的边值修正项求解采用最小二乘准则，而模型检验采用最小一乘准则，提出基于最小一乘准则的边值修正项求解，从而在一定程度上统一了边值修正项求解和模型精度检验的准则，并得到了最小一乘准则确定边值修正项的灰色GM（1，1）模型．实例表明，最小一乘准则确定边值修正项比最小二乘准则确定边值修正项得到的灰色GM（1，1）模型具有更高的精度。     

基于联系数的区间灰数预测模型

文章针对传统灰色预测模型仅适用于实数序列而无法进行区间灰数序列建模的缺陷,引入集对理论中的联系数,将区间灰数序列转化为联系数序列,利用联系数序列的同部和异部序列分别建立灰色预测模型,再将同部序列和异部序列灰色预测模型的模拟预测结果还原为区间灰数序列,从而得到了一种基于联系数的区间灰数预测模型。最后,通过实例说明了该方法。     

童心视角：校本课程的基石

所有的课程都是为学生的健康成长服务的,从学生角度出发,特别是立足童心视角应该成为教师开发校本课程的基石。童心视角可以帮助教师以学生的身份去开发校本课程,可以帮助教师在校本课程的实施中找准自己的位置,可以帮助教师走进学生的内心世界,可以帮助教师实现由"教师到导师"的角色转变。     

扩大农民消费需求的金融支持研究

扩大农民消费需求是拉动内需的关键之一。金融支持可以促进农民提高收入,同时能缓解农民的流动性约束,因而在扩大农民消费需求中具有重要作用,但目前支持力度严重不足。因此应从完善农村金融服务体系、改善金融服务、开办农民生产经营性贷款、发展农民消费贷款以及支持城镇化建设等方面采取措施,强化金融支持,扩大农民消费需求。