正在加载中...
查看算法原理、公式、操作流程和结果说明。
灰色预测 GM(1,1)（Grey Model, First-order One-variable）是一类面向小样本与不完全信息系统的时间序列预测方法。该方法通过一次累加生成削弱原始序列的随机波动，再以一阶灰微分方程刻画系统演化规律，适合样本规模较小、总体变化趋势较清晰的预测问…
灰色关联分析（Grey Relational Analysis, GRA）用于刻画各评价对象与“理想参考序列”的接近程度。其基本思想是：若对象在各指标上的变化趋势与参考序列越一致，则关联度越高、排序越靠前。
FAHP（Fuzzy Analytic Hierarchy Process，模糊层次分析法）是在经典 AHP 的基础上，把两两比较判断扩展为模糊数表示，从而缓解决策者语言判断的不确定性。本项目当前实现采用的是一条非常明确的工程化主线：
DGM-离散灰色模型 的真实核心主要位于：
FAHP-模糊 AHP 的真实核心主要位于：
FuzzyEDAS-模糊 EDAS 的真实核心主要位于：
FuzzyTOPSIS-模糊 TOPSIS 的真实核心主要位于：
FuzzyVIKOR-模糊 VIKOR 的真实核心主要位于：
GM(1,N)-灰色预测 的真实核心主要位于：
GM(2,1)-灰色预测 的真实核心主要位于：
GreyMarkov-灰色 Markov 修正 的真实核心主要位于：
NDGM-非齐次离散灰色 的真实核心主要位于：
Verhulst-灰色 Verhulst 的真实核心主要位于：
FCM（Fuzzy C-Means）是一类典型的模糊聚类方法。与 K-Means 等硬划分算法不同，FCM 不直接把每个样本唯一分配到某一个簇，而是为每个样本分配对所有簇的隶属度，从而更适合处理簇间边界模糊、样本过渡性较强的数据结构。
适合连续阅读，作为本站在线教程的补充入口。