[1] 张德然.统计数据中异常值的检验方法[J].统计研究, 2003, (5):53-55. [2] 马克.数据清洗在统计调查实践中的应用[J].调研世界, 2018, (10):57-59. [3] Zeng J, Gao C. Improvement of identification of blast furnace ironmaking process by outlier detection and missing value imputation[J]. Journal of Process Control. 2009, 19, (2): 1519-1528. [4] 何乃强, 惠晓滨, 周漩.基于正态区间估计的改进型无量纲化方法[J].计算机工程与应用, 2012, 48(5):236-238. [5] 李伟伟, 易平涛, 李玲玉.综合评价中异常值的识别及无量纲化处理方法[J].运筹与管理, 2018, 27(4):173-178. [6] Hubballi N, Patra B K, Nandi S. NDoT: nearest neighbor distance based outlier detection technique[C]. International Conference on Pattern Recognition and Machine Intelligence. Springer-Verlag Berlin Heidelberg, 2011.36-42. [7] 邵培基.异常数据的筛选[J].管理工程学报, 2000, 14(4):27-28. [8] 杨瑛娟, 张峰, 薛惠锋.一种模态傅里叶-支持向量机优化的取用水监测异常数据重构方法[J].运筹与管理, 2019, 28(2):52-59. [9] 李金昌.关于统计数据的几点认识[J].统计研究, 2017, 34(11):3-14. [10] 刘思峰, 谢乃明, Forrest Jefery.基于相似性和接近性视角的新型灰色关联分析模型[J].系统工程理论与实践, 2010, (5):881-887. [11] 王坚强, 刘淘.基于综合云的不确定语言多准则群决策方法[J].控制与决策, 2012, 27(8):1185-1190. [12] 徐士东, 耿秀丽.云模型与TOPSIS相结合的多属性群决策方法[J].计算机应用研究, 2017, 34(10):1-6. [13] 周国强, 王雪青, 刘锐.一种基于改进云模型的信用评价方法[J].系统工程, 2013, 31(4):60-66. [14] 龚艳冰, 蒋亚东, 梁雪春.基于模糊贴近度的正态云模型相似度度量[J].系统工程, 2015, 33(9):133-137. [15] 王翯华, 朱建军, 杨萍.大型客机协同研制工艺技术风险的正态云模型评估[J].运筹与管理, 2018, 27(10):146-153. [16] Liu G D, Zhu J J, Liu X D. Imputation method of random arbitrary missing data based on improved close degree of grey incidence[J]. The Journal of Grey System, 2019, 31(2): 74-97. [17] 李德毅, 杜鹢.不确定性人工智能[M].第二版.北京:国防工业出版社, 2014. [18] 李德毅, 刘常昱.论正态云模型的普适性[J].中国工程科学, 2004, 6(8):28-34. [19] 弓晓敏, 于长锐.基于云模型的改进TODIM方案评价方法[J].系统工程与电子技术, 2018, 40(7):1539-1547. |