一种新的基于时序增益激励的赋权方法及应用

针对具有激励特征的动态综合评价问题,在分层规则和激励导向的基础上,提出一种具有识别功能的时序增益激励赋权方法。首先根据各被评价对象在各指标上的整体增益速度的趋势和状态,遵照分层规则对评价指标识别并分层;然后将整体增益速度的趋势和状态“积”性集结得到相应的激励量,并根据激励导向以组合赋权的方式确定指标权重。最后,通过中国31个省域的科技发展水平实证分析对方法的应用过程进行了说明。该赋权方法从激励的视角充分考虑了被评价对象在各指标上的发展趋势和发展潜力,据此,被评价对象可判断自身优势和不足,决策者也可统筹把握被评价对象整体发展情况,实现精准引导、统筹兼顾和公平激励。     

基于泛激励控制线的多阶段信息集结方法

针对时序动态综合评价中多阶段评价信息集结问题,给出了一种基于泛激励控制线的集结方法,该方法能很好地刻画决策者对于被评价对象发展的预期,并在处理过程中实施"控制与激励"的双重管理手段,因而体现出明显的决策意图。实践中长期使用该方法,可对被评价对象的持续科学的发展行为产生良性诱导。最后,用一个算例验证了方法的有效性。     

群体信息集结过程中无量纲化方法的选择

针对线性无量纲化方法对群体评价中信息集结结果的影响问题,本文以线性加权的群体信息集结方法为背景,以集结成的群体信息最大程度地扩大被评价对象间的差异为导向,给出了群体信息集结过程中无量纲化方法选择的若干结论和建议。首先设定评价情景并提出研究假设,分析不同无量纲化方法集结成的群体信息对各被评价对象间的差异影响;然后对造成被评价对象之间差异的主要因素进行了讨论;通过对不同因素的分析以及与未经过无量纲化处理集结成的群体信息中各被评价对象间差异的比较,得出一些重要的结论,并给出一些针对群体信息结集过程中选择无量纲化方法的建议;最后,用一个算例检验了结论的有效性。     

基于分层激励控制线的多阶段信息集结方法

针对时序动态综合评价问题,给出了一种具有分层激励特征的多阶段信息集结方法。该方法通过分层实现逐步激励,从而诱导个体或组织的突破式发展。首先,在界定了分层原则的基础上给出了激励控制线的确定方法;然后,提出了一种带有奖惩特征的信息集结模型。最后,通过一个算例对该方法的有效性进行了验证。在实践中长期使用此方法,可促使被评价对象的快速成长,同时也能减弱或避免其出现大幅倒退的情形。     

需求导向的双激励临界点型综合评价方法

为了从综合评价的角度解决管理中的激励问题，本文提出一种需求导向的双激励临界点型评价方法，其最大的特色在于评价需求者和被评价对象的需求是方法构建的重要导向，并采用对被评价对象的不同指标分别激励的做法。在考虑被评价对象的需求时，通过判断各指标对被评价对象排序的影响情况，确定被评价对象各指标的优劣类型进而确定对应指标的激励方式和激励量。在考虑评价需求者的需求时，首先通过设置各指标的双激励临界点确定被评价对象各指标的激励方式，然后计算各指标的激励系数，进而确定各被评价对象的激励量。最后通过一个算例对方法的应用进行了说明。     

基于数值分布的激励型综合评价方法

针对激励评价中的等级划分问题,本文提出了一种基于数值分布的等级划分方法,相比于现有的等级划分方法,该方法能够综合考虑数值分布情况来划分等级,并结合本文提出的等级划分法对密度算子进行拓展,提出了一种基于数值分布的激励型综合评价方法。首先本文从数值分布的角度提出了一种新的等级划分方法,从而得出各等级区间的等级区间分界点;其次确定等级系数,并结合指标值和等级区间分界点给出各指标的权向量,给出一种不需要进行归一化处理的等级权向量确定方法,该方法能够较好的解决归一化处理带来的不公平性;再次根据密度算子思想对评价数据进行集结得出评价结果;最后通过一个算例对该方法进行验证,结果表明该方法可以实现对被评价对象科学激励的作用。该方法尤其适用于企业员工激励、省市综合排名、高校人才选拔等问题。     

时序特征下语言评价信息的激励性集结方法及应用北大核心

针对语言型评价信息在动态群体评价中的有效集结问题,提出了一种新的时序特征下语言评价信息的激励性集结方法。首先,考虑指标的时序变异特征,通过熵权的相对变异度来修正指标熵权得到各阶段指标的可信权重;其次,给出二元语义时序激励算子(time ordered incentive operator,TOI)的定义,引入柔性时间权重和激励性调节系数,进行评价信息的激励性集结;最后,以某运载火箭研究院对其供应商的合作效果评价为背景进行算例研究。结果表明:所提方法是进行语言型动态群体评价的有效方法,具有良性的激励引导作用,且能在一定程度上避免以往语言信息处理所造成的信息扭曲和损失,为解决动态群体评价问题提供了一种新途径。     

时序特征下语言评价信息的激励性集结方法及应用

针对语言型评价信息在动态群体评价中的有效集结问题,提出了一种新的时序特征下语言评价信息的激励性集结方法。首先,考虑指标的时序变异特征,通过熵权的相对变异度来修正指标熵权得到各阶段指标的可信权重;其次,给出二元语义时序激励算子(time ordered incentive operator,TOI)的定义,引入柔性时间权重和激励性调节系数,进行评价信息的激励性集结;最后,以某运载火箭研究院对其供应商的合作效果评价为背景进行算例研究。结果表明:所提方法是进行语言型动态群体评价的有效方法,具有良性的激励引导作用,且能在一定程度上避免以往语言信息处理所造成的信息扭曲和损失,为解决动态群体评价问题提供了一种新途径。     

生态文明发展状况的动态奖惩评价及应用

推进生态文明建设是全面建设小康社会的新要求。本文提出一种具有奖惩特征及引导作用的生态文明评价模型。首先,根据被评价对象的实际发展趋势以及不同被评价对象同一时刻评价值的平均增量确定各被评价对象不同时刻评价值的理想点;其次,根据被评价对象实际评价值与理想点之间的差值确定被评价对象的奖惩情况、奖惩因子以及具有奖惩特征的动态综合评价值;最后,应用该方法对中国10个省域的生态文明状况进行了评价与比较分析。     

基于“又好又快发展”思想的动态综合评价方法

针对不同时段内被评价对象增益的不同,提出了一种基于"又好又快发展"思想的动态综合评价方法.首先依据时序立体数据信息,求出被评价对象的增益水平;然后通过均值相对运算、规范化和一致性运算,定义出各被评价对象各指标在某一时刻的相对发展增益权、均衡发展增益权和可持续发展增益权,并进一步计算综合增益权;最后依据激励思想给出增益权与静态综合评价值的合成规则.通过2006-2010年中部六省三次产业"又好又快发展"水平评价的实例分析,证明了方法的科学性.     

基于突变级数的知识密集型制造业技术创新能力动态综合评价——变化速度特征的视角

为了进一步测度评价对象整体的变化速度发展态势,结合已有关于评价对象静态评价模型、变化速度状态和趋势测量模型的研究,以信息集结视角和“激励与惩罚”手段,运用变化速度趋势对变化速度状态进行修正,构建了融合变化速度状态和趋势等变化速度特征的变化速度动态综合评价模型。并以我国30个省区作为样本进行实证研究,得出各省区2005年~2011年间知识密集型制造业技术创新能力截面静态和变化速度动态综合评价结果,结果表明:知识密集型制造业技术创新能力较高的东部发达省份,其变化速度上升趋势微弱,甚至不少省份呈现递减状态;而知识密集型制造业技术创新能力较低的中西部省份,多数地区变化速度上升趋势显著,且上升趋势幅度高于多数东部省区。     

基于(0,1)区间的可比排序分析法

针对传统排序方法未考虑评价者人数及被评价对象个数多少对指标权重排序的影响的不足,提出了基于(0,1)区间的排序分析方法.采用方法构造的评价函数模型,在考虑了评价者和被评价对象这两个因素同时,还能将不同评价系统中的被评价对象放在一起进行排序比较.由于方法具有对称性和中心化的良好性质,这使得排序更加科学合理,符合人们的直观认识.     

Optimization of Euclidean distance threshold in the application of recurrence quantification analysis to heart rate variability studies

An integrated approach is proposed to solve the optimization problem of the Euclidean distance threshold ε in recurrence quantification analysis (RQA), which is increasingly applied in the study of heart rate variability (HRV). In this paper, ε is inversely computed from a given recurrence rate (REC), the percentage of recurrence points. From the inversely computed ε, two other RQA output variables: determinism (DET), the percentage of recurrence points forming diagonal line structures, and laminarity (LAM), the percentage of recurrence points forming vertical and horizontal structures, are computed out as well. The trend of DET, LAM values at different REC levels (DLR trend) is introduced to comprehensively represent the dynamic properties of a time series. Based on the DLR trend, the variation of discrimination power, represented by the average loss (or Bayes risk), of DET and LAM, at different REC values is analyzed. Surrogate techniques are used to generate reliable test data sets for the discrimination evaluation. In particular, the results show that (1) the optimal REC can be much higher than the widely used 1% REC, and (2) after the optimization, the average loss can be reduced compared to 1% REC. It is also demonstrated that the optimal ε depends on the dynamic source and RQA variables, and the DLR trend based ε optimization method can improve RQA discrimination analysis especially for the short term HRV analysis.     

基于主客体协作的群组评价方法

针对多属性综合评价问题,提出了一种主客体协作式群组评价方法。首先介绍了评价客体意见的获取手段,给出了一种在评价客体没有能力提供自身意见的情况下的意见提取方法;然后以评价主体提供的信息检验评价客体提供信息的失真程度,以评价客体提供的信息检验评价主体提供信息并判定评价主体的能力大小,据此给出评价客体和评价主体的话语权重;根据"差异驱动"原理,集成评价客体群体给出的评价结果和评价主体群体给出的评价结果,得到最终的评价结论。最后,用一个算例检验了方法的有效性。