基于灰色关联模型的家具产业集群与区域物流联动发展研究——以江西省为例

选取2003-2013年度数据,基于灰色关联模型,对江西省家具产业集群与区域物流联动发展进行了实证分析,得出以下结论:江西家具产业集群最大的制约因素为货运总量和货运周转量,同时,江西家具产业集群中的家具总产值为区域物流发展的最大制约因素.江西家具产业集群与区域物流具有较高的关联性和协调性,但两者之间协调耦合度具有较为明显的波动性.为有效实现江西省家具产业集群与区域物流的联动发展,提出相关建议.     

基于竞争优势理论的产业集群形成的量化研究

本文从形成产业集群的竞争成势理论出发,运用多元统计中的主成分分析和聚类分析方法,阐明形成产业集群量化的一般原理,并对河南省18个地区的经济水平进行了区域分类,据此进行综合评价,提出产业集群的培育和区域经济的发展对策。     

产业集群的分形结构—基于演化的观点

以宏观的视角来研究企业的地理分布,并在地理空间与社会网络结构的基础上建立一个产业集群模型;该模型显示出产业集群的分形结构进而揭示出产业集群是一种自组织系统,即在生产交易过程中自发形成有序的结构或状态的现象.根据该模型,运输成本或者禀赋只是形成产业集群的所有充分条件中的一个;影响产业集群的最重要指标是关系网络空间的分形维度,它显示了经济系统的层次结构性.网络密度很大的集群的关系网络可能是接近紊乱的,即分形维度接近于零;而紊乱将会导致这个集群效益下降,甚至促使集群崩溃.     

风险矩阵在集群项目分标中的应用研究

集群项目是一组相互关联并需要进行协调管理的项目.集群项目由于量大、点多,如标段划分不合理,导致管理困难,易出现质量问题.通过对影响集群项目质量的各类风险进行了量化分析,采用Borda序值构建了判断矩阵,运用风险矩阵计算出各方案的综合质量风险等级量化值,确定了集群项目基于质量风险的最优标段划分方案.     

政府参与下网络集群行为引导机制研究

在新媒体时代,意见领袖煽动网络舆论恶意引导网民成为引发网络集群行为的重要因素,在复杂的网络环境下如何约束意见领袖行为,引导网络集群成为管理科学决策的新难题.基于有限理性的假设前提和运用演化博弈论的方法,建立三方演化博弈模型得到三方主体的收益矩阵并利用雅克比矩阵分析系统演化稳定点并通过Matlab软件仿真模拟分析并得出最终结果:政府建立惩罚机制以及加大惩罚力度会管制意见领袖以及普通网民行为达到系统演化的稳定状态,引导网络集群行为朝着良好态势发展.     

湖南省生产性服务业与制造业的灰色关联分析

基于湖南省经济发展的实际情况,在借鉴前人研究成果的基础上,首先对生产性服务业与制造业进行界定与分类,然后从社会分工、价值链、产业集群以及交易费用等方面研究生产性服务业与制造业的互动机制,最后通过灰色关联度进行实证分析,在此基础上提出促进两者之间良性互动的政策建议.     

基于不同网络层次的集群企业知识共享演化分析

基于不同网络层次嵌入视角,考虑集群内网络和超集群网络嵌入的不同情况,综合运用Hotelling博弈和演化博弈,建立集群企业与集群外部企业间知识共享决策与演化的动态模型,探讨在无政府补贴和有政府补贴条件下高技术与低技术集群企业间的博弈决策。研究发现,高技术集群企业会挤占低技术集群企业与集群外企业的知识共享,知识共享成本是影响集群内外企业知识共享的关键因素,政府可以引导集群内企业更多地与集群外企业进行知识共享。最后运用数值仿真对研究结论进行验证。     

基于集群创新合作网络的知识创新与扩散过程建模及仿真研究

基于集群创新合作网络的知识创新和知识扩散过程是集群企业实现创新的关键。为了揭示集群创新合作网络中知识增长绩效的演化规律,探讨不同网络中知识增长绩效的差异及其形成原因,论文构建了知识创新与扩散的过程模型,以东北三省新能源汽车集群创新合作网络为例,运用复杂网络理论和仿真方法进行分析。研究发现,集群创新合作网络的整体知识水平呈现先递增后递减的演化规律;知识增长的演化过程存在突变点,突变时期不同网络中企业知识水平分化的情况决定不同网络知识增长绩效的差异性;知识扩散约束条件是知识创新与扩散过程的关键;实际网络并非知识创新与扩散的最优网络,无标度网络具有知识增长的绩效优势;hub结构和适度的节点度值分布差异性有利于提升知识增长绩效。     

政府差异化激励条件下有限理性制造集群的服务化策略演化研究

服务化转型是传统制造企业实现向价值链两端高收益空间演化的重要驱动,却受到转型成本高、转型难度大等多重阻碍。推动制造业服务化政策设置的合理与否,关乎制造企业产业优化升级的成败。本文以由有限理性的寡头与一般企业组成的传统制造集群为研究对象,依据演化博弈理论建立了政府差异化激励条件下集群服务化转型策略的演化博弈模型,利用可视化系统仿真演释了制造集群寡头企业群体与一般企业群体的服务化策略选择过程。研究表明,政策激励设置的合理性直接影响制造集群服务化转型升级的成败,政策制定者应避免陷入无法使制造企业选择服务化策略的政策困境。本文为制造集群服务化激励水平的设定提供了理论依据和解决思路。     

基于系统动力学的产业集群对企业绩效的影响机制分析

以系统动力学为基础,研究了产业集群对企业绩效的影响机制。分别建立了外部资源环境、发展规模及科研创新能力对企业绩效的影响系统因果图,在此基础上开展了产业集群对企业绩效影响的全过程动力分析。以上海市医药制造产业集群为例开展了实证研究,使用Vensim模拟软件进行了模拟仿真,详尽探讨了影响机制中正负反馈回路。结果表明,产业集群的外部资源环境、产业集群的发展规模和产业集群的科研创新能力对集群内企业的发展有着正向影响,政府和集群内企业可以通过加大对集群科研实力的投资力度、改善产业集群外部环境、扩大产业集群发展规模三个方面来提高产业集群内的企业绩效,促进产业集群内企业的可持续性发展。     

Empirical Applications of Regional Input-Output Analysis: A Case Study of Shetland

This paper considers, by means of a case study, some practical applications of regional input-output analysis. The paper outlines the underlying methodology of regional input-output and discusses the use of the model in the derivation of regional multipliers, in impact analysis and in regional forecasting. These techniques are applied to the Shetland economy. Estimates of industry output multipliers are given and discussed. The impact of oil on the Shetland economy in 1976 and its forecast impact in 1985 are analysed using the input-output model.     

省域低碳经济发展分类及评价研究

在构建区域低碳经济评价指标体系的基础上,在省区低碳经济分类评价中,运用多元统计方法中的聚类分析和系统工程学中的密切值法,结合2011年中国统计年鉴的统计数据对相关指标的数据样本进行了聚类分析,将低碳经济发展相类似的地区划成群体,再用密切值法对聚类所得的群体进行排序,从而评价出各地区的低碳经济发展水平.     

区域创新能力的F-聚类和F-识别研究——以河南省地市为例

根据河南省2017年统计数据,应用F-分析法对河南省11个地市区域创新能力进行聚类分析,验证了以专利授权数和发表论文数作为衡量区域创新能力指标的合理性;提出标准模型库的概念,构建F-识别模型,借助格贴近度和最大隶属原则,为其它城市区域创新能力的归类和识别提供了一种新的参考方法.     

基于相对隶属度的织物风格模糊聚类分析

分析比较了统计数学、模糊数学和灰色数学在织物风格分析中的缺陷.特别针对模糊数学需人为确定隶属函数的缺陷提出采用基于相对隶属度的织物风格模糊聚类分析方法.以相对隶属度矩阵和模糊聚类中心矩阵的迭代求解为依据,对苎麻等十种织物的风格测试参数进行了聚类分析.通过聚类计算得到了织物相对类别特征值的聚类结果.经验证认为该结果符合客观实际和人们的感知经验.     

中国区域全要素能源效率及节能减排潜力分析—基于非期望产出的SBM模型

运用DEA-SBM模型测度了碳排放约束下1999年-2010年中国30省、市、区及四大区域的全要素能源效率,并利用变异系数及K-Means聚类分析考察了区域全要素能源效率的差异,最后对各省份及区域的节能减排潜力进行了测度分析.研究结果表明:不考虑碳排放约束的各省份的全要素能源效率被高估,绿色能源效率总体均值呈现U型趋势;绿色能源效率的区域格局按照由东向西递减.四大区域的变异系数差异较大,均呈现收敛趋势;由聚类分析结果可知处于高效区的省份全部为东部沿海省份;中效区的省份大多是中部省市及东北老工业基地,而西部区域的各省份多数处于低效区;不同省份的节能减排的潜力差异较大,西部区域的节能减排潜力最高,其次为中部和东北部,东部的节能减排潜力最低.     

The bi-objective fuzzy c-means cluster analysis for TSK fuzzy system identification

For conventional fuzzy clustering-based approaches to fuzzy system identification, a fuzzy function is used for cluster formation and another fuzzy function is used for cluster validation to determine the number and location of the clusters which define IF parts of the rule base. However, the different fuzzy functions used for cluster formation and validation may not indicate the same best number and location of the clusters. This potential disparity motivates us to propose a new fuzzy clustering-based approach to fuzzy system identification based on the bi-objective fuzzy c-means (BOFCM) cluster analysis. In this approach, we use the BOFCM function for both cluster formation and validation to simultaneously determine the number and location of the clusters which we hope can efficiently and effectively define IF parts of the rule base. The proposed approach is validated by applying it to the truck backer-upper problem with an obstacle in the center of the field.     

基于客体优势识别的自主式竞优评析方法

针对多指标描述的一类社会事物群体,提出了一种基于客体优势识别视角的自主式竞优评析方法。该方法以最大程度的尊重事物客体的内质差异为出发点,将竞优评析过程分为个体优势识别、竞优模式识别和模式话语权重确定三个阶段。首先在不违背群体公共价值观念的前提下,从最有利于事物个体的角度识别其优势特征;其次利用聚类分析的方法,从优势特征集中识别群体竞优行为的模式特征;然后以各竞优模式包含的个体数量和评价信息的差异程度为基准确定各模式的话语权重,并得到最终的评价结果。最后以一个算例证明了方法的可行性和有效性。     

On reduced input-output dynamic mode decomposition

The identification of reduced-order models from high-dimensional data is a challenging task, and even more so if the identified system should not only be suitable for a certain data set, but generally approximate the input-output behavior of the data source. In this work, we consider the input-output dynamic mode decomposition method for system identification. We compare excitation approaches for the data-driven identification process and describe an optimization-based stabilization strategy for the identified systems.     

Simple consistent cluster methods based on redescending M-estimators with an application to edge identification in images

We use the local maxima of a redescending M-estimator to identify cluster, a method proposed already by Morgenthaler (in: H.D. Lawrence, S. Arthur (Eds.), Robust Regression, Dekker, New York, 1990, pp. 105–128) for finding regression clusters. We work out the method not only for classical regression but also for orthogonal regression and multivariate location and show that all three approaches are special cases of a general approach which includes also other cluster problems. For the general case we show consistency for an asymptotic objective function which generalizes the density in the multivariate case. The approach of orthogonal regression is applied to the identification of edges in noisy images.