带有函数型数据的多类型数据综合排序方法——我国各省市自治区主要城市的经济、环境水平综合排序

对于我国城市经济水平、环境水平的综合排序,目前已经有了比较完善的指标体系排序方法,但是其中涉及的大多都是多元数据.随着获取数据的方式增多和获取数据的技术日新月异,数据变得越来越复杂,某些领域所产生的观测数据不再是单纯的某一类数据,而是多种类型数据的组合.本文研究的就是当指标体系涉及到函数型数据时,该如何排序.对此,本文提出四种综合排序方法,并通过数值模拟对这些方法进行比较和选择,得到以下结论:当函数型数据受污染时,熵权法排序结果较稳定;当标量数据受污染时,多元修正带状深度排序方法更为稳定.研究表明,多类型数据排序方法的选择还需要根据原始数据的特征而定.该研究丰富了多类型数据的综合排序方法,具有很好的现实意义.     

排序不等式及其应用

排序原理 设a1≤a2≤…≤an，b1≤b2≤…≤bn，又设i1，i2，…，in是1，2，…n的一个排列，则有a1bn＋a2bn-1＋…＋anb1≤a1bi1＋a2bi2＋…anb1n≤a1b1＋a2b2＋…＋anbn。     

数据挖掘中统计方法的作用和问题点

本文讨论了数据挖掘与统计学间的关系,介绍了在数据挖掘中常用的统计方法和存在的问题。提出了统计怎样适应于数据挖掘的课题。     

决策矩阵排序的投影法及其相关定理

针对属性权重已知而属性值为确数的多属性决策问题,提出了决策矩阵排序的投影法,并提出了关于投影法的三个定理及其证明.最后给出了两个相关例子说明本法的有效性和可行性.     

区间数排序法在多属性决策中的应用与研究

针对不确定多属性决策问题中区间数排序方法的讨论,首先给出了正区间数排序的公理化定义,然后基于公理化定义提出了区间数几何平均排序法;其次,将优势矩阵排序法、离差最大化排序法、基于相对关联系数的区间数排序法与几何平均排序法进行了比较,并指出了基于相对关联系数的区间数排序法的不足;最后,通过实例分析,得出几何平均排序法可以弥补基于相对关联系数的区间数排序法的不足,且拥有计算简便,运算量少的优点,验证了几何平均排序法的合理性及有效性.     

统计深度函数及其应用

次序统计量在一维统计数据分析中起着很重要的作用．多年来,人们一直在商维数据处理和分析中寻找“次序统计量”,却没有得到很满意的结果．由于缺少自然而有效的高维数据排序方法,因而象一维“中位数”的概念很难推广到高维．统计深度函数则提供了高维数据排序的一种工具,其主要思想是提供了一种从高维数据中心(最深点)向外的排序方法．不仅如此,统计深度函数已经在探索性高维数据分析,统计判决等方面带给我们一种全新的前景,并在工业、工程、生物医学等诸多领域得到很好的应用．本文介绍了统计深度函数概念及其应用,讨论了位置深度函数的标准,介绍了几种常用的统计深度函数．给出了由深度函数特别是由投影深度函数所诱导的位置和散布阵估计,介绍了它们的诸多优良性质,如极限分布,稳健性和有效性．由于在大多数场合下,高崩溃点的估计不是较有效的估计,而由统计深度函数所诱导的估计具有多元仿射不变性,并能提供理想的稳健性与有效性之间的平衡,本文还讨论了基于深度的统计检验和置信区域,介绍了统计深度函数的其他应用,如多元回归、带有变量误差模型、质量控制等,以及实际计算问题．指出了统计深度函数领域有关进一步的工作和研究方向．     

基于相对优势度的区间数排序及其在多属性决策中的应用

依据两区间数对应点的差异,借助s型函数给出区间数相对优势度的概念,并根据相时优势度矩阵,构造模糊互补判断矩阵,提出一种基于相对优势度的区间数排序方法.基于所提出的区间数排序方法,结合UWA算予,提出一种属性值为区间数的多属性决策方法,并通过算例说明方法的可行性和有效性.     

时态数据挖掘在手机用户消费行为中的应用

本文详细地讨论了时态数据的基本格式,明确了持续事件序列的概念.在此基础上,针对数据挖掘的研究目的,构造了时态关联规则,并对手机用户消费行为进行了深入的分析,得到了良好的效果.     

梯形直觉模糊数排序方法及在多属性决策中应用

基于梯形直觉模糊数的值和模糊度两个特征,一类梯形直觉模糊数的排序方法被研究.首先,给出了梯形直觉模糊数的定义、运算法则和截集.其次,定义了梯形直觉模糊数关于隶属度和非隶属度的值和模糊度,以及值的指标和模糊度的指标.最后,给出了梯形直觉模糊数的排序方法,并将其应用到属性值为梯形直觉模糊数的多属性决策问题中.     

应用图论分析与最优化理论来数据挖掘大规模水牛普里昂蛋白结构数据

图论、最优化理论显然在蛋白质结构的研究中大有用场. 首先, 调查/回顾了研究蛋白质结构的所有图论模型. 其后, 建立了一个图论模型: 让蛋白质的侧链来作为图的顶点, 应用图论的诸如团、 $k$-团、 社群、 枢纽、聚类等概念来建立图的边. 然后, 应用数学最优化的现代摩登数据挖掘算法/方法来分析水牛普里昂蛋白结构的大数据. 成功与令人耳目一新的数值结果将展示给朋友们.     

数据挖掘中聚类中心问题的光滑化和填充函数方法

本文提出了数据挖掘中求解聚类中心问题的一种新方法.这类问题属于非凸非光滑全局最优化问题.我们首先利用光滑化方法将非光滑聚类函数用光滑函数逼近,然后对光滑化问题利用填充函数搜索其全局最优点.对不同数据库的数值试验表明,本文提出的算法是可行和有效的.     

定序变量的回归分析模型及其在消费者信心指数编制中的应用

本文讨论了对定序变量进行回归的技术,并探讨了如何用其解决消费者信心指数调查中抽样的重要问题。最后的结论来自对第一手数据的分析。     

可拓数据挖掘在高校教学质量评价中的应用

高校在教学和管理工作中积累了大量的数据,但这些数据没有得到有效利用.将可拓数据挖掘技术引入教学领域,从教学评价数据中提取出隐藏在数据之中的有用信息,为教学管理者提供决策支持.首先通过可拓分析,寻找质量达到要求、可进行有效挖掘的教学评价数据,然后对这些数据进行两方面的挖掘:影响教学质量的关键因素挖掘、教学质量与教师特征之间的关联规则挖掘.     

房地产业上市公司的统计数据挖掘分析研究

应用统计类数据挖掘技术对房地产业上市公司财务进行了分析。即搜集十五个房地产业上市公司的主要财务指标进行因子分析,用提取主成份的方法缩减变数,归纳出影响公司财务状况的四个主要因素。然后,对十五家房地产上市公司进行聚类分析,划分各公司的经营等级。最后,结合因子分析与聚类分析的结果对各公司的经营状况进行了综合评价,并以此指导投资者和经营管理者做出正确的决策。     

DEA与数据挖掘

使用Wei和Yan给出的凸多面体的"和形式"与"交形式"相互转化的方法,得到"交形式"的生产可能集TWY,以及由此判别相对效率的方法,研究DEA用于数据挖掘,处理具有"海量"决策单元的相对效率评价(包括技术有效性和规模收益递增、不变、递减以及"拥挤"迹象).给出的方法只需使用一个"交形式"的生产可能集,与本作者先前的"DEA评测机"相比,可以节省很多计算量.方法是对DEA评测机的一种新的改进,是对数据挖掘领域的一个补充.     

基于Fuzzy理论的数据挖掘算法研究Ⅱ

"数据挖掘"是数据处理的一个新领域.支持向量机是数据挖掘的一种新方法,该技术在很多领域得到了成功的应用.但是,支持向量机目前还存在许多局限,当支持向量机的训练集中含有模糊信息时,支持向量机将无能为力.为解决一般情况下支持向量机中含有模糊信息(模糊参数)问题,研究了模糊机会约束规划、模糊分类中的模糊特征及其表示方法,建立了模糊支持向量分类机理论,给出了模糊线性可分的模糊支持向量分类机算法.     

基于Fuzzy理论的数据挖掘算法研究(Ⅰ)

“数据挖掘”是数据处理的一个新领域.支持向量机是数据挖掘的一种新方法,该技术在很多领域得到了成功的应用.但是,支持向量机目前还存在许多局限,当支持向量机的训练集中含有模糊信息时,支持向量机将无能为力.为解决一般情况下支持向量机中含有模糊信息(模糊参数)问题,研究了模糊机会约束规划、模糊分类中的模糊特征及其表示方法,建立了模糊支持向量分类机理论,给出了模糊线性可分的模糊支持向量分类机算法.     

数学建模中的数据挖掘方法

结合我校数模培训和参赛的经验，介绍了数据挖掘中的多元回归分析，主成分分析、人工神经网络等方法在建模中的一些成功应用。     

移动电话客户流失数据挖掘

本文首先回顾了顾客流失的相关文献,然后利用统计分析方法和数据挖掘技术分析了移动电话号码与移动电话型号对客户流失的影响,对分析结果进行了解释,并给出一些营销建议。     

A Dual-Objective Evolutionary Algorithm for Rules Extraction in Data Mining

This paper presents a dual-objective evolutionary algorithm (DOEA) for extracting multiple decision rule lists in data mining, which aims at satisfying the classification criteria of high accuracy and ease of user comprehension. Unlike existing approaches, the algorithm incorporates the concept of Pareto dominance to evolve a set of non-dominated decision rule lists each having different classification accuracy and number of rules over a specified range. The classification results of DOEA are analyzed and compared with existing rule-based and non-rule based classifiers based upon 8 test problems obtained from UCI Machine Learning Repository. It is shown that the DOEA produces comprehensible rules with competitive classification accuracy as compared to many methods in literature. Results obtained from box plots and t-tests further examine its invariance to random partition of datasets. An erratum to this article is available at .