基于不完全序关系信息的双边匹配决策方法

针对双方主体给出不完全序关系信息的双边匹配问题,提出了一种匹配决策方法.首先描述了基于不完全序关系信息的双边匹配问题;接着将不完全序关系信息转化为不完全Borda分值矩阵,并进行规范化处理;依据不完全规范化Borda分值矩阵,构建综合Borda分值矩阵和差异度矩阵,进而构建不完全匹配度矩阵.进一步,基于不完全匹配度矩阵构建单目标匹配模型,通过模型求解确定匹配方案.最后,通过人力资源管理中员工与岗位匹配实例来说明所提方法的实用性和有效性.     

基于3个误差函数的复数ZNN模型求解复数满秩矩阵的Moore-Penrose逆

针对复数满秩矩阵的Moore Penrose逆问题,采用一种新型的递归神经网络(ZNN)进行求解.构造3个不同的复数矩阵误差函数,利用ZNN设计公式推导得到对应的不同复数ZNN模型.为了便于计算机仿真,采用向量化技术将所得到的ZNN模型由矩阵形式转换为矩阵向量形式.计算机仿真结果表明了所得到的3个复数ZNN模型在求解复数满秩矩阵Moore Penrose逆时的可行性与有效性.     

求解矩阵对策的直接线性规划法

证明了一个矩阵对策问题的解等价于一个线性规划问题的最优解.提出了求解矩阵对策的一种新方法,即直接线性规划法.该方法根据所给问题建立一个特殊的线性规划模型,然后求解,可直接得到矩阵对策的值和两个局中人的最优策略,不需作变量变换,也不要求对策值大于零.给出了直接线性规划法在求解对称对策问题中的应用.     

基于二阶段迭代的非负矩阵分解的分类模型

为了有效地结合标签信息与非负矩阵分解技术,提升现有的非负矩阵分解算法划分数据的性能,提出一种用于分类问题的基于二阶段迭代的非负矩阵分解模型(2-stage iterative nonnegative matrix factorization model,2-STGINMF),在阶段1,基于训练样本之间的关系和标签信息,用非负矩阵分解技术学习训练样本的置信度分布矩阵。在阶段2,根据训练样本的置信度分布矩阵,基于训练样本和测试样本之间的关系以及测试样本内部的关系,学习测试样本关于不同类别的置信度分布矩阵。此外,提出了一种迭代式训练机制解决标签稀疏性的问题。实验结果表明,与当前的一些机器学习方法和矩阵分解方法相比,本文提出的2-STGINMF模型在不同类型的数据分类问题上都达到了最优的性能且在训练样本较少时也能获得较好的分类结果。     

线性双向联想存储器

提出了一个线性双向联想存储器的模型，一组有限个向量对由一线性算子建立起双向联想关系，此线性算于是一个网络的联结权重矩阵。该权矩阵由最小二乘法决定。由权矩阵的解导出一特殊类型的Ｌｙａｐｕｎｏｖ矩阵方程．本文提供了这种Ｌｙａｐｕｎｏｖ矩阵方程的解。     

广义增长曲线模型参数阵的最佳线性无偏估计

对于增长曲线模型Y=X1BX′2+ε,E(ε)=O,D(ε)=D(Vecε)=V2V1,在V1,V2均为非负定矩阵的情况下,利用最小二乘统一理论及矩阵拉直方法,给出了未知参数阵B的可估矩阵函数Z1BZ′2的最佳线性无偏估计,将有关文献的结果推广到更一般的情况。     

分数阶漂移-扩散模型整体解的Gevrey解析性和衰减率

研究了一类分数阶漂移-扩散模型整体解的解析性和衰减率。分数阶漂移-扩散模型是半导体中经典模型Poisson-Nernst-Planck方程组的推广模型,数学形式上表现为分数阶非线性抛物型和二阶椭圆型偏微分方程耦合而成的混合型方程组。利用多线性奇异积分算子理论和Fourier微局部分析,建立了该模型在临界Besov空间中的整体解是Gevrey解析的。作为该结果的直接推论,还得到了此整体解关于时间的衰减率。     

一种改进的K_means算法在旅游客户细分中的应用

针对传统K_means算法存在的问题,提出一种基于密度的初始中心点选择方法,并利用几何三角形三边关系理论简化了迭代中的计算次数,以缩短大数据集聚类时间．针对旅游电子商务的特点,基于RFM模型设计了一种RFMVCI扩展模型．新算法的有效性和扩展模型的合理性在实验和旅游客户细分实践中获得了验证．     

考虑双方主体失望-欣喜感知的多指标双边匹配决策方法

在双边匹配研究中很少关注如何描述双方主体的失望-欣喜感知并将其引入双边匹配模型.通过对匹配主体失望-欣喜感知的刻画,提出了一种新的具有指标期望的多指标双边匹配决策方法.首先,针对具有指标期望的多指标双边匹配问题给出了数学描述;其次,匹配决策者通过对主体的指标期望值与对方主体真实值之间的比较分析,建立了双方主体的损益矩阵;然后,依据失望理论,构建双方主体在各指标下的感知效用矩阵,并集结得到双方主体的综合感知效用矩阵;进一步构建以双方主体可接受最低水平为约束,双方主体综合感知效用最大为目标的多目标优化模型,并将多目标优化模型转换为单目标优化模型,通过求解单目标优化模型得到最优双边匹配结果.最后,通过算例比较分析了本文方法与现有方法的差异,进一步说明了本文方法的有效性与合理性.     

ARMA模型平稳解存在性问题的一些研究

ARMA模型是现代时间序列分析中最为常用的模型之一,在科学研究和工程系统中具有广泛的运用。AR-MA模型使用的前提条件是,建立的时间序列是由一个零均值的平稳随机过程所产生的,即其存在性能够得到保证。基于此,详细讨论了所有情形下AR模型及ARMA模型平稳解的存在性条件,然后将     

随机波动模型的首中时问题

研究了一类波动率是平方根过程的随机波动CEV模型的首中时问题.利用鞅方法求解首中时和波动率的联合拉普拉斯变换,继而将问题转换为求解一类变系数二阶常微分方程,通过变量代换将此方程转化为经典的Whittaker方程,得到联合拉普拉斯变换表达式.最后,选取不同的参数,使随机波动CEV模型的资产价格过程能够涵盖O-U过程、几何布朗运动、平方根过程等几种常见的扩散过程,画出不同参数下联合拉普拉斯变换函数的三维图像,并分析其变化趋势.     

重置期权的随机性研究

利用等价测度和鞅的方法,以股票价格为选择重设点依据的情况下推导了随机时间重置期权中的欧式看涨期权的定价公式.     

基于Webmap的杭州市土地价格变动研究

随着城市化的快速发展,城乡结合部土地利用问题日益突出.以杭州市为样本,基于土地城市化转变过程中地价形态的动态扩展模型,采用Webmap空间技术,研究了土地城市化转变过程中价格的空间复杂性及城市形态的应激反应,探讨杭州市土地城市化转变过程中价格机制的响应.结果表明,作为土地城市化的重要外生效应,地价与土地城市化转变之间存在相关性.研究结论对于促进农用地向非农用地的有序转化、规范和引导土地流转和转换、合理调整非农用地的内部结构,以及调控城市扩展和城镇数量等有一定的理论和现实意义.     

一种基于百度指数的城市日游客规模预测方法

百度指数数据为预测游客规模提供了新思路。以杭州市为例,首先研究新浪微博签到数据与统计年鉴中实际游客量的关系,用新浪微博签到人数模拟实际旅游人数,建立杭州市日游客规模自回归移动平均（auto regressive moving average,ARMA）模型,并进行预测;然后结合计量经济学中的协整检验和格兰杰因果关系检验,分析百度指数与微博签到人数之间的关系,利用百度指数空间分布特征及主成分分析后提取的3个解释变量构建向量自回归（vector auto regression,VAR）模型;最后比较了2个模型的预测精度。结果显示,百度指数存在地理空间属性,且与新浪微博签到人数互为格兰杰因果关系,存在1~23 d的滞后期。此外,相比ARMA模型,考虑了百度指数地理属性的VAR模型在样本期内的预测精度提高了13.1%,在样本期外的预测精度提高了27.9%。研究表明,百度指数的时间和空间属性对游客规模预测有重要意义和价值。     

一种基于百度指数的城市日游客规模预测方法

百度指数数据为预测游客规模提供了新思路。以杭州市为例,首先研究新浪微博签到数据与统计年鉴中实际游客量的关系,用新浪微博签到人数模拟实际旅游人数,建立杭州市日游客规模自回归移动平均（auto regressive moving average,ARMA）模型,并进行预测;然后结合计量经济学中的协整检验和格兰杰因果关系检验,分析百度指数与微博签到人数之间的关系,利用百度指数空间分布特征及主成分分析后提取的3个解释变量构建向量自回归（vector auto regression,VAR）模型;最后比较了2个模型的预测精度。结果显示,百度指数存在地理空间属性,且与新浪微博签到人数互为格兰杰因果关系,存在1~23 d的滞后期。此外,相比ARMA模型,考虑了百度指数地理属性的VAR模型在样本期内的预测精度提高了13.1%,在样本期外的预测精度提高了27.9%。研究表明,百度指数的时间和空间属性对游客规模预测有重要意义和价值。     

一维准周期罗盘模型的量子相变

通过约旦-维格纳变换方法,研究了一维斐波那契链下罗盘模型的量子相变行为.根据计算结果分析,精确地确定了相变点的位置、能隙以及自旋关联函数,同时确认为第二级量子相变.     

CRM展开系数与谱系数之间的直接转换算法

通过引入了n-dj系数,提出了实现CRM展开系数与谱系数之间直接互相转换的矩阵算法,并给出了相应的dj图与谱系数图的图形转换算法.实例表明,图形转换法具有简单、直接、方便的特点.     

基于角色与目标注册元模型的语义互操作能力研究

为了促进需求模型间的语义互操作并有效评估角色与目标注册元模型为两种需求模型提供的语义互操作能力,提出了一种互操作能力评估方法.实验中以需求模型i＊和KAOS对会议安排进行建模得到需求模型实例,同时基于现有的角色与目标注册元模型以及对应的需求模型规格,通过连续两次映射,将需求模型的元素映射到角色与目标注册元模型的元类及其关联,并针对映射结果定量分析i＊模型与KAOS模型间部分语义互操作的程度.实验结果表明,该方法能有效评估需求模型间通过角色与目标注册元模型进行语义互操作的能力,并为需求模型间实现深度语义互操作提供度量支持.     

对恰好识别和过度识别的看法

本文对线性联立计量经济学模型的识别做了较系统地整理与证明。同时由本文定理１的证明过程知，恰好和过度识别无本质的区别，故作者在建议；在计量经济学中，不引入恰好识别和过度识别两概念为妥。     

基于数据变换的维数消减方法

为了提高高维数据集合数据挖掘效率，探讨了采用数据变换进行数据维数消减的方法及其应用，提出了一个通用的数据变换维数消减模型，给出了应用主成分分析方法计算模型中的数据变换矩阵的方法，相应的数据变换应用实例表明，通过数据变换用相当少的变量来捕获原始数据的最大变化是可能的．