“相对折扣”还是“绝对折扣”？消费者在不同购买类型情境下对折扣呈现方式的偏好

消费者在促销情境中经常会遇到绝对折扣（如原价299元,立减69元）与相对折扣（如原价299元,现20%折扣）两种折扣方式,但现有研究关于两种折扣孰优孰略并未得出一致性结论,这也导致商家在进行折扣促销表征方式选择上并未有明确的策略,尤其是当消费者处于不同的购买类型的消费情境时。有鉴于此,基于可评估性理论,通过4个实验探究消费类型与折扣方式的匹配效应。首先,通过探索性实验1A初步验证了消费者在物质购买情境中选择绝对折扣促销广告的比例更多,而在体验购买情境中选择相对折扣促销广告的比例更多,为购买类型与折扣方式的匹配效应提供初步证据。其次,实验1B通过实验室实验并更改了操控与测量方式再次验证了实验1A的结论,即消费者对于物质购买情境中的绝对折扣目标产品有更高的购买意愿;相反,在体验购买情境中,消费者对相对折扣具有更高的购买意愿,进一步拓展了研究外部效度。再次,通过实验室2验证了可评估性程度是上述匹配效应的中介机制。最后,通过实验3实验室实验验证了该效应存在的边界条件——个体的认知负载状态。具体而言,其购买类型与折扣方式的匹配效应只存在与消费者低认知负载状态时,当消费者处于高认知负载状态时,该效应消失。本文拓展了购买类型、计算比较方式以及评估模式的相关理论,也为商家制定折扣促销策略提供了实践指导。     

煤自燃特性综合实验仪器的研制与教学应用

该文研制了煤自燃特性综合实验仪器,并应用于教学.通过实验平台,结合煤自燃倾向性的氧化动力学测定方法,实现了少煤样对煤炭自燃过程的模拟,仪器体积小、实验耗时短,适用于实验教学的开展.实践表明,通过开展程序升温条件下煤自燃特征参数Tcpt CO2、值及指标气体浓度实验,非常有助于加深学生对理论知识的理解和实验动手能力的培养...     

基于TRIZ理论模具数字化建模的应用

本文参照TRIZ冲突矩阵对照表,对UG标准件库常用系统结构存在的问题进行了分析,深入研究后提出了相应的解决方案。本文还基于UG的汽车冲模标准件库的设计,较好地完成了三维参数化汽车冲模标准件库的研发工作。     

市政施工中环境保护措施的创新

掌握市政建设的发展规律,调节工程建设和环境保护的物质能量交换过程,寻找解决产生矛盾的根据和解决方法,以便从本质上改善人们的生活环境,促进城市可持续发展。     

基于JSP的招生咨询系统的设计与实现

采用JAVA Server Pages作为开发工具,开发招生咨询系统。系统充分利用JSP程序具有的速度快、空间小、独立性好等特点,确保了招生咨询系统数据处理的实时性和同步性。     

对消弧线圈装置试验方法的探寻

当各级电压电网单相接地故障时,如果接地电容电流达到一定数值时,就在中性点处装设消弧线圈,其目的是利用消弧线圈的感性电流补偿接地故障时的容性电流,使接地故障电流减少,以致自动消弧,保证继续供电。我国中性点经消弧线圈接地系统普遍采用过补偿运行方式。现在消弧线圈装置在66kV变电所使用率越来越高,这就要求我们继电保护人员对其试验方法非常熟悉并在实践中得以运用。     

基于下采样的局部判别矩阵型分类的心衰死亡率预测

不平衡分类问题的特征是样本集中每类样本个数相差较大,导致分类结果偏向多数类样本,少数类样本被忽视。而在不平衡分类问题中,少数类样本需要更多的关注。本文基于上海曙光医院提供的心衰医疗数据,提出了一个针对心衰病人死亡率预测的框架,为心衰的辅助治疗和诊断提供有效的信息。心衰医疗病例属于典型的不平衡分类问题,心衰病人在总的病人数量中只占少数,在检查中,应尽可能重点关注心衰病例。本文提出的框架采用下采样方法调整样本的比例,使类与类之间的规模平衡;使用主成分分析方法对高维数据进行特征选择;并在采样后的数据集上训练局部敏感判别矩阵型分类器,提高局部样本的关注度以获得更好的分类性能。实验结果表明,该框架能对心衰医疗数据提供较好的预测结果,与同类算法比较,表现出了更好的性能,是一个有效且实用的方法。     

一种平衡数据读写开销的数据复制方法

大型分布式系统通常将系统内存储的数据复制到多个节点以减少数据访问的时间开销.然而,随着数据副本数量的增加,副本数据更新过程的写代价也随之增加.如何合理地选择数据副本的存储节点、控制副本数量,以平衡数据的读写开销,进而有效地降低系统总的数据访问代价是分布式存储的研究热点.针对这一问题,本文提出了一种基于遗传算法的数据复制方法来平衡数据的读写开销.具体地本文对遗传算法进行了以下两方面改进:(1)建立了一个综合考虑读写数据传输代价的评价函数,以控制遗传算法的收敛方向,搜索数据副本存放位置的最优或次优策略;(2)通过时间序列预测方法来启发式地指导染色体变异操作,以合理控制副本数量适应数据的读写访问趋势.实验表明,与传统方法相比,本方法能够更有效地降低数据访问的总时间代价.     

代谢组学中机器学习研究进展

以往代谢组学的综述都着眼于对其应用情况进行总结,而对机器学习方法的对比研究不多。为此,在分析讨论目前机器学习方法在代谢组学研究方面最新进展的基础上,对各种机器学习方法及在代谢组学研究上的应用效果进行了总结,给出了代谢组学研究所使用的数据源,比较了各方法的应用效果及其利弊,指出目前代谢组研究中存在的主要问题及可能的改进方案。列举了相关方法在疾病诊断、药物开发等方面的最新应用,展望了代谢组学的研究前景,以期为改进代谢组学研究中机器学习算法的研究工作提供启示和帮助。