探视消费资本化理论“望远镜”

在当前众多的电子商务应用服务商中,作为一个大宗产品的网上交易平台,金银岛网交所率先采用了一种全新的B2B业务模式.其为了进一步保障企业用户营销与交易的安全需求,主动与银行和大型仓储企业联手,让网交所充当第三方信用中介以担保资金和货物的安全.买卖双方实行匿名交易,都不用担心对方的信用问题,就像买卖股票一样安全、可靠,这就使得企业的营销和交易过程化繁为简,既提高了效率,又降低了营销成本和坏账发生率,深受相关企业的青睐.从2006年6月正式上线运营至今,金银岛网交所的成交额已经突破了1500亿元大关.     

基于改进K-均值聚类算法的汽车用户行为分析方法研究

汽车用户的驾驶行为和操作习惯等决定着驾驶是否存在风险，对于道路交通安全具有重要的意义，针对这种情况，提出一种用于预测汽车用户驾驶行为风险等级的模型。该模型为了提高模型的分类效率，在自组织映射神经网络算法中采用遗忘第二名的策略，然后结合自组织映射神经网络改进K-均值聚类分析方法，实现对于车辆驾驶人员的风险行为等级进行划分，通过聚类分析得到风险标签后，利用XGBoost算法实现对于用户风险行为的辨识。实验结果表明，改进算法的聚类精确度和运行效率都得到了提高，预测准确率为98%,召回率为98%,F1值98%,kappa系数高达0.97,远远超过其他集成辨识模型，表明本文模型在汽车用户行为的分辨准确率上得到有效提高。     

椭圆曲线Y^2-y=x^3-x的二阶K-群

假设E是由方程y^2-y=x^3--x定义的椭圆曲线，Ez是E的Neron模型．本文证明了Steinberg符号{x，y^2）^2是K2（Ez）中的非扭元．     

《技术经济》征稿启事

<正>《技术经济》是由中国科协主管、国家一级学会——中国技术经济学会主办、教育部人文社科重点研究基地——清华大学技术创新研究中心协办的学术期刊,现任主编为清华大学技术创新研究中心主任吴贵生教授。本刊1982年创刊,每月25日国内外公开发行,月刊。国内统一连续出版物号为CN11-1444/F,国际标准连续出版物号为ISSN 1002-980X,邮发代号为80-584。定位本刊主要刊登技术经济及管理学科和其他相关学科的学术论文,主要覆盖管理学门     

修正二元Gauss-Weierstrass算子在L_p(R_+~2)空间中的逼近

借助K-泛函,给出了二元Gauss-Weierstrass算子在L_p(R~2_+)空间中的逼近定理.     

矩阵的运算与K-复数的运算关系

矩阵与K-复数之间存在一定联系.在矩阵与K-复数理论基础上,讨论了矩阵转置、对称方阵、反对称矩阵、矩阵的分解、方阵的行列式及可逆矩阵与K-复数的关系.获得K-复数用矩阵表示后,它的运算可以转化为矩阵的运算.所得结果是复数中相应结果的应用.     

基于K-短路径的路网关键路段集合的辨识与分析

为了提高高速公路网络化运营监管与公众服务的水平,需要准确可靠地辨识出综合多种因素的关键路段,采用交通分配理论及K-短路径算法研究了路网运行关键路段集的辨识问题。综合考虑路网结构、交通需求影响、出行行为特征等多方面因素,以系统内所有用户的旅行时间为交通网络性能度量指标,建立了路网运行关键路段评价模型;考虑多路段失效的联合效应,提出了路段集的重要度评估模型及其求解算法。该模型相对于传统的结构可靠性模型,考虑了出行者路径选择行为影响和多路段失效的联合效应,更符合路网运行管理的实际需求。研究结果表明:在相同交通需求的OD对之间,结构密度较低的区域,被选中为关键路段集的概率大;合理的K取值得到的关键路段集与全路网分配所得结果相近,可有效提升计算效率;多路段失效情况下,路段的联合效应明显。     

Web访问挖掘中的匿名用户识别算法研究

有效的用户识别与用户细分是网站用户行为分析的基础.针对现有用户识别算法将注册用户和匿名用户均按匿名用户处理,导致用户分类不细致的问题,提出了一种匿名用户识别算法.该算法通过识别用户访问行为状态,采取页面访问路径和浏览时长匹配方式,进一步识别IP地址变化后混入纯匿名用户中的注册匿名用户,从而把用户细分为注册用户、假匿名用户和纯匿名用户.实验结果表明,该算法能够提高匿名用户识别率,更加准确地识别假匿名用户.     

Hilbert K-模上框架的不相交性及不变量问题

考虑了紧算子代数模(Hilbert K-模)上的框架。运用泛函分析和算子代数的理论知识,给出并证明了HilbertK-模上框架(强)不相交的充要条件。最后,联系C*-子代数的指标理论,得到了Hilbert C*-子代数中关于不变量问题的两个重要结论。     

一种确定最佳聚类数的新算法

针对K-均值聚类算法需要事先确定聚类数K的问题,将粒度计算引入样本相似度函数,定义了新的样本相似度,用模糊等价聚类确定数据集可能的最大类簇数Kmax.以Kmax为搜索上界,利用改进全局K-均值聚类算法,以BWP(Between-Within Proportion)为聚类有效性度量指标,提出确定最佳聚类数的一种新方法.通过UCI机器学习数据库数据集以及随机生成的人工模拟数据集实验测试,证明该算法不仅能有效确定数据集的最佳聚类数,而且适用于大规模数据集,但是会受到噪音点影响.