一种改进的自组织映射树算法及在组织际关系分类中的应用

分析了自组织映射树各种改进算法的优缺点,改进和实现了一种基于动态二叉树的自组织神经网络(Improved dynamicalbinary-tree based self-organizing neural network, DBTSONN).在改进动态二叉树中神经元节点可以自动生长和剪除,无需在训练前预先确定网络结构.DBTSONN1算法采用单路径搜索最匹配叶节点(获胜神经元),DBTSONN2算法考虑了获胜神经元节点所在自组织二叉树的层次,采用双路径搜索获胜叶节点, 提高了搜索效率.以交易关系的经济和行为维度建立起来的关键中介 变量集为度量指标,使用该算法把组织际关系分为四种类型:双边关系、周期性关系、层级关系以及分散关系, 验证该算法的效率,并分析这种组织际关系分类的实际意义.     

基于集成智能方法的电力短期负荷预测

将自组织(SOM)和反向传播(BP)两种神经网络结合起来, 并使用模糊理论, 建立了一种基于集成智能方法的日负荷预测智能模型, 该模型首先利用SOM网络的竞争学习能力将历史数据分成若干类别从而找出与预测日同类型的预测类别. 然后, 把温度、日类型等不确定性扰动因素分离出去, 利用BP算法的非线性函数逼近功能, 完成电力负荷的基本分量部分的预测工作. 在处理温度、天气情况、日类型等不确定因素对负荷的影响时, 采用模糊逻辑理论对负荷基本分量进行修正. 提出了一种基于进化树的自组织神经网络算法(SOETA), 该算法是一种无监督基于二叉树的自组织特征映射网络模型, 采用进化思想进行无监督学习, 具有灵活的拓扑结构和精确的模式识别. 本文以2007年厦门市的电力负荷数据为例, 试验结果表明, SOETA+BP+模糊理论的预测精度最优, 有效提高了电力短期负荷预测精度.     

基于映射关联规则算法的业务流程重组关键成功因素识别

试图采用关键成功因素管理方法来研究业务流程重组(BPR)的实施, 在总结国内外学者对BPR关键成功因素研究的基础上, 根据中国的实际情况, 采用系统的思考方法, 全面考虑与流程相关的其它组织要素的变革因素, 提出了中国企业业务流程重组的关键成功因素: 企业战略管理、业务流程管理、信息技术支撑、组织结构变革、企业人员管理和企业文化管理. 在实证方法方面, 提出了一种基于映射的关联规则改进算法(MBAR), 该算法只需要经过一次数据库扫描, 就能够得到所有存在数据库中的大项集, 并应用于挖掘业务流程重组关键成功因素对BPR项目成功的影响, 得出一些有意义的关联规则, 例如: 企业战略管理Λ信息技术支撑Λ人员管理→BPR项目的成功(支持度0.614, 可信度0.706).