中外合资上市公司高管团队特征对企业价值的影响

基于组织战略性人力资源管理的视角和高阶梯队理论,高管团队的特征影响企业战略决策,决定企业的经营与发展,进而影响企业价值.采用中国沪深A股421家中外合资公司2010-2018年的高管团队与企业价值面板数据,研究中外合资上市公司高管团队特征均值和异质性对企业价值的影响.结果 表明:女性高管占比和高管团队的平均年龄、平均任期、平均受教育程度及异质性均显著正向影响企业价值;团队规模、任期异质性对企业价值影响不显著;高管团队年龄异质性对企业价值具有显著的负向影响.优化高管团队的女性占比与平均年龄、任期、受教育程度等特征结构,将有利于提升企业价值.     

基于码头闸口数据的集卡周转时间短时预测方法

为给车辆调度优化以及集卡预约系统设计提供重要参考,利用所采集的深圳市某港口的码头闸口数据,建立一种基于数据挖掘的集卡周转时间短时预测方法.首先,通过对码头闸口数据进行分析,获取车辆到达时间分布、任务类型、作业方式等集卡作业特征以及集卡在码头内的周转时间;在此基础上,利用循环神经网络并结合训练集数据,建立集卡作业特征与其周转时间之间的映射关系.其次,为减少随机波动对周转时间预测效果的影响,利用小波分解算法对循环神经网络拟合结果的残差进行高频噪声分离,并通过自回归模型拟合过滤后的低频序列.最后,将拟合后的循环神经网络与自回归模型进行结合,建立一种支持集卡周转时间短时预测的组合模型,并利用测试集数据进行有效性验证.结果 表明,相比单一的循环神经网络,该组合模型可以大幅提升预测精度.     

基于概率图模型的危险驾驶罪刑期预测

针对司法实践中对于可解释性及预测性能的需求, 本文提出了一种基于概率图模型的量刑智能辅助方法. 该方法以量刑要素为基石建立含有隐节点的概率图模型, 由极大似然准则估计刑期分布的参数, 进而计算分布的数学期望得到预测值. 关于危险驾驶罪的实验结果表明, 概率图模型的预测准确率优于基于决策树和神经网络等的模型, 且具有良好的可解释性.     

基于科技查新数据的用户拓展及其关联聚类

科技查新用户数据是查新业务积累的真实而宝贵的资源,其充分利用不仅是查新业务管理的需要,可提升查新服务水平,同时还能用于挖掘更多的情报价值.调研发现,当前对科技查新用户数据的挖掘利用仍以基础性的业务管理分析为主,而增值情报价值的挖掘较少.为拓展成都文献情报中心科技查新客户群体和增值服务范围,做大做强查新业务,立足成都中心查新服务实践,依托于积累查新用户及其服务记录,在挖掘发现潜在服务对象的基础上,通过多维用户关联聚类,探讨了后期信息情报服务的精准营销与推送,分析了基于用户聚类的服务推荐存在的不足,展望了挖掘更多需求信息的推荐路径.     

基于差异信息量的多源数据融合方法

D-S证据理论可应用于多源数据融合领域，但在处理高度冲突的证据时，可能会出现反直觉的结果.为解决这一问题，本文提出了差异信息量的概念及融合方法.首先，通过信息熵表明证据的相对重要性，采用散度获取证据可信度.然后利用证据可信度优化证据差异度以得到差异信息量，经过计算获取数据的最终权重，并将其作为D-S证据理论中的基本概率分配进行决策.在处理冲突证据、一致证据及不同数量证据等方面的数据融合问题时与其他方法对比，所提方法收敛更快，准确度更高.故障诊断的应用实例表明，所提方法的不确定性更小，优于现存的其他方法.     

非均匀断层上的破裂传播及对震级预测的挑战

针对发震断层上的潜在地震开展震级和地表震动预测,对开展地震灾害区划、防震减灾等工作十分关键.由于断裂带本身的多种非均匀性,如断层几何、介质结构、应力的非均匀分布,准确预测震级面临着众多挑战.本文简要回顾了影响地震破裂传播及震级的因素,指出了应力分布状态、断层孕震带尺度、断裂带介质结构对破裂传播过程的影响.在非均匀应力分布下,震级对破裂起始位置(震中)具有强烈的依赖性,即震中-震级存在“测不准”关系,震中对破裂是否延伸到地表也有控制作用.走滑断裂带孕震带尺度(在倾向上的深度)对破裂是否发展为“逃逸型”大地震有控制作用.近断裂带的介质结构对破裂方向性、延展尺度都有显著影响.未来可通过密集地震台阵观测获取高分辨率断裂带结构,并结合实验室流变性质测量,推断发震断层的流变结构,为刻画可能发震的凹凸体提供支撑.针对震中对震级的影响,可以通过破裂动力学模拟,结合大地测量观测、地震学观测、实验室摩擦实验结果,进行数值实验,探索可能发生强震的震中区域,为野外观测提供参照.此外,动力学数值模拟结果也可以弥补大地震近场地表震动观测数据缺乏的不足,为开展基于地震物理过程的灾害区划提供参考.     

基于不平衡数据的公司破产预测研究

整合创新数据预处理技术与集成算法利用不平衡数据探讨了公司破产预测问题。首先，运用冗余信息处理方法、不同抽样方法等对不平衡数据进行预处理。其次，以5.0分类器（Classifier 5.0,C5.0）决策树和单隐层前馈神经网络作为基分类器，分别与三类重抽样数据预处理技术结合，择出最优抽样法。再次，结合自助汇聚法提升分类效果，并运用十折交叉验证的受试者操作特征曲线的下方面积进行评价，对比了两基分类器的集成模型。最后，运用加利福尼亚大学尔湾分校数据库中一万多家波兰制造业公司的实际数据进行实验验证。实验结果表明：欠抽样或人工少数类过采样法与神经网络结合的集成模型分类效果最优，为企业实施破产预测提供积极支撑。     

基于XGBoost的房价预测优化（英文）

客观来说，房价受到诸多因素的制约，正因如此，房价预测仍然是数据分析中一个非常经典且具有挑战性的问题.本文针对房价数据冗余，在实际场景中很难确定重要特征，提出了一种创新的数据预处理方式，并通过双模型迭代拟合的方式进行数据预测.首先从数据意义、数据形式和数据关联性三个方面进行初始数据预处理，然后根据数据选择适合的模型进行训练.在传统机器学习中，Random Forest和XGBoost是两种常用的方法.RF模型通过其Bagging过程，能够准确地评判“冗余”特征，而XGB模型在提高预测效果的同时，也囿于其泛化能力下降，无法稳定地反映特征重要性.因此，本文利用RF模型处理冗余数据，并使用XGB模型对新数据集进行拟合提高预测效果.本文在Kaggle竞赛的数据集（"House Prices-Advanced Regression Techniques"）上进行了实验，测试结果显示，XGB回归模型最终的回归精度R²为87%,而单独的RF模型或XGB模型的R²分别为79.2%和78.7%.实验证明，该数据预测方法能够明显提高房价预测效果.同时，为充分体现模...     

基于多阶段退化建模的谐波减速器实时可靠性评估与寿命预测

谐波减速器是工业机器人的关键核心部件,其可靠性的实时评估和剩余寿命预测对于提升工业机器人的工作性能和健康监管具有重要意义.作为一种复杂的高精度机械部件,其退化过程表现出明显的多阶段性特点.因此,针对谐波减速器的退化特性,提出基于Gamma过程的多阶段退化模型对谐波减速器性能退化过程进行精确描述.首先,根据谐波减速器退化趋势的变化,进行多阶段退化过程的划分;然后采用历史性能指标数据,基于最大皮尔逊相关系数准则估计模型先验分布的超参数,建立基于Gamma过程的多阶段退化模型.在此基础上,针对在役设备的实际运行特点和工程现场中性能指标数据获取困难的问题,提出采用振动特征来建立高斯过程回归模型,对性能指标值进行精准预测以实现对退化模型后验分布参数的实时更新.最后在此基础上对谐波减速器进行实时可靠性评估和剩余寿命预测.通过对谐波减速器可靠性实验数据的分析表明,所提出的方法能够实现可靠性的实时评估,并且与单一阶段退化模型相比,该方法对剩余寿命的预测精度更高.