一种基于会话聚类算法的Web使用挖掘方法

Web使用挖掘作为数据挖掘的一个重要任务,有助于了解用户群体的特征,从而为其提供个性化服务.提出了一种基于用户会话聚类的Wei使用挖掘算法.首先,对Web日志预处理采用基于时间窗的用户会话识别方法,提出了一种基于三元组的用户会话表示方法,并在此基础上给出了基于网页语义相似性的会话处理方法,该方法能够在保持用户兴趣不变的情况下有效降低会话维度;其次,提出了一种基于时间及频次的用户会话相似性度量方法;最后,设计了一种两阶段PS-KM会话聚类算法,先用PSO方法进行全局搜索再转入基于K-means方法的局部聚类过程.仿真表明了算法的有效性.     

基于网络日志的数据挖掘预处理改进方法

对网络日志数据挖掘预处理技术进行研究,针对Frame页面过滤方法与超时阈值设定进行分析,提出了应用ID3算法改进Frame页面过滤过程中丢失SubFrame页面信息且需要进行站点提升步骤。在超时阈值的设定方面采用动态修正方法,提高预处理技术对长时间会话的识别能力的改进方法。通过实验验证,该方法有效地减少了预处理过程中的信息丢失,同时提高了挖掘结果的精度。     

Group decision-making method based on entropy and experts cluster analysis

According to the aggregation method of experts’ evaluation information in group decision-making,the existing methods of determining experts’ weights based on cluster analysis take into account the expert’s preferences and the consistency of expert’s collating vectors,but they lack of the measure of information similarity.So it may occur that although the collating vector is similar to the group consensus,information uncertainty is great of a certain expert.However,it is clustered to a larger group and given a high weight.For this,a new aggregation method based on entropy and cluster analysis in group decision-making process is provided,in which the collating vectors are classified with information similarity coefficient,and the experts’ weights are determined according to the result of classification,the entropy of collating vectors and the judgment matrix consistency.Finally,a numerical example shows that the method is feasible and effective.     

基于数据场联合PRI变换与聚类的雷达信号分选

基于脉冲描述字进行雷达信号分选时,传统聚类算法需要预先人工设定聚类中心和聚类数目。针对该问题,提出一种基于数据场理论联合脉冲重复间隔(pulse repetition interval,PRI)变换与聚类的雷达信号分选新方法。首先,依据数据场理论,基于势值大小实现干扰点剔除,而后利用PRI变换算法进行PRI估计,依据PRI估计值将归一化脉冲描述字数据预分类,进而以各类数据集中心间的欧氏距离小于辐射因子为准则进行类别合并,自动得到初始聚类中心和聚类数目,最后通过改进K-Means算法完成聚类分选。仿真实验表明:所提方法能够应对存在频率捷变,重频参差、抖动、参数交叠、局部脉冲丢失的复杂信号环境,分选正确率明显提升。     

同时考虑决策单元竞争与合作关系的DEA交叉效率评价方法

为解决交叉效率方法中存在的多解问题,进取型权重与仁慈型权重方法被提出,所有决策单元要么同时被视为盟友,要么同时被视为敌对方,这并不完全符合各决策单元的个人意愿.因此,提出一种竞合DEA交叉效率方法,将所有决策单元分为若干组,各个决策单元的偏好权重能最大化盟友的总效率而最小化敌对方的总效率.这种权重选择策略体现了不同决策单元的个人偏好,故可以更方便地应用于实践中.最后,通过一个算例演示了这一方法.     

一种基于满意与公正的群决策方法

在群体决策问题,如何将群成员的偏好集结构群体的偏好并构造一个群体的效用函数是基于效用函数的群决策方法的核心问题,本文给出了公正和满意的概念和测度方法,提出了一种基于满意和公正的群体效用函数构造方法,并通过求解一个规划问题来获得群体效用函数。     

一种基于神经网络和决策树相结合的数据分类新方法

提出了一种将神经网络和决策树相结合的数据分类新方法。该方法首先依据属性重要性将属性进行排序,然后通过RBF神经网络进行属性裁减,最后生成决策树,并抽取出规则。与传统的决策树分类方法相比,此方法可依据属性重要性直接生成最小决策树,避免了树的裁减过程,大大加快决策树的生成效率,并进一步提高了规则的预测精度。该方法适用于大规模及高维属性的数据分类问题。     

考虑撤单率的电商配送服务能力自建与外包博弈模型与求解

针对在线冷静期内产生消费者撤单行为情况下电商配送服务能力的自建与外包决策问题,引入撤单率,从是否进行合作的角度给出了完全合作博弈、完全非合作博弈和不完全非合作三种合作强度的动态博弈模型,并将其中两种情形划分为三阶段动态博弈过程,采用逆向递归法求解这两种情形下各子博弈均衡解,得到了在线购买环境下电商配送服务能力自建与外包的最优解集.进一步地,在第三种情形下设计了成本分担、利润分配以及风险规避三种子博弈模型,以增强模型的灵活性.数值算例与分析表明电商配送服务能力博弈中,电商决策者能够有效实现撤单行为与成本变动影响下动态博弈的帕累托优化.     

一种考虑子公司竞合关系的跨国公司固定成本分摊方法

跨国公司固定成本分摊结果直接关系到跨国公司、子公司以及子公司所在地税务机关的利益,因此如何合理分摊跨国公司固定成本引起相关各方的关注.本文从跨国公司的特点出发,提出一种考虑子公司间竞争和合作(竞合)关系的跨国公司固定成本分摊方法.首先,以被广泛认可的公平交易原则为基础刻画成本分摊约束集,并指出其与数据包络分析中的有效成本分摊集是一致的.其次,在公平交易原则约束下,根据先最大化集体利益进而最大化个体利益的思路,设计相应的跨国公司成本分摊模型.最后,利用2013年某跨国石油公司的数据对方法进行验证.结果发现决策单元(DMU)规模影响在成本分摊结果得到体现,有利于分摊方案被DMU接受;同时发现联盟策略并不能保证所有DMU都能够获得比中立策略更优的成本分摊结果,但DMU联盟策略在大部分情况下有益于改善其分摊结果;此外发现迟钝型DMU更适合采取中立策略,而敏感型DMU则适合采取竞合策略.研究为解决跨国公司固定成本分摊问题提供了一种可行的思路,可为相关决策者提供有效的决策支持.