基于BP神经网络的高知识群体失业率预测研究

基于MATLAB仿真平台建立了高知识群体失业率预测的BP神经网络模型,应用数据插值及曲线拟合的方法,补充了高知识群体失业调查中未采集与未公布的数据,解决了失业率预测中的不完全数据问题,训练集和检验集与实际失业数据的仿真实测误差符合实用要求,有效提升了高知识群体失业预测的精确度.     

失业保险方案优化实施的Bayes决策

下岗和待业是当前我国的社会热点问题,做好失业保险这项工作无疑是一种很有意义的事,本文运用Ｂａｙｅｓ决策方法探讨了失业保险方案的优化实施问题。在适当的条件下导出了最优的参试单位数及最优安排。     

我国目前结构性失业成因的经济学分析及对策

自改革开放以来,中国经济持续高速增长,与此同时,失业率却不断上升。在我国众多失业类型中,结构性失业成为主要矛盾。结构性失业是诸多经济、社会因素综合作用所致,其中经济改革以及开放型经济的发展是导致劳动力供求结构不一致的主要原因,提出加快农村富余劳动力转移,加强政府调节,抓好就业培训等相应对策。     

从市场经济共性的角度把握马克思的失业理论

失业是商品经济发展的产物,与社会制度无关,资本有机构成的提高是失业的重要原因,失业的形式在不同的发展阶段有不同的表现,失业对社会经济发展有重要的积极作用,但也不能忽视其消极作用,必须认真对待。     

新时期失业弱势群体社会支持政策机制的建构

弱势群体问题已成为我国社会生活中日益凸出的严重社会问题。在弱势群体构成中，失业群体居首位。失业弱势群体的出现，对社会有举足轻重的影响，政府应出台相关政策以支持失业弱势群体。     

我国城镇登记失业率的因素相关性分析与数学模型

本文运用SPSS的相关性分析了城镇登记失业率有关的一些经济指标,通过相关性分析去除了那些与失业率不太相关的指标,得到了影响城镇登记失业率的8个重要指标。接着建立了城镇登记失业率的非线性多元回归数学模型,得到了拟合优度较高达到0.996的模型,并对多元回归模型给出了相关分析,得到对城镇登记就业率影响比较大的是城镇化率,其次分别是第三产业占GDP比重、城镇固定资产投资和市场化程度。     

试论我国失业职工的安置

本文介绍了我国失业的现状和今后的发展趋势，说明了产生失业的原因，论述了如何安置好我国企业失业职工的途径。     

吉林省劳动力人口增长与就业、失业现状分析

依据吉林省人口普查数据,分析了吉林省劳动力人口增长变化趋势对就业、失业以及非经济活动人口现状的影响,认为目前吉林省的失业率还处于较高水平,就业形势依然严峻,政府必须采取积极的态度和必要的措施来改善当前吉林省的就业状况。     

我国“高学历失业”的表现及特征分析——以吉林省为例

所谓“高学历失业”是指具有大专（含大专）以上学历者失业,是一种知识人群的高层次失业。吉林省作为高等教育比较发达的省份但经济相对落后的省份,“高学历”失业现象存在而且较为严重,本文针对吉林省“高学历失业”的主要表现及基本特征进行分析,目的在于增强政府相关部门和社会的重视。     

基于核主成分与加权支持向量机的福建省城镇登记失业率预测

选取了影响失业率的19个指标,构建了基于核主成分分析与加权支持向量机的预测方法,给出了具体的预测步骤,并用此方法对福建省城镇登记失业率进行了预测研究.研究结果表明,由于所用预测方法考虑了指标的相关性及不同时期样本的不同重要性并进行了简化降维,拟合及预测都达到了很高的精度,其相对误差都小于1{\%},说明用核主成分分析与加权支持向量机来预测失业率是可行且有效的,并可将其推广到其它领域的预测问题.