扩展的DEA模型的最优值的研究

讨论扩展的C^2GS^2(C^2R)模型的最优解的存在性，论证在一定条件下其最优值与C^2GS^2(C^2R)模型的最优值相等，讨论用扩展的DEA模型来判断决策单元的DEA有效性(C^2GS^2或C^2R)，证明若所有输入与输出都取正值，则某决策单元的阀值就等于对应的扩展DEA模型的最优值(若它存在)。     

基于扩展数据包络判别法的商业银行信用风险评估

考虑到我国商业银行样本数据分布的非正态性和多维性特点,文章将扩展的数据包络判别模型引入商业银行信用风险评估中.该模型具有非参数检验特性,通过两阶段分类过程对企业信用状况进行判别.实证结果表明,与传统的Logistic分析模型相比,扩展数据包络判别模型的预测精度更好.     

基于局部斜率更新的数据驱动动态定价策略

基于某经济型连锁酒店的实际入住数据,研究针对未知需求的数据驱动动态定价策略的应用.提出一种新的非参数的需求函数刻画方法,称为"局部斜率更新".该方法替代以往数据驱动策略中所使用的最小二乘法,得到新的数据驱动定价策略:基于"局部斜率更新"方法的短视(被动学习)动态定价策略,称为IL策略;基于"局部斜率更新"方法的主动学习动态定价策略,称为CIL策略.新方法能够克服价格内生性的难题,解决以往数据驱动策略的应用困境.数据实验表明,新方法的拟合优度接近最小二乘法.在线性和非线性需求函数形式的假设下,"局部斜率更新"方法的拟合优度与最小二乘法分别只相差7.19%和4.69%.酒店实际数据验证表明,结合新方法的数据驱动定价策略明显优于酒店经理的实际定价决策,其中IL可降低60%的后悔值, CIL可降低77.59%的后悔值.本文提出的需求函数刻画方法及结论有助于指导未知需求数据驱动收益管理理论的应用实践.     

大数据营销:综述与展望

随着追踪消费者足迹能力的增强,营销科学正经历着一场大数据的革命.为了了解大数据背景下消费者行为和营销战略的改变,此项研究结合近十余年大数据营销的有关文献,梳理了大数据营销的相关概念,类型及分析方法,并提炼出搜索、移动、口碑、数字化、APP和社会媒体等50个大数据营销的热门主题.在此基础之上,分别从互联网、社会网络、移动互联网、大数据和人工智能等四个阶段对大数据营销的研究进展进行回顾,最后围绕客户旅程,营销活动的量化评估和营销分析技术的开发三个方面对大数据营销的未来研究方向进行展望.     

HLA/RTI中分布资源的存取机制研究

HLA(High Level Architecture)作为分布交互仿真领域最新的技术规范，促进了不同领域、不同类型仿真应用的互操作与可重用，RTI(Run Time Infrastmcture)是HLA的软件实现，其运行效率直接影响仿真应用的整体性能。我们对RTI中涉及的数据资源进行了定义，探讨了资源管理所面临的问题，设计出高效存储、快速索引这些资源的存储方案，改善了RTI数据管理效率，并成功地应用于自行开发的分布仿真支撑平台AST—RTI中。     

多目标数据关联的神经网络解算

从组合优化的角度,建立了密集回波条件下多目标数据关联的数学模型,并提出连续型Hopfield神经网络解算方案,对结果进行了仿真。通过与联合概率数据关联(JPDA)方法的对比仿真,表明了该算法的有效性和快速性。     

区间数据包络分析的决策单元评价

定义了区间数据包络分析(DEA)模型。讨论了DMU的最高效率值和最低效率值的求解,从而确定决策单元(DMU)的区间效率值,并依此对DMU进行分类。建立了一个后区间DEA模型,在此基础上定义评价DMU保持其最高效率值的稳定性的指标,实现了对DMU的进一步评价。     

贝叶斯网络在战术态势评估中的应用

首先提出了一种新的战术态势评估的定义,即战术态势评估是对特定战场环境中敌方、我方、中立方所具有的各种战斗力要素的当前状态的描述和未来发展趋势的预测。接着介绍了空-地战中红方飞机与蓝方导弹阵地的对抗场景,在此基础上建立了红方飞行员通过机载电子装备的状态判断蓝方高射武器的型号和状态的贝叶斯网络,然后运用所建立的网络动态演示了在空-地战中态势评估的内容和结果,最后讨论了在战术态势评估中运用贝叶斯网络的若干问题。     

综合数据包络分析模型及其软件系统设计

针对实际问题复杂多样、范围广泛,而数据包络分析(DEA)模型本身又种类较多等特点,首先对多种常用的DEA模型进行了分类研究,指出了每类DEA模型在形式上的具体特点。以此为基础给出了一种能够包含各类模型特征的综合DEA模型和相应的目标规划模型。最后,根据目标规划模型中不同参数与不同模型之间的对应关系设计了能判断多种DEA有效性的综合算法和软件系统。     

关于复杂系统宏观与微观描述的一个结论

一个复杂系统可以从微观单元出发进行刻画，也可以从宏观角度来描写。本文一般性地讨论了这两种描述的关系，给出具有不同微观基础的宏观变量之间存在函数关系的条件，指出具有不同微观基础的宏观变量之间可能没有确定的函数关系，也不能简单地将微观变量的函数关系应用到宏观变量，要特别注意基于数据回归得到的宏观总量关系的使用条件。