基于灰色聚类的本科生生源质量评价研究

选取合肥工业大学2018年新生录取数据,确立生源结构、录取成绩以及录取志愿3部分为生源质量评价体系的关键指标.提出了基于灰色聚类的本科生生源质量评价模型,设计并实现了基于白化权函数和不同聚类指标权重的灰色聚类的计算算法,总结归纳了影响高校生源质量的相关因素.研究表明:高校生源质量及招生模式改革面对高考招生制度改革和"双一流"建设目标带来的新挑战和新机遇,合肥工业大学加强学校内涵建设和特色发展,创建一流本科教育,提高人才培养质量是关键.     

基于顾客偏好的瓶装水外观感性质量评价

从感性质量评价的角度提取13个感性质量评价词对,用于全面且针对性地评价顾客对瓶装水的偏好.以"想购买"为综合感性提取瓶装水的感性质量评价要素,结合聚类分析等方法确定7种代表性样本.基于语义差异法构建瓶装水感性质量评价量表,运用多元回归模型分析建立顾客偏好与感性评价词对之间的关系模型.关系模型解决了如何识别顾客偏好和感性质量需求,以及如何将这些偏好和需求整合到产品设计过程中的问题.     

云南高原湖泊群的统计学聚类识别 及水质响应模式研究

为探究湖泊群水质变量的响应模式,构建适用于监测数据匮乏的湖泊群聚类和响应模式识别方法体系(PCA-BN),包括4个步骤:数据预处理、PCA降维与湖泊聚类、贝叶斯网络构建及参数学习、湖泊响应关系模拟。以云南高原湖泊群为例开展研究,结果表明:所研究的26个湖泊可分为两类;由于第一类湖泊受到的人为干扰更严重,因而叶绿素a对总氮和总磷的响应比第二类湖泊更敏感;第一类湖泊表层水温高,溶解氧趋近饱和,随叶绿素a变化不显著,第二类湖泊溶解氧随叶绿素a升高而显著升高;两类湖泊的透明度与叶绿素a的关系一致。     

网络结构特征与链路预测算法关系研究

以美国航空网络、科学家合作网络和线虫新陈代谢网络等5种实际网络为例进行了综合实验,用结果数据定量化描述了同配系数、集聚系数和网络效率等网络结构特征参数,与基于局部信息和全局信息的两类链路预测方法结果之间的关系。通过对结果的分析,得到了网络同配系数为正且聚集系数大于阈值(约0.1)时适用基于局部信息的预测方法,否则适用基于全局信息的预测方法;以及集聚系数、网络效率与局部信息预测方法的结果成正比,与全局信息预测方法成反比等结论。这些结论为通过网络特征参数进行链路预测方法的选择提供了定量化的参考依据。     

基于聚类方法和神经网络的非线性系统多模型自适应控制

针对具有参数跳变的非线性系统,联合聚类算法和神经网络提出新的多模型自适应控制方法。首先对系统的输入输出数据进行模糊聚类,然后基于递推最小二乘法建立多个固定模型。为提高系统的暂态性能,同时建立两个自适应模型,并在此基础上设计鲁棒自适应控制器。此外,为了补偿系统的非线性部分,建立非线性预测模型,并设计非线性神经网络自适应控制器。所提方法可使控制切换系统具有稳定性保证。最后,通过性能指标对控制器进行平滑切换。仿真结果表明,所提方法能够保证系统具有良好的控制性能。     

带排队信息提示的呼叫中心人力资源分配方法

针对一类带有排队等待时间提示的呼叫中心人力资源分配问题，提出了基于考虑顾客放弃行为的M/M/N+M排队模型的优化方法.首先，给出了系统提示等待时间的估算方法和排队等待时间提示对顾客放弃行为(直接退出和中途放弃)影响的概率函数.其次，通过生灭过程的评估方法给出了稳态系统的性能计算公式，并且设计了基于固定点算法的人力资源水平求解算法.最后，通过数值分析给出了排队信息对顾客放弃行为和对人力资源水平的影响效果.研究结果表明，所提出的方法对具有排队信息提示的呼叫中心人力资源管理具有一定的指导作用.     

聚类分析法在地质多样性资源评价中的应用——以湖北省大别山地区为例

对地质多样性的概念、内容体系、价值、国内外研究现状等进行概述,根据地质多样性内容建立评价指标体系；并用聚类分析法对湖北省大别山地区的地质多样性资源进行评价,得出地质多样性资源分布呈纬度地带性规律.     

国内大学出版社客户投诉处理工作探析

通过对中国大学出版社客户投诉处理工作的抽样调查,分析了大学出版社客户投诉处理工作中的问题以及开展这项工作的现实意义,提出了大学出版社客户投诉处理的对策。     

基于顾客细分的中国手机市场品牌重叠测度

文章基于品牌个性和品牌定位理论，以中国大陆手机市场作为研究对象，调查了481名手机用户对七大手机品牌的品牌个性的评价；在此基础上，运用潜变量分析中的离散因子模型，进行顾客细分并对每个品牌的每个细分组进行特征刻画.并进一步从顾客细分角度量化了品牌重叠.研究结果发现七大手机品牌在品牌个性维度上的品牌辨识度不高.最后文章从理论层面总结了品牌重叠的原因以及品牌重叠未来的研究方向.     

一种应用于二进制传感器网络的目标跟踪算法

针对采用集中式粒子滤波方法解决二进制传感器网络目标跟踪问题存在的实时性较差和网络能量消耗大的缺点，提出了一种基于动态分簇的分布式粒子滤波算法。以随着目标运动而动态变化的簇为信息处理结构，簇头节点收集簇成员的单跳测量信息，实时对目标状态进行估计，非簇内节点进入休眠状态以节省能量。仿真表明，合理设置簇转换距离和激活半径，算法的跟踪精度与集中式粒子滤波方法相当；在不影响跟踪效果的情况下，可适当减小簇转换距离和激活半径，从而节省网络能量。