信托—优化企业融资结构新途径

分析了我国公司融资结构的现状，指出我国企业融资结构存在着严重的二元结构问题，即上市公司偏好股权融资，非上市公司偏好债务融资。针对上述情况，提出了信托融资，并分析了信托融资的特点和优势，得出了信托融资是一个好的融资途径，并提出了发展信托融资的一些政策建议。     

P2P文件共享系统中Peer的行为评价

以节点的行为评价是信任研究的基础为切入点,在严格遵循纯P2P系统信任机制建立的限制条件的基础上,综合运用表现序列和概率统计中即时估计、总体估计等数学理论知识,最终提出了对P2P共享文件系统中的Peer行为的一套评价预测方法.分析表明,该方法产生的误差在允许范围内.从而,能够为P2P系统准确、广泛、长时间的得到应用提供良好、完备的信任机制.     

基于用户多维度信任的冷启动推荐模型

在传统协同过滤(collaborative filtering,CF)算法中存在着用户冷启动低效推荐问题,基于社交信息的社会化推荐算法通过引入用户的社交关系来缓解冷用户的数据稀疏问题,具有很好的研究应用前景。但该算法对用户间的信任度量较为片面单一而难以准确地对冷用户做出个性化推荐。针对此缺点,从不同维度量化分析了影响用户信任的因素,理论推导出用户多维度信任度量模型,将该模型计算得到的用户综合信任与传统协同过滤中的用户评分相似度值进行有效线性融合,提出了一种基于用户多维度信任的冷启动推荐模型。通过使用真实数据集Epinions并采用留一法进行实验对比分析。实验结果表明,提出的模型在对冷启动用户的推荐中,其平均绝对误差(mean absolute error,MAE)、覆盖率(rating coverage,RC)和F1值(F-measure)3个评估指标相比其他算法有了明显改善。     

求解非光滑优化问题的修正HS三项共轭梯度法

为了提高大规模非光滑优化问题的求解效率,克服其他方法存储需求大、算法复杂等缺点,提出求解非光滑优化问题的一种修正HS共轭梯度算法。在经典HS三项共轭梯度法的基础上提出一种新的搜索方向,并利用Moreau-Yosida正则化技术和Armijo-type线搜索技术进行设计。新算法满足充分下降条件,搜索方向属于信赖域,在适当条件下证明了新算法全局收敛。初步的数值实验表明新算法在求解非光滑无约束优化问题方面比LMBM方法更有效。新算法不仅具有较好的收敛性质,而且数值表现良好,为更加高效地求解非光滑优化问题提供了新的方法。     

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.     

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.     

中小企业集合资金信托探讨

分析了中小企业融资现状,论述了中小企业集合资金信托及融资特点,并以实例介绍了杭州和上海首个中小企业集合资金信托。     

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.     

一个新的非单调自动确定信赖域半径的信赖域算法

将非单调线搜索技术与自动确定信赖域半径的方法相结合,提出了求解无约束优化问题的一个新的非单调自动确定信赖域半径的信赖域算法.在假设对任意x1∈Rn,水平集L(x1)={x|f(x)≤f(x1)}有界,且目标函数f(x)在水平集L(x1)上连续可微;矩阵序列{Bk}一致有界的条件下证明了本算法的全局收敛性.数值结果显示本算法是有效的.