基于模态符号数据分析的混合推荐算法

传统混合推荐算法基于点数据来描述用户模型,存在信息丢失、难以统筹考虑用户所有偏好信息等问题,严重影响了推荐系统的质量和效率。针对该问题,以符号数据为基础,建立了基于模态符号数据分析的混合推荐算法。用模态符号数据对用户建模,引入模态符号数据的距离度量计算用户兴趣模型间的相似性,同时整合用户人口统计信息的相似性,形成用户的综合相似性,最终完成推荐。实验结果表明论文方法在应对数据稀疏性及新用户问题时,具有更高的推荐精度。     

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。     

基于VRS的SE-DEA模型可行性的研究

通过一种改进的DEA模型——SE-DEA模型可以对决策单元进行充分比较和排序，但在可变规模收益(VRS)条件下，这种模型可能不存在可行解，定义了超有效和强超有效决策单元，对基于VRS的SE-DEA模型的可行性进行了研究，证明了评价某决策单元的SE-DEA(VRS)模型是不可行的充分必要条件是该决策单元为超有效，给出了用SE-DEA(VRS)模型对决策单元进行评价与排序的方法步骤，将决策单元按强超有效、超有效、一般有效和非有效进行排序，最后将这些理论与方法应用于评价产业经济相对有效性的实际。     

一种区间PCA的效度分析方法

关于区间数据的主成分分析(PCA)方法已取得了较丰富的研究成果,但少见对这些方法效度的评价研究.针对该问题,基于Hausdorff距离用于定义两个紧集之间距离的考虑,将区间数视为一个紧集,定义了区间数之间的距离,并研究了区间矩阵的距离.在此基础上,根据PCA方法的原理,建立了一个区间PCA方法的效度评价指标.该指标取值在0与1之间,其取值越大,说明区间PCA方法效度越高,反之则效度越小.最后,采用模拟的方法,分别选取均匀分布和正态分布两种类型的区间数据样本,对目前最常用的两种区间PCA方法--顶点法和中点法进行了效度分析,验证了文中所提的效度指标的正确性.     

区间判断矩阵权重求解及一致性检验的目标规划模型

区间判断矩阵是区间AHP的重要构成要素．首先定义区间判断矩阵，然后在研究区间向量规范化的基础上，通过建立目标规划(GP)模型，求解区间判断矩阵的区间权重向量．该GP模型的目标值可进一步用来检验区间判断矩阵的一致性．最后给出算例分析．     

用SE-DEA模型研究决策单元分类

通过一种改进的数据包络分析(DEA)模型——SE—DEA模型，可以对决策单元进行分类，但在可变规模收益(VRS)条件下，这种模型可能不存在可行解，论文讨论了基于VRS的SE—DEA模型不可行的充分必要条件。分析了有效决策单元的超有效和强超有效特性，实现对有效决策单元的进一步分类，最后给出了用基于VRS的SE—DEA模型对决策单元进行分类的方法步骤，该分类方法改进和改善了传统的决策单元分类，可为决策者提供更加完备的决策信息。     

区间主成分分析方法的比较

简述了区间数据主成分分析(PCA)的两种主要方法--顶点法(V-PCA)和中点法(C-PCA),并对其进行了合理化改进.研究表明,两种方法的协方差矩阵有极大的相似性.在研究区间数距离的基础上,定义了一种基于Hausdorff距离的评价模型方法优劣的效度指标,并通过模拟的方法,对这两种方法进行了比较研究.结果表明:两种方法具有较强的相似性;随着变量数和样本数的增加,两种方法的效度均有所下降;在同样的样本数条件下,中点法适合变量数较大的情形,而顶点法更适合于变量数较小的情形.最后,给出了区间PCA方法选择及效度测量的应用步骤和一个算例.     

函数型数据的分步系统聚类算法北大核心CSSCI

函数型数据能够反映数据的内在规律,利用该特点可以挖掘数据更多的潜在信息。在对传统聚类算法研究的基础上,首次提出将导函数距离引入函数型数据的聚类中,设计了函数型数据的分步系统聚类算法,给出了算法的具体步骤。利用随机模拟对算法的有效性进行了检验,并针对40个国家41年的人均GDP数据进行了实例研究,结果表明,该算法能够对函数型数据进行有效聚类。此外,基于此算法提出了一种函数型数据的数据补齐方法,实例研究结果表明,该预测方法能够对函数型数据进行有效地补齐。     

改进的DEA模型及其在地区行业经济评价中的应用

针对传统 DEA模型不能对有效决策单元做进一步评价这一缺点 ,本文通过重新定义生产可能集 ,提出一种改进的 DEA模型 (简称 MDEA) ,实现了对所有决策单元效率的充分评价与排序。在地区行业经济评价中的应用验证了该模型的有效性。     

基于线性规划的区间判断矩阵的一致性检验

区间判断矩阵的一致性检验是区间层次分析法的重要组成部分.首先构造了一个线性规划模型,基于此求解了区间判断矩阵的权向量的可行域.当该可行域为空集时,说明了矩阵的不一致性,此时为了进一步检验区间判断矩阵是否具有可接受的一致性,构造了目标规划模型,通过该模型的最优目标值可同时检验区间判断矩阵的一致性和可接受的一致性.文中同时给出了算例.