可持续供应链管理对中小制造企业朴素式创新的影响研究

基于可持续供应链管理视角,对6家企业进行定性探索和295家制造业中小企业进行实证检验,分析制造业中小企业朴素式创新的主要影响因素。研究表明:在可持续供应链内部管理方面,内部环境管理与内部社会责任管理会促进中小制造企业的朴素式创新;在可持续供应链外部管理方面,企业与供应商进行可持续合作会促进企业朴素式创新的开展,而企业监督评价供应商的可持续发展行为并不影响企业的朴素式创新;公司规模仅在可持续供应链内部管理对企业朴素式创新的影响中发挥正向调节作用。

资源约束情境下政策企业家的朴素式创新:网络、窗口、塑造——基于C市团委的个案分析

政策创新一直是公共部门关注的核心议题。通过构建“网络—窗口—塑造”框架,以C市团委“第二课堂成绩单”制度的朴素式创新案例为例,探讨资源约束情境下政策企业家如何推动朴素式创新,展示政策企业家在朴素式创新过程中的行为细节和动力机制。就创新路径而言,政策企业家在资源约束下与同级公共部门、专家智库等多主体进行正式或非正式互动中增强政治势能,以政治合力推进政策创新;就创新时机而言,问题流、政治流、政策流三流合一形成“政策之窗”的机会转瞬即逝,把握“前置窗口”则是完成政策创新既定目标的另一优化选择;就创新动因而言,政策创新既需要对创新主体的动因进行分析,也需要清晰地理解政策创新背后的影响机制。据此,提出针对性政策建议:政策企业家在资源约束情境下,应注重朴素式创新,通过创新的政策设计、实施方式以及资源获取方式推动政策发展和治理进程;充分发挥政策网络的作用,进行有效的资源整合;积极引导和培育公众参与,构建多方协作的政策环境。

朴素贝叶斯下新型建筑室内空调瞬态能耗预测

新型建筑通常具有较为复杂的结构,使得室内空调系统的能耗受到如建筑朝向、室内人员活动以及设备使用情况等因素影响,导致无法精准预测空调能耗。为此,提出新型建筑室内空调瞬态能耗朴素贝叶斯预测方法。采用K均值聚类(K-means clustering,K-Means)算法将新型建筑室内空调划分为除湿模式、制冷模式、通风模式、制热模式和自动模式,并分析影响空调瞬态能耗的因素,建立朴素贝叶斯预测模型,剔除空调瞬态能耗异常数据,输入至朴素贝叶斯预测模型中,实现新型建筑室内空调的瞬态能耗预测。仿真结果表明,所提方法可有效完成不同模式和运行时间下的瞬态能耗预测,与实际能耗之间的偏离程度较低,期望误差仅为2.31%,变异系数为4.76%,预测误差小。

基于树增强朴素贝叶斯的科技计划项目风险评价体系研究

为保障科技计划项目的顺利实施并实现创新目标,以浙江省宁波、丽水、温州三市为例,构建科技计划项目风险评价体系,采用树增强朴素贝叶斯方法(tree augmented naive Bayes,TAN)训练树增强朴素贝叶斯-贝叶斯网络模型(tree augmented naive Bayes-Bayesian networks,TAN-BN),对宁波、丽水、温州三市的科技计划项目进行风险评估分析,旨在辅助政府与管理者深入理解并有效应对科技项目执行过程中的风险,以保障科技项目按计划完成并达到预定目标。研究结果显示:风险评估模型分类性能优越,有效揭示了多维度风险因素对项目风险的影响。同时,指出可建立动态风险评估和监控机制,更有效地管理和降低科技计划项目的风险,促进项目的顺利实施和目标的实现。

一种改进隐朴素贝叶斯算法的研究

朴素贝叶斯分类器(NB)由于结构简单,计算高效而被广泛应用,但它不能充分利用属性间的依赖关系,有一定的局限性.因此,隐朴素贝叶斯分类器(HNB)通过为每个属性引入一个隐藏父节点,将各个属性之间的依赖关系都综合其中,使属性间的依赖关系得到了利用.但隐朴素贝叶斯分类器忽略了属性对与该属性的依赖关系,故在此基础上提出一种改进算法--双隐朴素贝叶斯算法(DHNB),使属性对与该属性的依赖关系得到了充分的利用,并提出一种新型的阈值定义法,使得选取的阈值让分类精度与时间复杂度的比值为最大,缓解了算法时间复杂度和分类精度之间的矛盾.然后将改进的算法在UCI数据集上进行仿真试验,结果表明其分类性能优于HNB和NB,该方法具有较好的适用性.

“朴素式创新”范式中蕴含的中国传统朴素哲学思想

如何以有限的资源创造出更多的价值是朴素式创新的核心使命。在发达社会和大型跨国企业所推崇的工具理性和技术主义盛行的时代,"小"的和"简单"的朴素式的创新行为更多地体现出中国传统哲学智慧的价值取向。分析朴素式创新范式中所蕴含的传统朴素哲学思想,我们会发现,儒、道、法等各家对朴素的阐释虽各有侧重,但基本的朴素哲学及其价值观都是一致的,进而可推及对资源的珍惜和对民生和安全的重视,并由此引申出可持续发展的智慧。朴素式创新必须尊重天道与自然;要务本,致力于社会价值的增量和民生幸福;同时还要尚俭与尚简。探索朴素式创新可以为中国企业创新模式提供文化和哲学上的支撑。

基于微震监测和概率优化朴素贝叶斯的短期岩爆预测模型

岩爆是地下岩土工程中常见的地压灾害。为实时准确地预测岩爆,提出一种基于微震监测和概率优化朴素贝叶斯的短期岩爆预测模型。首先,以114组岩爆样本数据为基础,结合相关特征选择算法选取累计微震事件数、累积微震能量、累积微震视体积和累积微震能量率4项微震参数作为预测指标。其次,为最大程度地削弱朴素贝叶斯算法的条件独立性假设,采用指标相关重要性赋权法和相似度函数从属性赋权和实例赋权两方面优化条件概率,并针对条件概率赋权后可能引起的决策失衡问题,引入马氏距离补偿先验概率损失,进而提出一种带有条件概率加权和先验概率补偿机制的概率优化朴素贝叶斯算法预测岩爆烈度等级。最后,从模型评估、模型比较和工程验证3个方面检验模型的准确性和可靠性。研究结果表明,所提模型预测准确率为86.96%,预测性能优于其他机器学习模型,可为实际工程的岩爆预测提供科学依据。

基于四分位-MAD和朴素贝叶斯的风电数据处理方法

针对风电机组运行数据存在的异常和缺失问题,提出了一种基于四分位-MAD和朴素贝叶斯的风电数据处理方法.文中对实际风功率数据进行研究,分析风速-功率的分布特征,建立了四分位-MAD异常数据识别模型进行异常数据识别,并利用识别后的正常数据构造朴素贝叶斯分类器对剔除的异常数据和原始缺失数据进行补偿.仿真结果表明,所述异常识别方法能够有效识别不同分布类型的异常数据,采用所提补偿方法可以有效补偿数据且改善了数据完整性;经过上述方法处理后,风电功率的预测精度较数据处理前提高了17%,验证了所提方法的可行性和有效性,对风电场功率预测研究具有一定的现实应用价值.

基于时频域特征和朴素贝叶斯的滚动轴承故障诊断方法研究

【目的】为了解决滚动轴承故障特征提取困难、诊断性能偏低的问题,提出了一种基于时频域特征和朴素贝叶斯的故障诊断方法。【方法】首先,通过局部均值分解方法对原始振动信号进行处理,获得多个乘积函数分量。其次,基于原始振动信号和各个乘积函数分量,提取时频域特征,并采用主成分分析实现特征降维,获得低维敏感特征。最后,依据低维敏感特征集,结合朴素贝叶斯模型,实现对江南大学—机械工程学院滚动轴承数据集的分析。【结果】实验结果表明,该方法相较于传统朴素贝叶斯准确率高39.49%,相较于主成分分析准确率高5.94%,由此得出该方法对滚动轴承故障的诊断表现较好。【结论】对于传统的单一的故障诊断模型,基于时频域特征和朴素贝叶斯的故障诊断模型具有更高的准确率,解决了滚动轴承故障特征提取困难、诊断性能偏低的问题。

一种应用于智能分诊的改进朴素贝叶斯方法

针对朴素贝叶斯分类方法(naive bayesian model,NBM)在应用于门诊智能分诊时,无法有效区分不同类型的症状涉及的疾病学科范围不同问题,提出了一种朴素贝叶斯分类方法的改进算法,引入IDF因子,为不同的症状类型提供相应的权重。首先,基于权威医疗文献,收集整理诊断学相关的语料作为训练数据集,然后,基于朴素贝叶斯分类方法计算先验概率、类条件概率,训练生成不同症状的IDF因子,最后,在进行分类判断时对不同的症状组合引入IDF因子,平滑不同类型症状的重要程度。在智能分诊准确性对比实验中,改进后的算法召回率提升约11%,明显高于朴素贝叶斯分类方法。

基于朴素贝叶斯的配电终端数据联合分层加密

为完善配电终端数据密文模板,缩短配电终端数据加密耗时,提出了基于朴素贝叶斯的配电终端数据联合分层加密算法。根据朴素贝叶斯模型建立决策树组织,联合已输出的配电终端数据求解挖掘深度指标的具体数值,完成对配电终端数据的处理。按照数据分层标准,创建密钥文本模板,再通过计算加密系数的方式,实现基于朴素贝叶斯的配电终端数据联合分层加密。对比实验结果表明,在朴素贝叶斯模型的作用下,配电终端数据输出量达到9×109MB时,所需加密时长仅为27.3 ms,利用该方法定义密文模板的完善程度明显更高,加密耗时较短。

面向水质分类的分组降维核朴素贝叶斯模型

为提高贝叶斯模型在实际数据中处理相关性维度时的效率、精度,并保持其可解释性,本文提出一种改进的核朴素贝叶斯模型。首先通过关联规则挖掘相关维度子集,然后对这些子集进行降维处理,利用降维后的数据构建核朴素贝叶斯模型。实际应用的结果显示,该模型减少了降维对数据的影响,在保留有效信息的同时,提高了模型的可解释性。

基于朴素贝叶斯的医院信息安全态势感知系统设计

医院信息安全态势感知系统在受到网络攻击时,数据的分析处理存在过拟合情况,系统的信息分析能力存在不足。为此,设计基于朴素贝叶斯的医院信息安全态势感知系统。以原有的感知系统整体架构作为基础,在数据采集部分设计输入保护环节,并重新规划数据采集步骤;利用朴素贝叶斯设计分类模型,感知医院信息安全态势类别,根据医院信息分布特点与态势评估因素计算态势评估值,结合态势类别实现对医院信息安全完整的感知。实验结果表明:所设计系统能够保证信息的完整度在90%以上,信息增益明显,有效提高了该系统的信息分析能力。

基于朴素贝叶斯算法的电力数据合规风险智能监督方法

针对现有电力数据合规风险监督方法召回率、查准率较低,误报率较高等问题,研究引入朴素贝叶斯理论,提出并设计了一种电力数据合规风险智能监督方法。首先对电力数据进行采集及预处理,然后针对预处理后的电力数据完成电力数据合规风险特征提取,最后引入朴素贝叶斯算法,构建电力数据合规风险评估模型,实现对电力数据合规风险的智能监督。实验结果表明,应用所提方法后召回率在92%~95%,查准率高于93%,误报率仅为2%,优于对比方法,可对电力数据合规风险进行准确评估,具有较高的应用价值。

量子模糊朴素贝叶斯分类算法

以传统朴素贝叶斯算法为基础,研究并提出一种高效、准确的量子模糊贝叶斯分类算法。首先将“模糊集合理论+朴素贝叶斯理论”交叉融合,定义模糊先验概率、模糊条件概率,将朴素贝叶斯推广至模糊朴素贝叶斯,构建模糊贝叶斯模型;其次,将“模糊贝叶斯模型+量子计算”交叉融合,将模糊数据集量子化(编码到量子态上)并设计量子线路,提出一种量子模糊朴素贝叶斯分类算法;最后,将该算法应用到鸢尾花数据集。仿真实验表明,与传统朴素贝叶斯分类算法相比,该算法具有较高的分类效率和准确率。

基于Rosenblatt变换的朴素贝叶斯改进

朴素贝叶斯分类器作为一种简单实用的分类算法被应用到了很多领域,但朴素贝叶斯的条件独立性假设给其带来预测效率提升的同时也牺牲了一些预测的精确性,因此,很多关于朴素贝叶斯的改进算法应运而生.本文利用Rosenblatt变换,得到相互独立的协变量,并将其与类别变量构建朴素贝叶斯分类模型,以较大程度提升朴素贝叶斯的分类效果.同时,为了提升稳定性,本文还通过PC算法挖掘协变量中存在的条件独立性关系,进一步简化Rosenblatt变换.我们把通过这样的方式构建的朴素贝叶斯分类模型称之为Rosenblatt-Naïve Bayes模型.这种模型既考虑了协变量之间存在的关联性,又使得最终的分类模型维持了朴素贝叶斯精简的结构,同时相对于朴素贝叶斯在预测的精度和模型的稳健性上都有较为显著的提升,本文也从大量的数值模拟以及实证分析对比中得到了验证.

基于相关系数的加权朴素贝叶斯分类算法

朴素贝叶斯分类算法的条件独立性假设在很少情况下能够满足,为了克服该问题,提出了一种基于相关系数的加权朴素贝叶斯分类模型.通过计算条件属性和决策属性之间的相关系数,对不同的条件属性赋予不同的权重,从而在保持简单性的基础上有效地提高了朴素贝叶斯算法的分类性能.首先给出了基于相关系数的属性权值求解方法,然后描述了相应的算法,并对算法原理进行了分析与证明.通过在中医小儿肺炎病例数据集和UCI数据集上的仿真实验,验证了该方法的有效性.

基于朴素贝叶斯模型的电子证照用证智能推荐

数字政务是数字政府建设中的重要组成部分,研究电子证照智能服务有助于数字政务改革。结合朴素贝叶斯模型与某省政务数据构建用证预测模型,并对模型的有效性进行检验。结果表明:法人类型高频办件前10种组合占全部组合的49.46%,远高于个人类型政务服务事件;全省范围内个人用证、法人用证推荐准确率分别可达到53.22%、68.51%,按地市构建模型能够有效提升准确率,部分区域准确率最高可达96.24%;缩小判定政务服务事件先后关系时间窗口,推荐准确率明显降低。研究结果表明了研究方法的有效性,有关方法和结论对提升政府效能具有支撑参考作用。

基于Rough Set的加权朴素贝叶斯分类算法

朴素贝叶斯算法是一种简单而高效的分类算法,但其条件独立性假设并不符合客观实际,这在某种程度上影响了它的分类性能。加权朴素贝叶斯是对它的一种扩展。基于Rough Set的属性重要性理论,提出了基于Rough Set的加权朴素贝叶斯分类方法,并分别从代数观、信息观及综合代数观和信息观的角度给出了属性权值的求解方法。通过在UCI数据集上的仿真实验,验证了该方法的有效性。

基于朴素贝叶斯分类器的中文论文自动分类算法

本文针对人工分类论文准确性、一致性较低,并且时间、精力耗费较大等问题,提出一种基于朴素贝叶斯分类器的中文论文自动分类算法。该算法根据TF-IDF值,从论文的标题、关键词、摘要和刊名中提取特征词,构建论文特征词向量,将其作为朴素贝叶斯分类器的分类依据。并假设论文特征相互独立,降低了算法复杂度和模型训练难度,能够获得较高的分类正确率。试验结果表明,该算法的分类正确率在83%以上,具有较高的准确性和一致性,能够有效辅助人工进行论文分类工作。