基于多维数据分析的历史建筑评估系统研究

本论文采用多维数据分析方法,针对历史建筑建立数据仓库,用数理统计的新方法如结构方程模型,来科学迅速地确定历史建筑评估体系中各项指标的系数,这是历史建筑评估工作定性和定量的根本保证。这样形成一套科学的、可操作的评估模式,可以有效降低历史建筑开发的风险,对于城市发展建设意义重大。

基于投影寻踪和聚类分析的多维数据可视化

将投影寻踪的方法引入到多维数据处理中,先对多维数据降维,再用聚类法来分析降维的数据,进而得到直观的结果,开辟了一条新的处理多维数据的途径。

基于结构方程模型的两类信息安全风险综合评估

针对技术方面的安全风险和人的弱点的安全风险以及以前的风险评估都是分开进行的情况,指出了现实的信息安全风险往往是技术问题与人为因素密不可分的,因此需要综合评估。分析了两类信息安全风险的评估要素,阐述了建立综合评估指标体系的原则,基于结构方程模型给出了具体的评估指标体系,介绍了模型的确定性算法,在评估的基础上讨论了综合防范的原则和措施,这对于信息安全风险的评估和防范具有一定的参考价值。

基于潜变量回归模型的城市火灾风险评估

为评估城市火灾风险等级,针对城市火灾发生的可能性与严重性2个基本问题,建立评估指标体系,提出一种基于潜变量回归的评估模型,并给出无须迭代的确定性算法。该模型和算法无需事先指定风险等级评估分数的训练样本,不必事先指定指标汇总的加权系数,利用合理的配方约束,完成潜变量回归,实现城市火灾风险按地区或者按行业的等级评估,利用现成的软件计算,同样适用于其他具有类似数据结构的评估问题。

历史建筑评估中的结构方程模型研究

历史建筑评估是历史建筑保护工作中的重要一环,评估中指标体系的权重系数是保证评估工作客观有效的重要因素。在历史建筑评估工作中引入结构方程模型,科学确定历史建筑评估体系中各项指标系数,这是历史建筑评估工作定性和定量的根本保证。

历史建筑价值评估的汇总模型

历史建筑的价值需要由专家评估,评估分数需要汇总,汇总的权系数可以根据样本科学计算确定。该文首先讨论了最基本的汇总模块,依据因子分析和路径分析的思想和最小二乘法则,借助于单位向量约束和配方约束的适当组合,计算出汇总的权重系数。然后利用这一成果,就多个汇总模块并联的情况即著名的结构方程模型给出了新的简便的确定性算法,并给出算例。

顾客满意指数分析方法研究若干进展

顾客满意指数(CSI)模型属于社会心理学范畴,需要根据观测样本进行测度计量,但是由于模型属于不确定性方程组,已有的算法和公式存在一些问题需要解决:CSI模型的偏最小二乘(PLS)算法不一定收敛,或者收敛速度太慢;一些文献给出的CSI最后计算公式有的缺乏统计稳健性,有的不够全面;现实工作提出了多层顾客满意指数模型问题,需要给出算法。本文介绍我们所在课题组在这些方面的研究所取得的成果:找到了PLS最佳迭代初值,极大提高了收敛速度;进一步给出了基于最小二乘和配方回归的CSI模型的确定性算法;给出了稳健而全面的CSI最终计算公式;给出了多层满意指数模型算法。成果已经在一些单位使用推广。

基于GARCH模型的网络新闻与舆情的波动性分析

网络新闻产生的舆情波动一般具有异方差特征,难以用普通模型拟合。由诺贝尔经济学奖获得者恩格尔教授提出的条件异方差(GARCH)模型在分析证券价格波动性方面获得极大成功。本文利用GARCH模型分析网络新闻与舆情的波动性,通过典型事件的舆情采集,分析数据的特征。研究表明,网络新闻与舆情的波动性符合GARCH模型的特征,通过参数的调整和检验,可以实现模型与数据的良好拟合。

自组织路径约束神经网络结构与算法

将结构方程模型(SEM)改造成自组织神经网络,基于路径约束提出改进的偏最小二乘算法,它使用一个带单位向量约束的迭代初值,从而形成新型的自组织路径约束神经网络(SPCNN),进一步描述了SPCNN的拓扑结构和功能,给出了SPCNN的学习算法,包括常规算法和带有初始权值的算法。

结构方程模型的约束最小二乘解与确定性算法

研究了结构方程模型(SEM)的约束最小二乘解(CLS),从分析SEM的观测方程组入手,发现了这个不定方程组的结构变量与观测变量必须满足的最小二乘关系,在对结构变量有固定模长参数约束的条件下,求出它的一组模长约束最小二乘解(MCLS),MCLS可以作为求解结构方程组的偏最小二乘(PLS)迭代初值,在求得MCLS以后,在观测方程组中改变结构变量的模长,使得每个结构变量所对应的与观测变量的路径系数满足配方条件,是更为合理的约束,它可以保证结构变量与所辖的观测变量同质,尽管观测方程组是不定方程组,但是根据误差平方和最小以及对路径系数的配方约束,使得MCLS求解为合理的确定性算法,然后再对结构方程组直接求解,也是确定性算法,这就解决了结构方程模型求解的唯一性问题。