As the rapid development of electronic commerce in our country in recent years it is becoming focus how to use electronic commerce to realize non-distant communication of E2C and E2E which is called the second generat...As the rapid development of electronic commerce in our country in recent years it is becoming focus how to use electronic commerce to realize non-distant communication of E2C and E2E which is called the second generation of electronic commerce. This paper combines the All Set theory with Matter Element transform into bargaining theory to build All Set bargaining model. In this model, the bargaining conditions of both sides are viewed as Matter Element which is the basic cell of extension theory. By using All Set theory, shell theory, fuzzy control and extension theory, the process of Matter Element transform from original Matter Element to final Matter Element which can be satisfied by both sides in bargaining is discussed. There are four axioms are distracted based on the All Set bargaining model. At last we extend our bi-persons bargaining model to multi-persons bargaining model by using soft matching system, and make it possible for intelligent bargaining on the supporting of electronic commerce.展开更多
挖掘时间序列中的全链集是一个新兴领域。据了解,当前并无多尺度最近时间序列的全链集挖掘算法存在。对多尺度最近时间序列下全序链集的挖掘问题进行研究,在现有LRSTOMP和ALLC算法的基础上提出了一种具有增量计算特性的挖掘算法MTSC(Min...挖掘时间序列中的全链集是一个新兴领域。据了解,当前并无多尺度最近时间序列的全链集挖掘算法存在。对多尺度最近时间序列下全序链集的挖掘问题进行研究,在现有LRSTOMP和ALLC算法的基础上提出了一种具有增量计算特性的挖掘算法MTSC(Mining Time Series All-Chain Sets over Multi-scale Nearest Time Series,MTSC)。该算法依次使用LRSTOMP与ALLC算法对第一个最近时间序列成员内容进行处理,得到该成员上的全序链集挖掘结果,同时保留该成员相关的PL和PR结构。从第二个最近时间序列成员开始,MTSC算法中的LRSTOMP过程只需要处理当前最近时间序列成员相对于前一个最近时间序列成员的新增部分,进一步结合前一个最近时间序列成员上的PL和PR,可以增量获得当前最近时间序列成员上的PL和PR结构,在此基础上使用ALLC算法得到该成员上的全序链集挖掘结果。相较于对每一个最近时间序列成员内容都使用LRSTOMP和ALLC算法处理的Naive方式,MTSC算法利用增量计算的思想,避免了对全部数据进行重复性计算,从而加快了算法的执行速度,具有更高的时间效率。基于公有数据样本Penguin和TiltABP的仿真实验验证了该算法的有效性,实验结果表明其性能与Naive算法完全一致,且对于以上数据样本,在空间开销增加1.1%~9.7%的情况下,可以实现时间效率80%~88.3%的提升。展开更多
企业经营面临越来越多的风险,通过运用COSO(Committee of Sponsoring Organizationos of Treadway Commission)的企业风险管理(Enterprise Risk Management,ERM)整合框架并结合自身的具体情况,企业可以制定和实施自身的风险管理策略。...企业经营面临越来越多的风险,通过运用COSO(Committee of Sponsoring Organizationos of Treadway Commission)的企业风险管理(Enterprise Risk Management,ERM)整合框架并结合自身的具体情况,企业可以制定和实施自身的风险管理策略。统一集经济控制机(All Set Economic Control Machine,AECM)与该框架有一些相似之处,前者可以用于实施ERM的许多方面,可作为ERM执行的信息基础平台;而ERM框架也在某种程度上表明了AECM的应用价值和空间,并对AECM的具体应用有一定指导作用。本文在分析了AECM和ERM两者之间关系基础上,主要从整体上研究如何将AECM运用于企业风险管理,并初步讨论了如何在AECM中引入ERM的思想来提高其风险管理效用。展开更多
文摘As the rapid development of electronic commerce in our country in recent years it is becoming focus how to use electronic commerce to realize non-distant communication of E2C and E2E which is called the second generation of electronic commerce. This paper combines the All Set theory with Matter Element transform into bargaining theory to build All Set bargaining model. In this model, the bargaining conditions of both sides are viewed as Matter Element which is the basic cell of extension theory. By using All Set theory, shell theory, fuzzy control and extension theory, the process of Matter Element transform from original Matter Element to final Matter Element which can be satisfied by both sides in bargaining is discussed. There are four axioms are distracted based on the All Set bargaining model. At last we extend our bi-persons bargaining model to multi-persons bargaining model by using soft matching system, and make it possible for intelligent bargaining on the supporting of electronic commerce.
文摘挖掘时间序列中的全链集是一个新兴领域。据了解,当前并无多尺度最近时间序列的全链集挖掘算法存在。对多尺度最近时间序列下全序链集的挖掘问题进行研究,在现有LRSTOMP和ALLC算法的基础上提出了一种具有增量计算特性的挖掘算法MTSC(Mining Time Series All-Chain Sets over Multi-scale Nearest Time Series,MTSC)。该算法依次使用LRSTOMP与ALLC算法对第一个最近时间序列成员内容进行处理,得到该成员上的全序链集挖掘结果,同时保留该成员相关的PL和PR结构。从第二个最近时间序列成员开始,MTSC算法中的LRSTOMP过程只需要处理当前最近时间序列成员相对于前一个最近时间序列成员的新增部分,进一步结合前一个最近时间序列成员上的PL和PR,可以增量获得当前最近时间序列成员上的PL和PR结构,在此基础上使用ALLC算法得到该成员上的全序链集挖掘结果。相较于对每一个最近时间序列成员内容都使用LRSTOMP和ALLC算法处理的Naive方式,MTSC算法利用增量计算的思想,避免了对全部数据进行重复性计算,从而加快了算法的执行速度,具有更高的时间效率。基于公有数据样本Penguin和TiltABP的仿真实验验证了该算法的有效性,实验结果表明其性能与Naive算法完全一致,且对于以上数据样本,在空间开销增加1.1%~9.7%的情况下,可以实现时间效率80%~88.3%的提升。
文摘企业经营面临越来越多的风险,通过运用COSO(Committee of Sponsoring Organizationos of Treadway Commission)的企业风险管理(Enterprise Risk Management,ERM)整合框架并结合自身的具体情况,企业可以制定和实施自身的风险管理策略。统一集经济控制机(All Set Economic Control Machine,AECM)与该框架有一些相似之处,前者可以用于实施ERM的许多方面,可作为ERM执行的信息基础平台;而ERM框架也在某种程度上表明了AECM的应用价值和空间,并对AECM的具体应用有一定指导作用。本文在分析了AECM和ERM两者之间关系基础上,主要从整体上研究如何将AECM运用于企业风险管理,并初步讨论了如何在AECM中引入ERM的思想来提高其风险管理效用。