聚类回归分析(CLR)在市场细分研究中的应用

本文从市场细分方法的角度,打破了传统的根据样本在心理感知或偏好等多个变量的距离进行细分的思路,采用一种新的聚类回归分析方法基于变量间的因果关系对顾客进行细分,不仅可以把顾客有效地划分成具有不同特点的群体,而且可以根据不同要素的因果关系确定不同群体中的关键影响要素.本文以电热水器行业顾客满意度研究为例,根据不同要素对满意度影响的差异进行市场细分.分析表明,采用这种方法,企业可以在经营管理过程中通过差异化策略获得竞争优势.

聚类回归分析在FMS加工质量分析中的应用

本文提出了对FMS加工工件的测量数据进行分析的聚类回归分析法,从大量孔位中找出须控制的关键孔位,从而降低了所需采取控制措施的决策难度。

聚类回归与多元线性回归的对比研究

目的:聚类回归与多元线性回归分析方法的比较。方法:运用多元线性回归和聚类回归分析方法,探讨10项常用肝功能指标间的内在联系和资料总体的正态性。结果:指标变量经聚类变换后,资料总体更接近于正态分布。由于指标间存在多重共线,多元线性回归的效果不好。聚类分析将10个指标分为5类:胆红素类(TBIL、DBIL、IBIL)、白球蛋白类(ALB、GLB、A/G)、转氨酶类(ALT、AST)、转氨酶比值类(AST/ALT)、总蛋白类(TP)。聚类回归显示,各类指标预示病情程度的作用大小为:胆红素类>白、球蛋白类>转氨酶类>总蛋白类>转氨酶比值类。在胆红素类中,TBIL的作用最大;在白、球蛋白类中,A/G的作用最大。结论:聚类回归能较好地处理非正态性资料和多重共线性。

基于改进模糊C回归聚类的水轮发电机组的模糊辨识

针对水轮发电机组精确建模的难题,提出了一种基于改进模糊C回归聚类的T-S模糊模型辨识方法。考虑到样本输出值与聚类超平面输出之间的误差值指标的重要性,对于模糊C回归聚类算法进行了改进。该算法将误差值的倒数赋给对应的样本隶属度,构建新的权重矩阵用于更新聚类超平面,从而加速聚类朝向最优聚类超平面的收敛;提出一个新的超平面型隶属度函数,直接利用超平面辨识前提参数;应用带遗忘因子的递推最小二乘算法在线辨识模型的结论参数。以三个常用的数学实例及某水电站水轮发电机组为对象,进行T-S模糊模型的建立,并与其他辨识方法进行比较。结果表明,所提出的模糊辨识方法具有较高的辨识精度,辨识所得模型具有较强的泛化能力。

基于簇负荷特性曲线的“聚类-回归”电力大用户短期负荷预测

针对电力大用户的精准负荷预测对于配电网发展规划、调控运行、安全可靠供电具有重要意义,电力负荷预测是泛在电力物联网中实现用户精准用电感知的基础工作。为了在负荷预测模型中引入用户用电特征,提出了簇负荷特性曲线的概念,进而提出了一种基于簇负荷特性曲线的“聚类-回归”电力大用户短期负荷预测方法。首先,对区域内电力大用户用电特征进行聚类分析,用电特征类似的用户聚为一簇,用簇负荷特性曲线表征簇内用户用电特征;其次,回归阶段将簇负荷特性曲线作为区域总负荷的属性因子,训练深度神经网络,进行负荷预测。在TensorFlow深度学习框架下实现了“聚类-回归”负荷预测模型,以我国西南某区域电网实际数据设计实验,验证了模型的准确性;为了达到最佳预测效果,对模型超参数进行了优化;进一步考虑到电力大数据的应用环境,设计了压力测试,验证了模型的有效性。方法可以良好应用于电力大数据环境下的大用户负荷预测。

基于模糊C-回归聚类的T-S模糊粒子滤波算法

针对非高斯目标动态模型不确定性粒子滤波问题,提出改进的基于模糊C-回归聚类的T-S模糊模型粒子滤波算法。采用T-S模糊模型语义模糊集表示空间特征信息从而高精度近似动态模型,提出基于熵的模糊C-回归聚类方法从而自适应地识别T-S模糊模型的前提参数,调整模型的权重,并使用卡尔曼滤波识别结论参数。通过T-S模糊模型构造重要性密度函数提高采样粒子的鲁棒性和多样性,进一步改进了算法的计算复杂度。仿真验证结果表明,在运动方向突然改变或目标动态模型的先验信息不准确时,该方法可以准确快速地跟踪机动目标。

应用回归聚类预报物理模型预报三峡水库月平均来水量的试验与探讨

利用回归聚类预报物理模型进行长期预报，是水文预报方法上的进步，它不仅可以减少各个类型预报因子的回归预报值之间的矛盾，而且也可以减少个别预报因子的极端值对综合预报意见的影响。回归聚类预报物理模型提高了定量预报的可靠性，也比较客观。利用1960～2006年500hPa高度场、海温场、100hPa高度场、地面气压场与74项环流特征指数五类因子和三峡水库6～8月各月平均来水量资料，运用线性相关理论，采用回归分析方法对三峡水库6～8月各月平均来水量进行长期预报分析，试图探讨出一种可行的新预报方法。试验结果表明该回归聚类预报物理模型是可行的，具有一定的应用推广价值。

基于聚类线性回归法的区域用水量影响因素分析

阐述了区域用水量内涵及其影响因素分析方法,把区域用水量影响归纳为区域经济发展驱动和水资源禀赋约束两方面;根据聚类线性回归计算原理,建立了区域用水量影响因素分析模型及其计算方法步骤。针对太湖流域的水资源利用影响因素,从人口规模、生产总值、产业结构等方面入手,利用聚类线性回归模型对太湖流域区域用水量的影响因素进行评价研究;从相关分析看,区域经济发展的用水刚性需求是太湖流域区域用水量的主要驱动因素,区域产业结构对太湖流域的用水形成显著的抑制效应;而在水资源禀赋约束方面,太湖流域受水资源短缺胁迫较小,区域用水量还存在增长的空间。

基于聚类SVM瓦斯传感器故障预测研究

基于支持向量机的SVM(Support Vector Machine)的基本原理,讨论了一种基于聚类的支持向量机CSVM(clustering support vector machine)的学习算法,并应用于建立瓦斯传感器的动态预测模型,介绍传瓦斯感器故障预测的原理,阐述了基于该算法的瓦斯传感器故障预测的实现过程。仿真结果表明:与标准支持向量机算法相比,该算法可以大大减少支持向量个数,提高瓦斯传感器故障预测精度,为瓦斯传感器故障预测提供了一种新方法。

基于聚类-回归算法的制冷机组实际运行特性研究

制冷机组部分负荷性能对制冷机组运行能耗影响非常大,本文提出基于聚类–回归算法挖掘制冷机组实际运行特性的方法,即以K–Means聚类算法识别不同负荷率区间的代表性运行数据,以最小二乘法对聚类结果进行回归分析。并基于地源热泵机组的大量实际运行数据,采用提出的聚类–回归算法,研究了地源热泵机组的实际运行特性,拟合了机组COP与部分负荷率PLR的曲线,得到COP与PLR的数学表达式,为开展制冷机组的智能调控奠定基础。

基于协同表示的子空间聚类

针对稀疏子空间聚类(SSC)求得的系数矩阵过于稀疏和最小二乘回归子空间聚类(LSR)求得的系数矩阵过于稠密的问题,文中提出基于协同表示的子空间聚类算法(SCCR).结合SSC和LSR的优点,将l1范数和Frobenius范数引入同一优化问题中,使系数矩阵保证在同一子空间数据点联系(如LSR)的同时,消除不同子空间数据点之间的联系(如SSC).然后利用此系数矩阵建立相似矩阵,应用谱聚类得到聚类结果.实验表明SCCR可以提高聚类性能.

用聚类预报模型预报三峡水库来水量的探讨

为了开展三峡水库入库来水量长期预报,从北半球500 hPa高度场、太平洋海温场、北半球100 hPa高度场、北半球地面气压场与74项环流特征指数作为预报因子,采用回归方程求解和回归效果检验,建立回归聚类预报物理模型,对三峡水库6～8月各月平均来水量进行了长期预报分析。结果表明,三峡水库6～8月份各月来水量回归聚类预报的技术路线是可行的,正、负距平符号一致的概率能达到80%以上,效果较好,基本上可以满足生产需要。回归聚类预报物理模型具有一定的应用推广价值。

重磁三维数据的模糊聚类联合快速反演

重磁反演的解是不唯一的,重磁数据的联合反演较单独反演降低了多解性,提升了反演结果的精度。模糊c-回归(FCRM)聚类反演方法是一种基于物性一致性的联合反演方法。目前,该方法一般采用高斯牛顿法解方程组,计算效率低。本文采用共轭梯度最优化算法实现FCRM聚类联合反演,提升了反演效率。本文在目标函数建立过程中采用了光滑约束项,采用有限差分法计算模型目标函数,本文用三元组存储和计算有限差分稀疏矩阵,大大降低了内存的占用量和计算时间。反演算法的设计中,采用了模型加权和再加权的方法,进一步提升了反演的效率和精度。本文在编程中用OpenMP实现CPU多核环境下的多线程计算,使串行程序转换为并行程序,大大提高了计算效率。最后,采用了简单模型和复杂模型验证了方法的正确性,证明联合反演的结果的精度得到了提升。

多重共线性下的线性回归方法综述

本文对多重共线性的处理方法进行了综述,希望能使读者系统地了解这些方法。

基于事故特征的高速公路长大纵坡路段交通事故持续时间预测研究

高速公路长大纵坡路段的交通事故呈现事故率高、严重程度高、影响面广的特点,根据事故特征对持续时间进行准确预测,对道路管理者在事故发生后实施针对性的处理措施具有重要意义。针对山西省高速公路长大纵坡路段比例大且路段内事故多发的现状,本文收集372起该省高速公路长大纵坡段的交通事故数据,提出“聚类+回归”方法,首先采用K-means均值聚类算法,将事故特征信息划分到不同类别范围内,随后对同类事故特征数据分别进行交通事故持续时间回归分析。通过试验对比,基于“聚类+回归”方法得到的交通事故持续时间预测值比直接回归方法得到的预测值精度高。

基于顾客满意和顾客忠诚关系的市场细分方法研究

在顾客满意与顾客忠诚的相关关系方面,目前国内外许多学者都有不同的研究和看法。本研究认为,对于不同的顾客群体,顾客满意对顾客忠诚具有不同的影响,从而也为企业带来不一样的价值和利润。本研究尝试采用一种新的聚类回归方法,根据顾客满意和顾客忠诚的关系细分顾客群体,并以手机行业为例进行实证分析,探寻哪些顾客群体的满意度对忠诚度影响较高,哪些顾客群体其忠诚与否基本不受满意度的影响。

面板数据计量模型适应性的比较研究

近年来在经济管理研究中采用面板数据的实证性论文日益增多,同时关于面板数据处理的理论成果也并不少见.然而,问题在于:一方面已有的关于面板数据处理的理论方法多基于无穷大样本,而现实中仅能获得有限样本;另一方面已有的实证研究成果或对面板数据不做任何特殊处理或并不说明处理方法选用的依据.基于此,按只存在个体效应,只存在时间效应和同时存在两种效应3种不同的数据结构,模拟比较了现有各种理论方法的适用性.并根据各种处理方法在小样本情况下估计结果存在较大差异这一事实,反推出用于判断实际数据中存在何种效应的准则.

基于正则化与时空约束改进K最近邻算法的农业物联网数据重构

针对农业复杂环境易发的物联网感知数据丢失异常问题,该文提出一种基于正则化惩罚的K最近邻数据重构方法(K nearest neighbor-regularization penalty,KNN-RP),采用岭回归方法对最近邻方法中的最小二乘因子进行正则化,并讨论了惩罚项的范数选取形式。通过对农业物联网感知数据的时空稳定性与相关性分析,确定了时间与空间约束矩阵的定义方式。采用温室数据样本对算法性能进行交叉验证,结果显示该文的KNN-RP性能在点丢失模型下优于KNN、反距离加权KNN算法以及DT算法,而在块丢失模型下优于KNN和反距离加权KNN算法,略低于DT算法,提高了农业物联网的感知数据质量。该研究可为基于物联网数据的农业生产决策提供参考。

顾客满意度对顾客忠诚度作用机制研究——基于电信企业的实证分析

本文利用某电信企业的数据,采用了多种统计分析方法,深入探讨了我国企业中顾客满意度对顾客忠诚度的作用机制,不仅探讨了不同满意程度顾客之间,而且还研究了相似满意程度的顾客内部,顾客满意度对顾客忠诚度的作用大小和作用关系是否存在差异。本文的主要结论如下:(1)顾客满意度的分类和顾客忠诚度的分类之间存在着对应关系。(2)顾客满意度对顾客忠诚度的作用机制并非线性关系。在不满意顾客与满意顾客以及满意顾客与非常满意顾客之间存在阈值;(3)相似满意程度的顾客内部,顾客满意度对顾客忠诚度的作用关系可能唯一,也可能存在差异。非常满意顾客当其同时又是忠诚顾客时,顾客满意度才对顾客忠诚度呈现出显著的线性作用,否则,如果是不忠诚顾客或者潜在忠诚顾客时,这种作用关系仍然不显著。

陕北民俗文化与红色旅游资源现状调查报告

用李斯特量表对延安周边景点的民俗及红色旅游资源现状进行问卷调查,归纳出二种类型游客特征以及主要相关因素是年龄、景点建设、宣传方式、公共设施、旅游目的、陕北民俗文化。