诱导密度算子及其性质分析

对密度算子进行拓展研究,提出了诱导密度算子的概念并对其进行了性质分析。对诱导变量进行了界定,给出了一种以诱导变量为基准的元素聚类方法;在此基础上,基于分组后各组的群组特征,给出了密度加权向量的确定方法;将诱导密度中间算子与已知的信息集结算子合成,得到了诱导密度算子,并对诱导密度算子的性质进行了分析。最后,通过一个算例对诱导密度算子的应用进行了说明。

基于因子分析和诱导密度算子的学术期刊组合评价

[目的/意义]针对组合评价法可以实现优势互补、减少单一评价法产生偏差的情况,提出一种新的基于因子分析和诱导密度算子的学术期刊组合评价模型。该模型的提出对学术期刊的评价研究具有十分重要的意义。[方法/过程]首先,利用因子分析法通过提取公共因子来消除指标间的相关共线性,并确定基于因子分析的综合评价值;然后,以信息熵为诱导分量,利用诱导密度算子对评价信息进行集结,并确定基于诱导密度算子的综合评价值;最后,基于最小偏差法建立组合评价模型,以此确定最终的组合评价值并排序。[结果/结论]选取信息与新闻出版学期刊为研究对象,实证结果表明,该方法不仅能利用因子分析法的优点,有效消除指标间的相关共线性,而且还能利用诱导密度算子的优点,充分考虑评价信息的分布情况,是一种科学合理的学术期刊评价方法。

TOPSIS-GRA法下的企业动态信用评价方法及其应用

针对传统信用评价方法较少考虑到时间的延续性,且只注重信用基础值而忽视其发展趋势的问题,本文提出了一种具有风险抗性信用奖惩特征的TOPSIS-GRA的动态信用评价方法。首先,利用指标信息量诱导密度算子对静态数据进行综合集成,得到静态综合信用评价值,在此基础上构造动态信用评价加权决策矩阵;其次,在对矩阵进行TOPSIS法验算的过程中嵌入企业风险抗性信用奖惩点,进而得到包含奖惩性质的相对贴近度;再以GRA方法得到各受评企业理想的信用发展趋势关联度,结合两者最终得到融合风险抗性奖惩量、信用基础值和信用发展趋势三项特征的稳定科学的企业动态信用评价结果。最后,给出了一个实证分析,验证了该方法的有效性及合理性。