基于区间数证据推理方法的用户满意度调查

目前,加权平均法是一种比较常见的满意度调查结果的汇总方法,但是这种方法的前提条件是决策者的偏好结构满足加性独立条件,否则需要采用非线性综合方法。本文旨在考虑决策者偏好不满足加性独立条件下,将用户满意度抽样调查过程中产生的置信度和置信区间与调查问卷中的用户不确定的评价结果统一进行考虑,并采用mass函数值为区间数的证据推理方法分析基于抽样调查得到的以置信区间表示的用户满意度调查的结果综合问题。最后以某网络信息中心用户满意度调查为例展开实证分析。

创业团队异质性与新企业绩效关系的路径:基于动态能力的视角

创业团队异质性在较大程度上决定了技术创业的绩效表现,但已有研究对其中的作用路径没有深入研究。利用256家新创技术企业的有效问卷数据,实证研究了创业团队异质性、动态能力与新创企业绩效之间的关系。结果表明,创业团队的社会性异质性(年龄和教育)和功能性异质性(产业经验和职能经验)与新创企业绩效显著正相关,而这种关系需要通过动态能力的中介作用实现。研究结论对技术创业绩效来源研究有重要的理论启示,对技术创业团队组建与管理也有重要的实践意义。

基于矩阵分解优化的排序学习特征构造方法

在排序学习中引入特征选择可以提高学习的效率和准确率。出于对选择速度的考虑,当前的研究主要从特征选择的角度出发,根据特征对排序的作用和特征之间的相似性选择对排序区分度最大的特征集合。由于特征大都是人工归纳的,因此特征和特征之间难免存在重叠和冗余。为了减少特征之间的冗余,从特征生成的角度出发,对现有特征进行矩阵分解,从而生成新的特征集。考虑到使用奇异值分解(Singular Value Decomposition SVD)等方法进行矩阵分解时不能综合考虑排序结果对特征的影响,基于特征矩阵对排序的效果、特征矩阵与原矩阵之间的差距来构造优化算法,提出了一种基于矩阵分解的排序学习优化方法,并根据该优化方法设计了排序学习特征选择算法MFRank。实验中使用映射随机梯度下降法近似求得优化问题的最优值,在公开测试集MQ2008上的结果显示,所提MFRank方法获得了与当前最优的特征选择方法即RankBoost和RankSVM-Struct等排序算法相当的结果。

置信规则库结构识别的置信K均值聚类算法

针对置信规则推理作为系统控制器时的应用,提出一种置信K均值聚类算法用于置信规则库的结构识别。在构建好置信规则库的推理框架后,该算法通过对规则前项输入变量的历史数据进行挖掘,得到合理的置信规则库结构,提高推理与决策的精度。相对于传统专家知识确定置信规则库结构的方法,该算法的特点是:最优聚类与相邻评价等级之间的距离成正比,与人的认知能力相一致;最优聚类保证采样点以最小的距离靠近评价等级,也就是保证输入变量尽可能趋近置信规则前项。通过置信规则推理在集约生产计划中应用的案例分析验证了该算法的合理性和有效性。

基于置信规则推理的库存控制方法

提出一种在非平稳需求以及区间预测需求情况下的基于置信规则推理的库存控制方法.该方法不依赖于需求的分布模型,区间预测需求利用能够处理多种定性和定量不确定性信息的ER(证据推理)框架进行表达,领域专家知识可以用来构建和初始化置信规则库,历史需求信息可以用来训练置信规则库,以得到更加可信的推理.给出了一个汽车4S店库存-销售实例,证实了该方法的可行性及其相对于传统方法的优越性.

东亚资本主义宏观结构多样性的变化

东北亚与东南亚各国或地区经济治理的主导机构存在着很大差异。由于政府参与经济的程度不同,以及私人经济活动之间的商业协调程度不同,产生了共同管理、政府主导、网络化和个人化四种不同的政治经济组织类型。20世纪80年代,马来西亚和台湾地区的资本主义发展模式主要为政府主导型,而日本和泰国的发展模式则带有很多网络化的特点。20世纪90年代至21世纪头10年,这四个政治经济体开始发生变化,但是变化的方向和程度各不相同。值得注意的是,台湾的发展模式更接近共同管理型,而泰国的商业协调程度严重下降,以至于其政治经济更倾向于个人化。这四个经济体的变化具有明显的不同,是因为执政联盟的利益与力量配置发生变化所导致的。

公共服务改革背景下的创新和跨组织学习

本文探讨了公共服务改革背景下,创新与跨组织学习之间的联系。本文的理论构建和实证研究基于纵向分析,以英国公共服务改革中的"灯塔计划"为背景,运用了混合方法和多调查对象方法。本研究探讨了两个问题:第一,跨组织学习如何促进创新?第二,跨组织学习方法的变化如何随着时间的推移实现创新手段方面的变化?对英国全部地方政府的研究(N=388)采用了时间区间的研究方法,共分三个时期对九年来的发展情况进行了考察。本文建立了跨组织学习支持创新的理论,并指出随着时间的推移,创新的手段发生了变化,从学习模仿转变为学习创新。