基于SODM的多分类器融合及其在客户分类中的应用

目前大多数客户分类研究常采用单一的分类模型.引入多分类器融合方法,并将其与自组织数据挖掘理论(SODM)相结合,提出了基于SODM的选择性融合算法(SBSF).SBSF从全部基分类器的分类结果组成的初始模型集出发,由上一层模型两两组合产生新的待选模型,用最小二乘法来估计融合权重,而用外准则来评价和筛选中间候选模型,直到根据终止法则找到最优复杂度的融合模型.在15个UCI数据集上的实验结果显示,与单一的分类模型以及常用的多数投票法、贝叶斯方法、遗传算法等5种融合方法相比,SBSF具有更高的分类精度.进一步地,在信用卡数据集"german"上的客户分类实验表明,SBSF能自适应地从基分类器池中选择一个适当的基分类器子集进行融合,从而提高客户分类的精度.     

基于模糊软规则归纳法的市场细分方法

文章基于模糊软集合理论与GMDH算法,提出了一种新的细分规则提取方法--模糊软规则归纳法,通过模糊软集合参数约简和局部最优思想自行筛选中间细分规则模型来得到整体最优模型,克服了传统以主观确定阈值来选择模型的局限性和专家系统的主观性,并成功继承了GMDH较强的抗干扰性:阐述了模糊软规则归纳法的算法原理及建模步骤,并将该算法运用于市场细分领域;通过与同类方法在准确率,复杂度和抗干扰方面的实验结果比较,验证了所提算法的优越性.     

基于EM算法的有先验范围的回归预测及应用研究

1.引言现在,随着经济和科学的不断发展,对未来的预测显得越来越重要.因为只有对未来有个比较精确合理的预测,人们才能采取更有效率的行动以实现既定的目的.     

面向并行工程的客户关系管理

从系统工程的角度出发，提出了运用并行工程原理实现客户关系管理(CRM)的新构思。设计出面向并行工程的CRM业务流程，并给出具体实施步骤。最后以房地产业为例，为它设计了面向并行工程的CRM业务流程。     

基于SODM的贝叶斯分类器结构学习及其在客户分类中的应用

将自组织数据挖掘理论引入贝叶斯分类中,提出一种新颖的贝叶斯分类器结构学习算法.算法将基于依赖分析和评分搜索两种贝叶斯网络结构学习思想相接合,根据互信息测度值选择初始模型,用贝叶斯评分作为筛选中间模型的外准则,能够在不同数据集上完成自适应建模过程,包括选择进入模型的变量、确定具有最优复杂度的模型结构等.在 10 个UCI数据集上进行分类测试,结果表明,贝叶斯分类器结构学习算法分类器的分类精度要高于常用的朴素贝叶斯、树扩展朴素贝叶斯以及基于K2算法的分类器.进一步地,在信用卡客户分类数据集german上的学习曲线和抗干扰试验还表明,与朴素贝叶斯、树扩展朴素贝叶斯以及K2等分类器相比,贝叶斯分类器结构学习算法分类器具有更加稳定的分类性能和更强的抗干扰能力.     

国内企业自主创新激励机制研究综述

［摘要］自主创新尤其是核心技术、关键技术的创新，是我国经济增长的中心环节。我国“十一五”期间经济工作的一项重要工作就是推进自主创新，尤其是企业自主创新。我国企业自主创新是党中央、各级政府、企业家、管理学家和经济学家等关注的焦点。自主创新激励机制研究是目前经济界和管理界的热点之一。本文主要对自主创新激励机制的研究现状进行综述和评价，并展望国内企业自主创新激励机制未来的研究方向。     

基于CLV要素的信用卡客户细分模型

文章采用某商业银行信用卡客户数据,在CLV(客户终身价值)两个要素:客户当前价值和客户流失预测的基础上构造客户细分模型.我们提出一个信用卡客户当前价值模型,用于计算客户当前价值;对于客户流失,我们采用多种模型的组合方法来预测客户流失.通过分析对所有客户实施交叉销售后成功的客户比例在各细分群中的分布情况,表明若采用此细分模型,再着重对交叉销售成功比例较大的细分群实施交叉销售,可以大幅提高成功率,节约成本.     

技术进步与能耗关系的定量测度方法

研究技术进步与能源消费间的定量关系具有重大的现实意义。文章利用自组织数据挖掘方法,结合指标体系法,对技术进步和能耗之间关系进行定量测度,并且建立数学模型,弥补了指标体系法测度技术进步的缺陷。该方法在四川省能耗定量研究中得到了实际应用,其结果与实际情况相吻合,证明了该方法的可行性。     

基于复合暗标拍卖的工程量清单招标模式

针对投标人在工程量清单招标的不平衡报价问题,文章在研究暗标拍卖理论招标的基础上,提出了将暗标一级、二级和三级密封拍卖结合起来建立复合暗标拍卖工程量清单招标合同清单招标模式。然后运用博弈论分析了投标人在工程量清单招标模式下的最优战略就是不平衡报价,接着证明了复合暗标拍卖工程量清单招标能有效减少投标人的不平衡报价给招标人带来的不利影响,节约工程投资。最后通过案例验证了模型的证明。     

线性GMDH参数模型的无偏估计研究

 多元线性回归分析中，参数无偏性是参数估计方法的一个重要指标。本文对线性GMDH参数模型建立多元线性模型进行了研究，得到以下结论：一，在满足经典线性回归模型的假设条件下，其参数估计量具有无偏的性质；二，在满足其它假设条件下，可以在样本量少于待估参数的情况下建模，估计的参数也是无偏的；三，用参数GMHD方法建模时，它对完全多重共线性是免疫的。