考虑内部散点的区间型符号数据的回归分析

研究通过对样本“点”数据打包形成的区间型符号数据的回归分析.针对现有区间数回归分析只利用区间数的端点信息这一问题,分析如何充分利用原始的样本“点”数据信息,即区间数的内部散点信息.首先从理论上推导了当假设原始样本点数据误差项满足回归分析所假定的三条性质时,区间数据回归分析的误差项也满足这三条性质.然后,在考虑散点的区间型符号数据描述性统计量的基础上,提出了一种新的区间型符号数据回归分析的参数估计方法.随之给出了区间预测方法.最后选取常用的CCRM作为对比算法,分别通过随机模拟和实例分析,验证了文中方法的有效性.     

考虑内部散点的区间型符号数据的回归分析北大核心CSCDCSSCI

研究通过对样本"点"数据打包形成的区间型符号数据的回归分析.针对现有区间数回归分析只利用区间数的端点信息这一问题,分析如何充分利用原始的样本"点"数据信息,即区间数的内部散点信息.首先从理论上推导了当假设原始样本点数据误差项满足回归分析所假定的三条性质时,区间数据回归分析的误差项也满足这三条性质.然后,在考虑散点的区间型符号数据描述性统计量的基础上,提出了一种新的区间型符号数据回归分析的参数估计方法.随之给出了区间预测方法.最后选取常用的CCRM作为对比算法,分别通过随机模拟和实例分析,验证了文中方法的有效性.     

一般分布区间型符号数据的 K 均值聚类方法

对于区间型符号数据聚类分析的研究,现有方法大多假设个体在区间内服从均匀分布,这往往并不符合实际情况． 针对此问题,研究一般分布的区间型符号数据 K 均值聚类方法,给出了一般分布区间型符号数据的定义,并基于经验分布理论研究其描述统计． 基于 Hausdorff距离,考虑区间数所包含个体的分布信息,提出了一种新的区间型符号数据距离度量．给出了一般分布的区间型符号数据 K 均值聚类算法．通过随机模拟试验对该方法进行了有效性评价,结论表明,在各种实验设计的条件下,考虑一般分布的 K 均值聚类算法有效性均优于均匀分布假设下的 K 均值聚类算法．最后将文中方法应用于汽车的聚类分析,进一步体现了文中方法在解决实际问题中的优势．     

区间型符号数据的因子分析及其应用

符号数据分析是一种新兴的数据挖掘技术,区间数是最常用的一种符号数据。基于误差分析理论,研究针对区间数据的因子分析方法。将区间数看作一个由中点和半径构成的有序偶,并将半径视为区间数的极限误差。对中点样本阵进行因子分析,得到因子得分的中点值。然后将半径样本阵按照误差传递公式,得到因子得分的极限误差。由因子得分的中点值和极限误差最终得到因子得分的区间值。最后以股票的市场综合表现评价问题为案例,进行了应用研究。     

三元效率区间下决策单元的全局绩效评价

针对现实生活中投入产出数据的不确定性,许多学者提出从乐观和悲观角度计算决策单元的效率区间,但每个效率区间的上、下界值都是决策单元表现的两种极端情况。本文通过引入心态指标衡量决策者的偏好,获得了一个最有可能的效率值,它与上界值、下界值共同组成了三元效率区间。然后改进了两级排序方法:提出了三元有向距离指数,为所有决策单元获得全序化结果。本文引用前人文中的数例验证了该方法是一种更为精确、可全序化的评价、决策方法,可广泛应用于效率测评中。     

基于流形学习的非一致性判断矩阵排序方法

针对传统层次分析法(AHP)在构造判断矩阵过程中需要满足一致性条件问题,本文研究AHP方法需要进行一致性调整的原因,提出了一种基于流形学习的非一致性判断矩阵排序方法。在非一致性判断矩阵排序过程中,首先基于近邻距离的概念,构建出判断矩阵所对应数据集的近邻距离矩阵;然后以近邻点的线性表示为基础,将每个数据点映射到一个全局低维坐标系,并据此获得判断矩阵所对应的低维嵌入;根据各层求解出的低维嵌入对各层要素进行优劣排序,进而得到最终排序结论。最后,通过数值案例验证了所提方法的有效性和实用性。     

重点学术期刊专项基金管理中的期刊评价——基于简化的区间数据主成分分析方法

国家自然科学基金委设立"重点学术期刊专项基金"资助国内优秀学术期刊,在优秀期刊的遴选和资助效果评价过程中,存在期刊数量大,评价指标多等问题.基于此,提出一种针对大规模高维数据的简化的区间数据主成分分析方法(simplified principal component analysis, SPCA).该方法将区间主成分分析分解成2个基本阶段:第一是如何更加简单和高精度地计算数据集合的主轴,第二是如何绘制可视性与可解释性都更强的主平面图,以增强研究人员对大规模数据主要特征的洞察能力.采用SPCA方法,一方面能够从整体上研究各学科期刊的差异,说明学科之间的不可比较性;另一方面能够筛选出衡量期刊水平的关键指标,遴选优秀期刊,同时分析连续受资助期刊的动态资助效果.     

基于经验相关矩阵的区间主成分分析

给出了针对区间数据样本的主成分分析方法.为此,首先研究了区间数据样本的经验描述统计量,其中包括单变量的均值与方差、双变量的协方差与相关系数.然后,基于经验相关矩阵,给出了区间主成分分析的算法,该算法最终得到区间数表达形式的主成分取值.最后给出算例,分析表明文中方法实施简单,克服了区间主成分分析现有方法的缺点.     

基于区间直觉模糊数相关系数的多准则决策模型

针对权重信息完全未知,评价信息为区间直觉模糊数的多准则决策问题,提出新的基于区间直觉模糊数相关系数的决策方法,弥补了基于距离测度决策方法造成信息混淆的不足,同时考虑了犹豫度的影响,进而降低了评价信息损失.通过构建并求解基于参照方案相关系数总偏差最小的非线性规划模型获得准则权重,从新的视角给出准则权重的确定方法.利用各备选方案与理想方案、临界方案的加权相关系数得到与理想方案的相对贴近度,以此对方案进行排序.最后通过实例对比分析说明了该方法的有效性.     

基于区间灰色区间数的多准则决策方法

将灰色模糊数扩展,定义了区间灰色区间数及其距离.针对准则值为区间灰色区间数的信息不完全的多准则决策问题,提出了一种基于目标规划法的灰色模糊多准则决策方法,求得最优权重向量,从而得到各方案的排序.最后给出一个算例说明方法的可行性和有效性.     

象征型品牌的效应——从意义到忠诚

已有研究大都把品牌的象征形象视作一个单维的构念,并未对品牌代表的象征意义的丰富性及其性质的差异予以重点关注。从消费者的视角,以心理学和社会心理学的自我理论为基础,通过文献整理和归纳,将品牌的象征形象区分为个人形象、社会形象、关系形象和集体形象4个维度,通过问卷调查和回归分析研究这些不同性质的象征形象如何作用于消费者的品牌忠诚。研究结果表明,品牌的象征形象总体上可以通过品牌涉入、自我-品牌联结和品牌信任的中介作用对消费者的品牌忠诚产生积极的影响,品牌象征形象的4个维度均对消费者的自我-品牌联结有显著的正向作用,个人形象和集体形象对品牌涉入有显著的正向作用,个人形象、社会形象和关系形象对品牌信任也有显著的正向作用,品牌涉入、自我-品牌联结和品牌信任可以直接促进消费者的品牌忠诚。     

基于时间延迟理论的预防维修模型及案例研究

本文旨在解决设备维修决策过程中预防维修检查数据缺乏情况下如何确定出合理的维修间隔期问题。首先,通过预防维修技术经济分析,提出了有关维修间隔期和总的停机时间之间关系的预防维修模型。其次,根据时间延迟维修理论,利用故障记录数据和预防维修检查数据的估计值,建立了统计模型并用来计算维修间隔期内故障次数的期望值。计算机仿真检验证明统计模型正确后,采用最大拟然法估计有关参数,这些参数包括缺陷发生率、时间延迟分布、检查出缺陷的概率等。最后是案例分析,应用估计参数和预防维修模型,计算出最佳的维修间隔期。     

基于熵测度的三参数区间数信息下的TOPSIS决策方法

研究基于三参数区间数的排序及决策模型,提出了基于三参数区间数的重心点、中点、长度的可能度排序方法;基于重心点发生可能性最大的三参数区间数分布特点,提出了距离测度公式;建立了基于三参数区间数熵测度的属性权重模型,在此基础上构建了依据TOPSIS思想的不确定性决策框架。算例说明了该方法的步骤和有效性。     

山寨产品/真品相似性评价与山寨产品购买意愿

研究了山寨产品/真品相似性评价对山寨产品购买意愿的影响,并且将相似性评价进一步区分为象征相似性评价和功能相似性评价.通过问卷调查和回归分析,研究发现象征相似性评价和功能相似性评价是2个可以区分的概念,并且在象征相似性评价与购买意愿关系中,使用窘迫性的调节作用显著;在功能相似性评价与购买意愿的关系中,使用窘迫性和聪明购买者感知的调节作用显著.     

Econometric Analysis of Realized Covariation: High Frequency Based Covariance,Regression, and Correlation in Financial Economics

This paper analyses multivariate high frequency financial data using realized covariation. We provide a new asymptotic distribution theory for standard methods such as regression, correlation analysis, and covariance. It will be based on a fixed interval of time (e.g., a day or week), allowing the number of high frequency returns during this period to go to infinity. Our analysis allows us to study how high frequency correlations, regressions, and covariances change through time. In particular we provide confidence intervals for each of these quantities.     

不完全信息下的一种信用分类方法

本文详细分析了一类典型的不完全信息的信用评价问题,即存在信用参考信息不完全或样本数据较少,以及某些指标数据为区间数等。文章首先考虑具有不完全信用参考信息的情况,在分析这类问题特性的基础上,基于数据包络分析理论(DEA),提出一种以拒绝案例集构造参考单元集的方法,并给出了相应的DEA模型。然后,进一步考虑带有较为复杂区间指标数据这类具有不完全指标信息的信用评价问题,并给出了相应的信用分析方法,最后采用算例说明本文提出方法的合理性。由于所提方法能有效地处理信用信息不完全和指标数据不完全的情况,故其具有较为广泛的实用性。     

基于区间数的PROMETHEE Ⅱ方法中权重确定

本文引入一种新的区间数距离测度,扩展了可直接处理特征空间为区间数的PROMETHEE Ⅱ多属性决策方法。并在分析属性加权向量ω与最终综合优先序值之间关系的同时,提出了一种基于区间数的PROMETHEE Ⅱ方法的属性权重ω确定原理。应用实例表明了该方法的可行性和有效性,具有推广应用价值。     

基于后悔理论的混合型多属性案例决策方法

本文针对决策者的后悔规避行为对案例决策的影响,提出了一种基于后悔理论的混合型多属性案例决策方法。首先,针对案例属性的相似度测算,将案例属性的范围拓展到定性数据、清晰数、区间数、语言变量和区间直觉模糊数五种类型;然后,在案例原有效用基础上考虑决策者的后悔-欣喜值来测算各案例的感知效用;进一步,通过案例相似度对感知效用加权求和得到备选方案的综合感知效用,并依据综合感知效用大小对备选方案进行排序;最后通过一个实例,验证了上述方法的可行性和有效性。     

基于混合加权距离的毕达哥拉斯模糊TOPSIS多属性决策方法研究

针对决策信息为毕达哥拉斯模糊集的多属性决策问题，提出了一种基于混合加权测度的TOPSIS决策方法。在分析了现有距离测度方法不足的基础上，首先给出了一种新的毕达哥拉斯模糊距离测度——毕达哥拉斯模糊有序加权距离（PFOWD），并研究了该测度权重的确定方法；在PFOWD基础上，进一步提出了毕达哥拉斯模糊混合加权距离（PFHWD），同时探讨了其特征和与现有毕达哥拉斯模糊测度的关系；最后提出了一种基于PFHWD测度的毕达哥拉斯模糊TOPSIS多属性方法，并用实例验证了方法的有效性和可行性。