基于模糊模式识别的人力资本价值评价

本文论述了人力资本价值的内涵,在比较当前人力资本价值衡量方法的基础上,设计了基于模糊模式识别的人力资本价值评价模型,该模型利用模糊模式识别方法首先对人力资本个体进行绩效评价,并根据评价结果间接的评价人力资本的价值,最后经模型仿真,验证了该方法的科学性与有效性.     

模糊聚类分析在高校学生评教中的应用

针对目前高校教师教学质量管理中存在的若干问题,提出采用模糊聚类评价方法进行针对高校教师课程教学质量的评判.在建立模糊聚类分析模型的基础上,进行综合评估和定量计算,通过例子表明,该方法简单、易行、准确.     

一种基于信息熵与K均值迭代模型的模糊聚类算法

本文提出了基于信息熵和K均值算法混合迭代模糊聚类的细分模型,解决了模糊聚类的原型初始化参数问题。将信息熵和K均值算法引入模糊聚类中进行分析,并结合测试样本数据进行实际分析,与传统方法相比,取得了较好的效果。     

基于非财务指标的企业财务危机模糊预警模型研究

针对企业财务危机预警难以做到真实、准确的问题,提出了基于非财务指标的企业财务危机模糊预警模型。应用多级模糊综合评判法对财务风险因素进行定量化评价,对定性的非财务指标采用模糊统计的方法,从定量与定性相结合的角度出发,构建了财务危机的模糊预警模型,并对其进行了检验,以期使预警结果更加真实、准确。     

混合指标层次模糊决策法研究

应用层次分析的思想和模糊模式识别方法,在引入模糊一致判断矩阵的基础上,提出了混合指标层次模糊决策方法.方法的主要特点是综合考虑了评价系统中的定性和定量指标,并提出了"表现度"的概念,使之更加客观真实地反映实际状况.然后通过模糊模式识别方法,得到系统的局部和整体发展水平评价.最后通过案例分析,表明该方法在实际运用中是有效的,具有实际应用价值.     

基于模糊优选和神经网络的企业财务危机预警

提出了基于系统模糊优选和神经网络模型的企业财务危机预警方法, 对企业财务危机的 测定、财务危机预警推理知识的神经网络动态学习与推理、财务危机指标的预测等功能进行了 集成, 实例分析表明该方法有效、可行, 为企业财务危机的动态预警提供了新的途径.     

云制造环境下基于本体和模糊QoS的供应商匹配方法

云制造环境下的服务匹配具有资源数量大、语义信息不对称、QoS多样化和模糊化的特点,同时企业有自主选择匹配结果的需求。为此,提出基于本体和模糊QoS聚类的三阶段供应商匹配模型。首先构建本体模型和供应商服务描述模型,运用语义本体既消除了信息的不对称性,又增加了语义信息的完整性。此外,对QoS的多属性信息进行三角模糊化处理,结合模糊偏好和优化的模糊C均值聚类（FCM）算法按需聚类,提高了收敛速度和精度,得出基于匹配度排序的结果集合。实例验证结果表明：本文匹配方法较传统方法有更高的适应性和查准率。     

多品种集约生产计划问题的模糊方法

提出具有模糊需求量和模糊能力约束以及资本水平约束的多品种类集约生产计划问题 的模糊优化模型及模糊解方法. 通过对模糊需求量和模糊等式的描述,提出了模糊需求环境下 生产- 库存平衡方程的两种等价的描述方法, 并给出了模糊等式的实用解释. 建立了具有模 糊需求量和模糊能力约束集约生产计划问题的优化模型FMAPP ,并给出了求解模型的参数规 划方法.     

模糊C聚类综合评价法在企业财务信用评级中的应用

本文针对当前企业财务信用问题,提出了基于模糊C均值聚类和综合评价相结合的财务等级分类方法。探讨了聚类分析方法在财务信用分类中的应用,包括模糊聚类方法和根据聚类中心进行综合评价研究两个方面。采用实际的数据进行了实证分析,表明该方法可根据实际需要获取很好的评价分类效果,而且根据聚类中心进行评价,能更清楚地反映信用等级。     

模糊库存模型中解模糊方法的研究

本文对解模糊方法进行了深入的研究,提出了适用于模糊库存模型的解模糊方法——阶矩法,对三角形模糊数和梯形模糊数进行了解模糊,并对缺货时延期交货的多模糊参数的库存模型应用阶矩法进行了求解,通过具体算例对解模糊问题进行了分析和验证.     

粒子群优化的模糊聚类方法在车辆行驶工况中的应用

本文研究了粒子群优化的模糊聚类方法在车辆行驶工况中的应用。采用主成分分析方法将众多反映车辆行驶工况特征的运动学片段特征值进行压缩,用粒子群优化的模糊聚类方法对运动学片段的前三个主成分得分进行聚类,通过Matlab编程将上述理论用于合肥市典型道路行驶工况的构建和分析,按时间比例选取合适片段拟合代表性工况,并将代表性工况和采用K均值聚类法及模糊C均值聚类方法拟合的工况进行对比分析。研究结果表明,将粒子群优化的模糊聚类方法应用到工况的构建中可以有效地提高构建精度。     

基于广义模糊软集理论的云计算资源需求组合预测研究

论述了云计算资源需求预测的作用,提出了新的基于夹角余弦的广义模糊软集相似性度量方法,将相似性度量结果与预测精度相结合来获得各单项预测模型的权重,并针对云计算环境中资源需求所表现出的短期动态性和长期周期性特征,选用自适应神经模糊推理系统ANFIS和季节性ARIMA模型SARIMA作为单项预测模型,以此构建基于广义模糊软集理论的组合预测模型GFSS-ANFIS/SARIMA。最后将该模型用于云计算环境下的资源需求预测应用中去。实验结果表明,与其它预测模型相比,该模型能有效提高预测精度,具有良好的预测性能。本文所提方法能为云计算资源的高效调度和分配提供决策支持。     

基于广义模糊数的软件成本加权CBR估算研究

在软件项目开发过程中,准确估算出软件成本在提高软件质量和保障软件成功开发方面起到重要支撑作用。针对软件项目历史数据库中部分属性在项目开发初期难以给予精确数值(仅仅能给出模糊数),而已有软件成本估算模型不能很好地处理模糊信息的问题,本文在基于案例推理模型(CBR)基础上集成广义模糊数,提出了基于广义模糊数的CBR模型。使用基于广义模糊数的相似度度量方法代替传统CBR模型中采用的欧式距离等相似度度量方法,采用模糊C均值聚类(FCM)方法将已有软件项目历史数据库中的精确数值进行模糊化处理,以匹配新项目中的模糊数。进一步采用粒子群算法(PSO)来优化属性的权重,构建基于广义模糊数的加权CBR模型。最终在实验中采用Desharnais数据来检验构建模型的有效性。实证结果表明,在与常用的欧式距离CBR模型相比,构建的基于广义模糊数的加权CBR模型能有效提高估算精度,采用PSO优化属性权重能提高模型的估算精度。     

一种基于PIM与核方法的模糊聚类新算法

本文针对模糊C均值聚类在大数据量时收敛较慢以及不能对多种数据结构有效聚类的缺点,结合PIM算法与核方法提出了一种新的高效聚类算法———KPIM算法,并从理论上证明了该算法的收敛性.最后利用标准实验数据IRIS数据集测试,结果表明KPIM算法在保证收敛速度的同时,聚类效果更有效.     

基于模糊信息分配理论的短期股价涨跌模式识别

基于分形市场假说的股价并不完全反映所有信息的观点,认为历史股价信息是不完备的群体型模糊信息,提出了线性信息分配条件下的信息守恒定理,建立了基于模糊信息分配理论的短期股价涨跌预测的模糊模式识别模型,通过对上证综合指数日线数据的短期预测,表明该模型具有能够动态捕捉股价短期分布特征、有效描述股价序列内蕴的短期非线性因果关系,进而具有较高的股价涨跌识别精度,并提出了金融市场收益率可能性分布的概念.