城市出租车出行轨迹网络的空间分异特征研究

城市居民的出行特征受到城市资源配置及其结构功能的影响。以北京市城六区为例,利用出租车全球定位系统(GPS)轨迹数据,构建出租车服务利润率模型和出租车出行轨迹网络模型,分析出租车出行轨迹网络的空间分异特征。研究发现,出租车出行轨迹网络的度累积分布服从幂律分布,是一个无标度网络。出租车的服务利润率和网络结构具有较强的关联性。出租车出行轨迹网络的出入度和服务利润率在时间上都具有明显的"早晚高峰"现象,这说明在早晚高峰时段,出租车的收益水平和供需数量都处于较高的状态。北京市出租车需求在城六区的地域分布极不平衡,区域之间存在较大差异。对出租车需求较大的行政区,司机的收益水平较低,反之则较高。对出租车需求较大的功能区,司机服务利润率处于较低水平。从服务利润率视角下分析出租车出行轨迹网络的空间分异特征,能够理解城市在服务利润率视角下居民对出租车的需求变动规律,有助于当局合理规划城市结构布局,优化城市交通资源配置,适度调控出租车保有量,进一步完善出租车市场利益分配格局具有一定的指导意义。     

基于贝叶斯网络的长江地区人口健康素质预测

文章从提高人口健康水平方面研究了提高人口素质决策的评价体系,以贝叶斯网络为工具,在对长江地区人口数据进行了相应的离散化处理后,从大量人口数据中分析人口健康素质问题,建立了描述人口健康素质的贝叶斯网络模型,可为人口决策提供科学依据.     

基于贝叶斯网稀疏结构学习的信用影响因素结构发现

面对海量高维信用数据,传统贝叶斯网络在刻画变量复杂结构和概率关系时遇到了挑战。尝试将基于multi-logit回归的离散贝叶斯网络稀疏方法用于个人信用影响因素结构关系的发现,实现从多维变量复杂关系中抓取重要结构关系;基于解路径探讨了用于结构发现的稀疏贝叶斯网络模型的选择标准,并比较了稀疏贝叶斯网络与经典贝叶斯网络结构学习的性能;结合领域先验知识进一步改进贝叶斯网络结构,定性分析多维变量存在的主要结构关系;在确定多维变量稀疏网络结构的基础上,采用贝叶斯后验估计获取模型参数,并利用贝叶斯网络推理定量分析关键变量对信贷客户类型的直接或间接影响。     

技术创新网络构建与协同创新绩效提升路径

文章以技术创新网络作为主要研究对象,构建了技术创新网络对企业协同创新绩效的作用机制的模型框架.并在此基础上,利用课题研究数据,验证了企业技术创新网络对企业协同创新绩效作用机制模型的有效性与科学性.据此,从技术创新网络、网络联盟与企业组织学习等维度,对提升技术网络协同创新绩效提出了相应的政策路径.     

基于贝叶斯网络的高校教师绩效评价方法

提出了采用基于贝叶斯网络推理技术的高校教师绩效评价方法.该方法以现有的绩效评价指标体系为基础,结合贝叶斯网络中多层隐类模型的构建原理,将评价指标体系中的各项指标转化为贝叶斯网络中的结点,并根据各级评价指标之间的逻辑关系将其转化为贝叶斯网络中的联接强度,可得到用于教师绩效评价的贝叶斯网络;将各项指标的评价分值作为证据输入到贝叶斯网络中,便能以概率形式评定参评教师的绩效水平.最后分析了教师绩效评价贝叶斯网络的四种典型应用模式.     

奈特不确定性下的贝叶斯学习行为模型

奈特不确定性和风险下的决策框架差异明显,传统风险度量模型在处理不确定性问题上表现的并不令人满意.处理奈特不确定性的主要统计决策方法可分为新古典方法、参数修正方法和贝叶斯方法.在贝叶斯框架下,可以基于学习行为构造一个融合外部环境信息和内生主观预期的模型,将期望效用最高的行为视为最优决策.贝叶斯学习行为模型在实践中能够有效的区分风险和不确定性,对于解决不确定性环境下传统风险度量模型容易低估风险和忽略极端风险的问题具有积极意义.     

基金业绩分析——基于有向学习网络的研究

本文使用LASSO算法构建了基于基金持股数据的基金间动态学习网络,将基金研究中传统的无向网络扩展为有向网络,并检验了正向学习与反向学习两种不同的学习模式(信息利用方式) 对基金业绩的影响,进而探讨了其背后的经济含义。实证结果表明:当基金作为被学习者(信息被观测方)时,被正向学习会显著提高其业绩,被反向学习会显著降低其业绩;当基金作为主动学习者(信息观测方)时,无论是正向学习还是反向学习均不会对其业绩造成显著影响;对基金学习动机的分析表明,基金参与学习是为了提升相对自己上期的业绩、防止业绩倒退,且反向学习相对更加有效。本文分析了信 息传递方向、信息利用方式对基金业绩的影响,为如何将统计学习方法应用于金融问题的分析提供了一个新的视角。     

长江地区人口科学文化素质预测与分析

文章从提高人口科学文化水平方面研究了提高人口素质的评价体系,以贝叶斯网络为工具,在对长江地区人口数据进行相应处理后,从大量人口数据中分析人口科学文化素质问题。建立描述人口素质的相关模型,并对模型进行分析,为人口决策提供科学依据。     

贝叶斯网络决策在房地产投资风险控制中的应用

文章结合总和一阶贝叶斯网络学习模拟,获得面向不同风险控制决策程度的房地产先验概率、后验概率及其对应的密度函数,从中比对不同投资风险控制效益对应的条件概率.结果表明,基于贝叶斯网络推理可以获得更具有确切显性特性的房地产投资风险控制决策信号;中层级获得了最高的测试值,最低的为高风险决策级.贝叶斯网络推理一定程度上削弱了原先的网络学习对投资风险控制的先验概率对关联强度的影响,应均衡房地产在风险控制绝对与管理之间的投资策略.     

基于动态贝叶斯网络的舆情预测模型研究

随着新兴媒体的出现,为了提前并更加准确地判断突发事件网络舆情的发展演化方向,以便做出比较合理的预测监控.文章基于动态贝叶斯网络模型,建立了关于突发事件的网络舆情预测监控模型.通过关联概率的计算,对动态贝叶斯网络中存在因果关系的节点变量进行预测.并以分析2014年上海踩踏事件为例,确定此事件对象中的节点变量,并通过10位专家评分的方式给出了对突发事件网络舆情进行预测的具体操作方法,得到比较合理的预测结果,证明了该方法的可行性和实用性.