运用价值链分析方法控制企业成本

把成本控制与企业发展战略相结合,己成为当今企业成本控制的新趋势。企业战略成本控制是围绕价值链分析展开的,而价值链分析是企业创造和保持竞争优势的基本途径,它要求将企业的价值链置于整个行业的价值系统中,注重与改善企业与供应商和顾客之间的关系、对竞争对手进行价值链分析、注重企业内部价值链中各项活动的联系并使之优化。因此,如何有效地运用价值链分析方法于成本控制实践,     

基于粗糙集的组合评价方法研究

为了解决多方法评价结论的非一致性问题,目前有不少学者提出了组合评价的思路.但现有的组合评价方法普遍隐含着与实际情况相悖的基本假设;所讨论的方法适用于所有评价问题,把所有的评价方法进行组合.针对上述问题本文试图基于粗糙集理论和信息熵概念,首先进行评分方法的筛选,然后再计算主要方法的重要程度,经过归一化处理后即得到各可组合方法的权重,进而得到组合评价的结论.最后用一个实例说明本研究实际应用上的有效性.     

基于模糊熵的商业银行信用风险评估指标选择方法

借鉴评估指标的熵权选择方法，结合模糊数学理论，提出了一种商业银行信用风险评估指标选择方法。该方法针对不同的财务比率指标，通过试算与比较，构造隶属函数，对指标进行无量纲化处理，在“模糊熵”的基础上，计算熵权，用以修正经验权重，根据所获得的综合权重筛选信用评估指标，建立指标体系。     

基于SVM求解不均衡数据集分类的主观权重约束方法

支持向量机(SVM)的二类分问题中针对不平衡数据集可以通过减少样本信息的不对称性和改进算法来解决。本文针对中小企业中有财务风险与无财务风险样本的不平衡性问题,使用一种带有主观权重约束条件的支持向量机新模型对样本进行分类。实验表明新模型确实提高了财务风险企业即少类样本的识别性能,是一种类别不均衡学习(class imbalance learning)的新方法。     

基于公共权重的集成DEA排序方法

基于公共权重的排序研究是管理科学中的一个重要课题,具有很强的现实意义.传统DEA方法确定了使得每个决策单元最优的偏好权重,却无法得到所有单元都能普遍接受的公共权重.本文提出了集成DEA模型,寻求一组公共权重,使得所有单元的无效程度之和最小,此时系统的效率最优.这组权重可以同时度量所有单元的有效程度,进行效率评价,也可以度量每个单元对系统的贡献程度,从而对这些单元进行排序.实例分析证实该模型的有效性和适用性.     

利用RDU评价车牌拍卖和年费方式的支付意愿

城市私车牌照拍卖被认为是控制私车拥有量的有效手段,对此将购车人分为三类,采用依序效用函数和概率权重函数分别讨论了观望效用为常数和变量时本地和外地车牌之间的依赖关系以及买家的支付意愿,从而不仅显示了观望效用对支付意愿的影响,而且也证明了概率权重函数的弹性系数对判断车牌选择倾向、刻画支付意愿大小和区分买家类型都具有重要作用。此外还就新提出的车牌限制措施-年费制度潜在的实施效果进行了分析,说明该制度将导致外地车牌对使用成本的变动更加敏感,而且长期来说也难以为继。     

基于层次分析法的核电调试人员筛选的评价体系

本文介绍了在层次分析法的基础上建立核电调试人员筛选的评价体系,并对该体系的实证分析方法进行了说明。该方法基于业务能力、健康状况、心理素质、交流沟通和现场环境作为评价指标来建立层次分析模型,构造了比较矩阵和不同准则的方案层判断矩阵,通过计算层次单排序的权向量得到不同调试人员对总目标权值的大小来筛选调试人员。通过实证分析可以看到,层次分析法是对人才评价的有效工具并给出了与实际情况符合有较好的结果。基于实证分析的调试人员筛选评级体系为调试单位提供了一种合适完善的模型,使得调试人员的筛选更加数字化、合理化、公平化。     

磁固耦合效应下集成式永磁电动轮定子振动响应与结构优化研究

针对磁固耦合效应下集成式永磁电动轮定子振动问题,依据改进的子域模型理论和有限元分析方法,建立考虑定子齿尖效应的磁场预测模型。首先,根据Maxwell应力张量方程,明确不平衡电磁力时空分布及幅频特性;其次,基于薄壳理论,将定子总成等效为弹性圆柱薄壳,建立考虑激振力变化的磁固耦合动力学模型,给出电动轮关键构件模态频率及振型;在此基础上,以降低定子耦合振动为优化目标,采用提出的自适应权重粒子群优化算法对定子结构参数进行设计。对比分析表明,结构优化后,定子磁固耦合振动得到了有效改善,提高了永磁电动轮运行的稳健性。     

基于改进Gini-Simpson指数的指标及权重均为混合属性的广义灰靶决策方法

提出了一种新的以改进的Gini-Simpson指数为决策依据的指标及权重均为混合属性值的广义灰靶决策方法。该方法构造权重函数将不确定性混合指标权重确定化,并以改进的综合加权Gini-Simpson指数作为方案决策的依据。首先将各方案的混合属性指标值转化为二元联系数,并分解为确定项和不确定项以组成(确定,不确定)二元组数;其次,分别获得各属性下靶心指标的(确定,不确定)二元组数;然后,构造权重函数将不确定性权重确定化,继而求得各方案的综合加权Gini-Simpson指数;最后以综合加权的Gini-Simpson指数为依据对各方案进行决策,以其值越小方案越优。案例分析的结果验证了该法的可行性。     

基于用户评分权重的矩阵分解推荐算法

在传统的推荐算法中存在数据评分稀疏的问题,同时,在建立预测模型时默认每个用户评分都是真实可信的.但实际评分中存在某些数据不符合用户的整体评分趋势和偏好.为了解决上述问题,对每项用户评分的真实性进行计算,在进行评分预测时,使符合用户整体评分趋势的评分数据获得更高的权重,让推荐算法更精准的把握用户和项目的特征信息,提升推荐系统的整体性能.经过在Movie Lens 100k数据集上与其它三种经典算法的对比实验表明,本文提出的改进算法能更好地把握用户真实喜好,提高预测的准确性.