调查研究要以人为本

所谓以人为本,从哲学上讲就是把人作为历史创造的主体和实践发展的目的.反映在具体工作中,要求我们一切为了人民,一切依靠人民,把人民的利益作为一切工作的出发点和落脚点.调研工作中的以人为本,总的来说就是"深入了解民情,充分反映民意,广泛集中民智,切实珍惜民力",从人的现实情况出发,从人的现实需要出发,从人的现实环境出发,围绕人的利益、情绪、愿望、呼声、疾苦、经验、创造等来确定调研的课题,从坚持实事求是、尊重人民的首创精神和大多数群众的意见来确定调研的方式、方法,从为人的生存、生活和全面发展出发得出调研的结论.     

市场规制和企业制度不完善条件下的经济增长机制探讨

从分工的角度来看 ,当市场规制和企业制度比较完善时 ,人们倾向于利用市场或企业来组织分工。然而 ,我国的一些中小城镇 ,虽然不具备市场规制和企业制度方面的优势 ,却通过产业群集的方式使分工不断深化 ,成为我国经济增长最具活力的经济组织模式。本文简要说明这种模式的形成机制 ,并指出 ,“人际关系网”看似不利于市场经济的发展 ,但在一定条件下可以形成更高的竞争力     

人的高贵在于灵魂

法国思想家帕斯卡尔有一句名言：“人是一支有思想的芦苇。”他的意思是说,人的生命像芦苇一样脆弱,宇宙间任何东西都能致人于死地。可是,即使如此,人依然比宇宙间任何东西高贵得多,因为人有一颗能思想的灵魂。我们当然不能也不该否认肉身生活的必要,但是,人的高贵却在于他有灵魂生活。     

发电企业集控运行班组的精细化管理

精细化管理是企业在激烈竞争的市场环境下从粗放型管理向集约型管理转变的一种科学管理方法.电力市场化改革的大背景和发电企业精细化管理的必然选择推进了发电企业集控运行班组的精细化管理.发电企业集控运行班组精细化管理可以从在员工中树立精细化管理思想、在班组内建立精细化管理制度等五个方面着手.     

基于犹豫直觉模糊语言集均值-标准差偏好距离的多属性决策研究

在犹豫直觉模糊语言集和语言尺度函数的基础上定义了均值-标准差偏好的Hamming距离，并提出了基于犹豫直觉模糊语言集距离TOPSIS和TODIM的多属性决策方法，进一步利用这两种方法对实例问题建筑商的招标方案进行排序，并讨论了偏好参数对排序结果的灵敏度分析。为验证上述方法的有效性，与已有方法对同一实例的排序结果进行了比较分析。     

基于Mo-RVIKOR的混合多属性决策方法

针对复杂性和不确定性多属性决策问题,考虑定量和定性融合的属性形式,提出了模块化随机多准则妥协解排序法（Modular Random VlseKriterijumska Opti-mizacija I Kompromisno Resenje,Mo-RVIKOR）,该方法无需将信息统一,就能处理多种信息形式存在的多属性决策问题。采用精确数、随机变量处理定量评价信息,用概率语义术语集处理定性评价信息;通过改进离差最大化法确定属性权重;根据Mo-RVIKOR对决策对象进行排序;最后以某公司C2B定制化服务质量评测项目为例,验证了所提方法的有效性。     

属性集容量确定的夹挤式测度模式及其推算模型

迄今,为解决多属性偏好关联决策属性集容量判断指数复杂性难题所提出的λ模糊测度模式与k-可加模糊测度模式,以及建构在它们之上的属性集容量确定的推算模型,尚存在着适用性差的技术不足。为此,以平衡容量判断的可操作性和容量推算的准确性为视角,提出了一种新容量测度模式,即关于容量判断与推算的夹挤式测度模式,并在此基础上通过引入决策者较易判断给出的容量序信息构建了相应的容量推算模型。基于数值模拟的对比分析表明：新模式不仅在应用可行性上高于k-可加模糊测度模式,而且从容量推算的准确性上看也明显优于λ模糊测度模式和k-可加模糊测度模式,因而对实际决策具有更强的适用性。     

百字推翻:百年集合论和几千年“任何正数x……“

据“两集不对等就更谈不上相等“仅用百字就推翻了百年无穷集论和几千年“任何正数y=k(y/k)=kx>>x“.揭示用而不知的潜藏“地下“几千年未知数远远多于已知数.所以自有直线函数概念以来数学就一直搞错了大多数函数的值域.0<y<b不一定表示y的变域是(0,b).     

旅客航班选择模型研究：变精度粗集方法

文章以Logit模型为基础，运用变精度粗集（Variahle Precision Rough Set，VPRS）方法构建了旅客航班选择模型（Passenger Flight Choice Model，PFCM），该模型无需知道旅客航班选择数据集合以外的任何先验信息，在满足所要求精度下，即可求出旅客航班选择的真实因素及各因素权重，从而计算出某航线某时刻旅客航班选择的概率，为航空公司设计产品、改进营销提供可资借鉴的依据。     

粗集与神经网络相结合的股票价格预测模型

粗集和神经网络结合反映了人类智能的定性和定量、清晰和隐含、串行和并行相互交叉混合的常规思维机理。本文建立这样一种混合杂交模型用于股票价格波动趋势的预测,通过粗集对数据的二维约简预处理消除了样本中的噪声和冗余,在提高神经网络预测精度的同时降低了学习负担。为了获得最优的预测精度,本文还利用遗传算法进行属性离散化和网络学习。通过对上证综指的实证研究表明,这种混合杂交模型的性能明显优于BP和GA神经网络模型。