基于数据挖掘的固网大客户流失组合预警

应用C5.0决策树算法、CART决策树算法、RBF神经网络建立某固网运营商客户的收入流失预警模型,然后运用GMDH方法建立了客户的收入流失组合预警模型。研究表明:模型提高了预警的准确率和覆盖率,模型能够帮助运营商找出收入有可能流失的客户,使其能对这些客户开展提前、有效的挽回营销工作,最大程度减少客户流失。     

检测含无关项特殊布尔函数的表格算法

从冗余函数、线性函数、自反函数、自双反函数四类特殊布尔函数的定义出发,讨论了检测含无关项特殊布尔函数的表格算法。该算法应用表格列出布尔函数1值最小项及无关项的二进制编码,取反1值最小项及无关项二进制编码中的相应位产生新项。通过比较新项与原最小项之间的异同实现特殊布尔函数的检测。应用实例表明,表格算法具有快速便捷、适用于多变量函数及易于计算机编程操作等优点。     

数字化背景下企业跨界创新能否实现与用户价值共创？——一个有调节的中介模型

基于价值共创理论与社会交换理论,引入用户驱动创新作为中介变量,冗余资源作为调节变量,构建一个有调节的中介模型。基于352份调查数据,运用层级回归、Bootstrap和结构方程模型等方法,实证检验企业跨界创新对价值共创的影响,以及用户驱动创新的中介效应和冗余资源的调节效应。结果表明企业跨界创新能够显著正向影响用户价值共创,用户驱动创新在企业跨界创新和用户价值共创中起部分中介作用,冗余资源正向调节企业跨界创新对用户驱动创新的影响。     

四川省工业利润总额在组合预测方面中的应用与研究

本文分别建立了四川省工业利润总额方面的GMDH自回归预测模型和AC预测模型,然后针对它们的预测效果建立了GMDH-AC组合预测模型。并将组合预测结果与实际值以及单一的GMDH模型、AC模型的预测效果进行了分析和比较,表明了所述方法的有效性和可行性,从而为预测工业利润总额及其它宏观经济预测指标在选择预测方法提供了参考。     

我国上市公司虚假财务报告的GMDH识别模型

以我国证券市场涉及到利润和资产造假的30家上市公司作为研究样本,利用GMDH模型对我国上市公司虚假财务报告进行识别。研究得到了可以显示财务造假征兆的5个关键异动指标,并且,通过其中2个指标可以很好识别那些以虚减利润和收入的造假方式为管理层输送利益的上市公司。实证研究表明,GMDH模型具有较高的识别正确率和较强的预测推广能力。     

基于GMDH的民航客运量需求预测与分析

根据社会经济发展和民航客运需求之间的关系,探讨了影响民航客运量的因素,并以成都民航客运市场为研究对象,采用多元线性回归和GMDH的方法,分别建立了两个民航客运需求预测模型对成都民航客运的需求量进行了预测,同时还实施了两种方法的组合预测,通过预测误差分析结果证明预测的可信性。研究表明,GMDH模型具有较强的预测推广能力和进行因素分析的优越性。     

决策树下引入残差数据合并的冗余数据挖掘

提出采用残差数据合并技术的冗余数据优化挖掘算法,利用训练集建立决策树模型,引入C4.5决策树模型进行冗余数据主特征建模,在主分量特征决策树下,引入残差数据合并技术,设定数据残差特征伴随追踪模式,把传统方法中用于滤除的数据信息进行拼接伴随追踪定位,实现了冗余数据特征的优化挖掘。把方法应用到网络流量时间序列数据处理中实现网络异常监测,仿真实验表明,新的数据挖掘算法能有效提取到冗余数据特征作为有用检测特征,数据挖掘效率大幅提高,有效促进了海量数据隐藏特征的挖掘和应用,设计的网络流量监测软件能提高网络管理和监测实效性。     

组织冗余对产品创新的作用机制研究

组织冗余对于创新的影响目前仍然存有争议。一方面,不同类别组织冗余的作用会有所区别,现有研究不加分类分析和验证它们作用的做法值得商榷;另一方面,相关研究很少涉及作用机理的验证,这导致那些关于组织冗余为何有利或者有害的观点仅停留在猜测阶段;第三,大企业组织冗余的作用和小企业的会有区别,而现有研究很少探讨不同规模情境下组织冗余作用的变化。鉴于此,本文以组织行为理论为基础,引入组织搜索(本地搜索和跨界搜索)作为中介变量,试图展现组织冗余对产品创新的作用路径以及企业规模所起的调节作用,并选择江浙皖三省六地科技型企业为样本对所提模型进行验证,对423份有效问卷数据进行多元线性回归分析后发现:一、沉淀冗余和产品创新显著正相关,非沉淀冗余对产品创新的影响并不显著;二、本地搜索和跨界搜索在沉淀冗余和产品创新之间均发挥部分中介效应,非沉淀冗余和产品创新关系不显著,二者间不会有中介变量存在;三、企业规模对沉淀冗余、非沉淀冗余和产品创新之间关系均存在显著的负向调节效应。本文研究结果有助打开组织冗余和产品创新关系的黑箱,为组织冗余存在形式的情境化选择提供重要依据和参考,同时佐证了那些不加分类、笼统分析组织冗余作用的做法是不科学的。     

基于改进的LOD模型算法三维场景建模

图形渲染速度目前已成为复杂场景漫游的主要瓶颈,为满足漫游系统的实时性需求,在详细分析传统LOD模型算法的基础上,提出了模型差值信息渐增的改进思想,解决了传统LOD模型算法中存在的重复渲染和多次建模的问题,减少了数据冗余,进一步提高了虚拟场景的漫游速度。     

互补性资产、企业价值网络与创新绩效:基于知识冗余的调节作用

拓展以互补性资产为主要内容的平台创新理论和以知识冗余为主要内容的知识基础理论,分别引入企业价值网络和知识冗余作为中介变量和调节变量,以216家创新型企业为样本,运用因子分析以及多元线性回归等方法,实证研究在企业价值网络中随着知识冗余的变化,互补性资产促进创新绩效提升的影响机理作用.研究发现:企业价值网络生态中可以利用的...     

Multi-layer self-organizing polynomial neural networks and their development with the use of genetic algorithms

In this paper, we introduce a new architecture of genetic algorithms (GA)-based self-organizing polynomial neural networks (SOPNN) and discuss a comprehensive design methodology. Let us recall that the design of the “conventional” PNNs uses an extended group method of data handling (GMDH) and exploits polynomials (such as linear, quadratic, and modified quadratic functions) as well as considers a fixed number of input nodes (as being selected in advance by a network designer) at polynomial neurons (or nodes) located in each layer. The proposed GA-based SOPNN gives rise to a structurally optimized structure and comes with a substantial level of flexibility in comparison to the one we encounter in conventional PNNs. The design procedure applied in the construction of each layer of a PNN deals with its structural optimization involving the selection of preferred nodes (or PNs) with specific local characteristics (such as the number of input variables, the order of the polynomial, and a collection of the specific subset of input variables) and addresses specific aspects of parametric optimization. An aggregate performance index with a weighting factor is proposed in order to achieve a sound balance between approximation and generalization (predictive) abilities of the network. To evaluate the performance of the GA-based SOPNN, the model is experimented with using chaotic time series data. A comparative analysis reveals that the proposed GA-based SOPNN exhibits higher accuracy and superb predictive capability in comparison to some previous models available in the literature.     

最短路径算法及其应用探讨

电子地图设计中,最短路径算法是其重要的组成部分。本文从最短路径研究的意义入手,分析了基于图论的最短路径算法——Dijkstra算法的基本思想,并在此算法的基础上进行了改进,最后给出了这种改进算法的应用。     

基于R/S分析的GMDH自组织方法在用电量预测中的应用

将R/S分析方法引入用电量预测;并将R/S定性分析方法与GMDH定量预测方法结合,应用于成都市用电量预测。应用R/S分析方法从定性角度研究成都市历年用电量变化趋势的特性,得出成都市城市用电量Hurst指数;运用GMDH预测方法从定量角度对成都市近几年的城市用电量进行预测,进而验证Hurst指数所反映出的成都市用电量的增长趋势。     

Data information processing of traffic digital twins in smart cities using edge intelligent federation learning

The present work analyzes the application of deep learning in the context of digital twins (DTs) to promote the development of smart cities. According to the theoretical basis of DTs and the smart city construction, the five-dimensional DTs model is discussed to propose the conceptual framework of the DTs city. Then, edge computing technology is introduced to build an intelligent traffic perception system based on edge computing combined with DTs. Moreover, to improve the traffic scene recognition accuracy, the Single Shot MultiBox Detector (SSD) algorithm is optimized by the residual network, form the SSD-ResNet50 algorithm, and the DarkNet-53 is also improved. Finally, experiments are conducted to verify the effects of the improved algorithms and the data enhancement method. The experimental results indicate that the SSD-ResNet50 and the improved DarkNet-53 algorithm show fast training speed, high recognition accuracy, and favorable training effect. Compared with the original algorithms, the recognition time of the SSD-ResNet50 algorithm and the improved DarkNet-53 algorithm is reduced by 6.37ms and 4.25ms, respectively. The data enhancement method used in the present work is not only suitable for the algorithms reported here, but also has a good influence on other deep learning algorithms. Moreover, SSD-ResNet50 and improved DarkNet-53 algorithms have significant applicable advantages in the research of traffic sign target recognition. The rigorous research with appropriate methods and comprehensive results can offer effective reference for subsequent research on DTs cities.     

基于时序关联分析的PageRank改进算法研究

搜索引擎是互联网资源搜索的入口,搜索的快捷性、准确性是搜索引擎的核心竞争力,如何提高竞争力是业内企业的工作重点。已有的搜索引擎算法中,最具代表性的就是PageRank算法,针对该算法的改进方法也有很多,但效果并不很理想。分析了已有PageRank改进方法的不足,立足于用户搜索行为信息挖掘,采用时序关联分析方法,将关联比例作为权值加入到PageRank计算公式中,改变平均分配权威值的计算方法,从而得到了改进的PageRank算法——TCPR算法,使得搜索排序结果更符合用户的信息需求。     

基于Apriori的改进算法

关联规则的提取是数据挖掘中的重要研究内容,对关联规则提取中的Apriori算法进行了分析与研究,针对该算法的运算效率不高,对该算法进行了改进,提出了Apriori改进算法.Apriori改进算法采用二进制数据垂直表示方法,只用扫描事务数据库一次得到一阶大项集的二进制数据垂直表示.K阶候选项集的操作只要基于这个一阶大项集,而不需重复扫描数据库,从而提高了挖掘算法的效率.     

Efficiency analysis of a filtering algorithm for discrete-time linear stochastic systems with polynomial measurements

A filtering algorithm is presented for discrete-time linear stochastic systems with polynomial measurements. The techniques to evaluate its efficiency are proposed. The algorithm performance is demonstrated by solving two navigation data processing problems, map-aided navigation using geophysical fields and single-beacon navigation for an autonomous underwater vehicle. The designed polynomial filter is compared to the extended Kalman filter, which is commonly used in practice. The simulation results reveal advantages of the polynomial algorithm. The obtained conclusions are reported.     

蚁群算法的改进策略研究

蚂蚁算法是一种元启发式优化算法,研究表明其具有较强鲁棒性、优良的分布式计算机制、易于与其他方法相结合等特点,但是也存在一些不足。针对蚁群算法的不足,许多的学者提出了诸多的改进算法,通过对改进算法的研究发现对改进策略的研究是非常必要的。文中对改进策略进行总结,为算法改进发展提供必要的参考。