基于胜任素质的人才甄选多准则模糊决策——以人力资源经理选拔为例

如何科学合理地进行人才甄选,一直都是企业关注的焦点。首先分析基于胜任素质的人才甄选过程中的模糊因素,然后构建多准则模糊决策的数学模型。多准则模糊决策克服了基于胜任素质的人才甄选过程中的一系列模糊因素,保证了决策的客观性和准确性。     

基于元胞自动机的投资者心理与股价波动分析

建立了描述投资者心理和股票交易量的元胞自动机模型。综合零邻居、Von Neumann和Moore三种邻居形式制定不同的规则,用模糊隶属度函数刻画投资者的选择心理。模拟结果表明:交易者之间自信程度的不一致性越高,价格的波动和相对交易量越大;Hurst指数与自信程度系数有关。     

基于T-S模糊故障树的制动系统可靠性分析

为解决动车组制动系统由于工作条件多样及内部结构复杂而呈现出的多故障状态以及故障机理模糊、故障关系不确定等问题,应用T-S模糊故障树的逻辑关系明确且可处理事件的不确定能力,结合基于信心指数修正的专家调查法,进行制动系统模型构建及重要度计算.得出了动车组制动系统薄弱环节,可为系统检修提供参考.     

一种自动获取用户兴趣的个性化搜索算法

解决用户的模糊查询问题一直以来是信息检索领域研究的热点。为了解决不同用户间的查询差异,一种称为个性化搜索的技术得以提出,其通过获取用户的喜好来识别查询意图,但研究发现很少有用户愿意直接或间接提供个人信息。本文提出一种基于用户点击历史信息自动获取用户兴趣进而对搜索结果进行个性化呈现的Web搜索系统架构。基于主题相关PageRank技术,设计了用户兴趣学习算法和个性化搜索页面排序算法。实验表明该算法能有效学习用户的兴趣信息,提高了个性化Web搜索质量。     

OBE理念下高师学前教育专业实践教学评价指标体系研究——基于AHP-模糊综合评价法

以师范类专业认证为背景,从OBE理念视角,结合CIPP评价模型结构,构建了学前教育专业实践教学评价指标体系。采用AHP-模糊综合评价法确定指标权重,并对评价体系的合理性进行了验证。研究认为,实践教学是学前教育专业提升人才培养质量的关键环节,要聚焦社会需求形成协同育人机制,以成果为导向强化形成性评价,实施实践教学过程化管理。     

考虑不确定性的电动汽车动力电池逆向物流网络设计

考虑到电动汽车动力电池回收量、回收技术水平等参数的不确定性,以逆向物流网络总利润最高和环境影响最小为目标,建立多目标模糊规划模型,进行电动汽车动力电池逆向物流网络设计。利用基于可信性测度的模糊求解方法处理模型中的模糊参数。引入决策者偏好系数,采用加权理想点法将多目标模型转化为单目标模型进行求解,得到考虑不确定性的逆向物流网络设施的选址、数量以及设施间的废旧动力电池流量分配方案。通过数值算例验证模型和算法的可行性和有效性。对回收量、回收技术水平和决策者偏好系数进行灵敏度分析,结果表明:随着回收量的增加,逆向物流网络利润增加;回收技术水平的提升和决策者选择合适的偏好系数可以提高逆向物流网络的经济效益和环境效益。     

科技文体中模糊限制语的语用功能探析

从模糊限制语的概念及科技文体自身的特点出发,探讨了模糊限制语在科技文体中的表现形式及主要语用功能。其语言形式主要表现在三个层面:词汇形式、句子形式、话语形式;其语用功能也主要体现在三个方面:使命题更趋严谨客观;减轻作者对命题所承担的责任;体现对读者的尊重、增大受认可的机会。     

基于模糊层次分析法的网络信息资源综合评价

介绍了网络信息资源的含义,提出基于模糊层次分析法的网络信息资源综合评价体系。在模糊数学综合评判法和层次分析法思想的基础上,引入模糊一致性矩阵构建权重集,从而对网络信息资源进行评价,并以网络期刊全文数据库为例给出了综合评价的分析实例。     

基于模糊层次分析和实物期权法的专利组合价值评估研究

专利组合是公司的重要资产。对专利组合进行价值评估,能够有效识别出专利组合的内在价值,分析专利组合带来的效益。本文将公司的专利作为一个组合,分析影响专利组合价值的各项内外部因素,将这些影响因素作为专利组合价值评估的重要基础,进而建立涉及多项指标的价值评估体系,运用模糊层次分析法和B-S模型对该项专利组合进行价值评估,并对具体公司的专利组合数据进行了案例分析。研究表明这种方法在一定程度上可以帮助企业确定自身专利组合的价值,具有一定的可操作性和借鉴性。     

NFCNNC:一种新的模糊竞争神经网络聚类模型及其在文本聚类中的应用

提出了一种新的模糊竞争神经网络聚类模型NFCNNC,并将其应用到文本聚类中。NFCNNC将模糊中心聚类(FCC)算法得到的模糊聚类中心向量作为神经网络的权值,通过比较隶属度值得到获胜神经元。网络中仅两个神经元同时调节权值。隶属度值最大的神经元以较大的学习率调整权值,隶属度次大的神经元以较小的学习率调整权值,其他神经元权值不变。按照FCC算法调整模糊聚类中心向量值(即权值)和神经元的隶属度,当网络稳定时,即可确定聚类数。与传统模糊神经网络模型相比,本文的模糊神经网络模型具有结构简单、运行效率高、聚类精度高的优点,同时克服了传统算法需预先指定聚类数的局限性。通过对文本聚类的实验验证,本算法取得了良好的效果。