简介：为解决以往上市公司集成评价模型中各方法评价结果不一致问题,本文构建了改进集成评价模型。该模型先采用层次分析法、灰色关联度法、因子分析法进行评价,并运用KENDALL-W协和系数法对各评价结果进行事前一致性检验;通过检验后,再分别运用算术平均组合评价模型、Borda组合评价模型和Copeland组合评价模型进行组合评价。为了衡量组合评价与各评价方法的评价结果是否吻合,应用Spearman等级相关系数进行组合评价方法的事后检验,并根据Spearman等级相关系数的大小,选出最优的组合评价方法。最后,对中国26家上市运输公司财务绩效进行了集成评价的实证研究,并以算术平均组合评价模型的标准得分为聚类指标,采用欧氏距离法对26家上市运输公司进行聚类。结果显示：铁路、水路、公路运输各存在一个典型绩优企业,分别是：铁龙物流、北京传媒、海峡股份,四类上市运输公司中铁路上市公司财务绩效最优。

简介：本文对指数分布的无失效数据，在引进失效信息后，在先验分布为Gamma分布时，给出了失效率的多层Bayes估计和综合Bayes估计，并给出了无失效数据情形可靠度的综合估计，还结合实际问题进行了计算。

简介：轮廓线的变点识别是质量管理的研究热点之一，当前研究多以轮廓整体变化为识别对象，而对局部变化问题研究相对较少，且更少有在发现变异时间的同时能够寻找到变化区域在个体轮廓曲线上位置的系统方法。本文针对轮廓线局部变化识别问题，提出基于小波变换和聚类分析的方法。通过仿真性能评价，并与现有方法进行比较，结果显示本方法能够在更小的差异度检测出变化并准确定位变化区域。在文章的末尾，本文采用了一个实例对该方法的效果进行验证。

简介：采样数据合理性检验,是数据处理中重要的一环,它的主要功能是鉴别采样数据中可能含有的异常值,并进行相应的机理分析与修复工作。本文从飞行器外测系统工程应用的角度出发,给出了两种简单易行的判断方法。

简介：针对采用经典划分思想的聚类算法以一个点来代表类的局限，提出一种基于泛化中心的分类属性数据聚类算法。该算法通过定义包含多个点的泛化中心来代表类，能够体现出类的数据分布特征，并进一步提出泛化中心距离及类间距离度量的新方法，给出泛化中心的确定方法及基于泛化中心进行对象到类分配的聚类策略，一般只需一次划分迭代就能得到最终聚类结果。将泛化中心算法应用到四个基准数据集，并与著名的划分聚类算法K-modes及其两种改进算法进行比较，结果表明泛化中心算法聚类正确率更高，迭代次数更少，是有效可行的。

简介：针对股票时间序列的特点，从离群点对股票时序数据有序性的影响角度出发，在界定分形离群点含义的基础上，利用分形理论将离群模式挖掘理解为一个优化分割问题。采用推广G—P（Grassberger-Procaccia）算法计算股票时间序列数据集的多重分形广义维数，并利用贪婪算法的思想设计了FT-Greedy算法来求解基于分形理论的时间序列离群模式挖掘优化问题的解集。实验证明，该方法能有效地解决股票时间序列离群模式挖掘问题。

简介：服务外包是推进我国产业结构调整的重要方式。数据处理作为服务外包中基础业务之一,对人力依赖程度很高。企业只有合理有效安排员工生产才能及时处理并以低成本交付订单。文章以数据处理业务为研究背景,考虑订单加工整个流程和员工技能种类,建立两步多层复合技能人力调配分段模型。选取实地调研企业数据运用模型进行求解。结果表明了模型的有效性,对于有效提升企业接包能力,促进我国服务外包发展有重要意义。

简介：时间序列聚类分析是时间序列数据挖掘中的重要任务之一，通常由于时间序列数据的特殊结构，导致一般的聚类算法不能直接应用于时间序列数据。本文提出了一种基于独立成分分析与改进^一均值算法相结合的时间序列聚类算法，该算法首先利用独立成分分析对时间序列数据进行特征提取，然后利用改进￡．均值聚类算法完成对时间序列特征数据的聚类分析，从而得到了一种新的基于特征的时间序列聚类方法。为了验证该方法的有效性和可行性，将其应用于实际的股票时间序列数据聚类分析中，取得了较好的数值结果。

简介：随着互联网＋战略的深入推进,了解不同产业内信息技术能力与产业绩效之间的协调发展情况,对于系统把握我国的信息化发展水平,分类制定有效产业政策具有重要意义。有别于以往采用宏观产业数据,重点评价工业化与信息化融合度,本文主要基于2008~2015年的上市公司的微观数据,采用耦合协调模型,分类测度四大类产业的IT能力与产业绩效的耦合协调度。研究发现：总体上看我国的产业IT能力与产业绩效之间存在中高度耦合关系,但耦合质量不高,耦合协调度处于中低水平,呈现逐渐上升趋势;此外,我国的不同的产业之间的耦合协调度发展趋势存在差异性,本文进一步分析了该差异的存在的原因,并提出政策建议。