摘要：基于Hausdorff距离用于定义两个紧集之间距离的考虑,将区间数视为一个紧集,定义了区间数之间的距离,并研究了区间向量的距离,从而得到聚类分析中两个样品间的距离。进一步定义了两个类之间的Hausdorff距离。为消除量纲对聚类结果的影响,研究了区间数据的标准化。基于此,给出了区间数据系统聚类算法。采用随机模拟的方法,对文中方法进行有效性评价,结论表明,Hausdorff距离法的聚类有效性在所有设计的实验条件下都要优于传统的欧式距离法。最后,基于符号数据分析的思想构造区间数据,给出了对多种动物群体按其身高、体重等生理特征进行聚类分析的算例。

摘要：基于符号数据分析所具有的能够有效地对海量数据进行降维并从整体上把握样本属性的优势,设计了基于区间型和分布式符号数据的模型建立方法,分别建立符号数据描述的目标群体用户模型和目标项目模型,并将目标项目模型分解为积极子模型和消极子模型来表示.进而计算目标群体模型与目标项目积极子模型、消极子模型之间的相似度,最终产生推荐.选取为群体用户推荐美食作为实例,通过大众点评网收集用户评分数据,对文中算法进行评价,结果表明该算法能取得良好的推荐精度,且在群体较小及数据稀疏时,推荐质量明显优于传统基于点数据描述群体用户模型的协同过滤算法.

摘要：针对交互式遗传算法(IGA)中的评价噪声问题,提出犹豫度的概念,建立犹豫度调整机制,并使用删除策略和修改策略来处理形成初始种群以及交叉、变异过程中产生的约束不满足个体.通过对汽车操控台的概念设计问题进行建模,建立人性化交互界面用以验证本论文提出的方法体系的先进性和合理性.实验表明,此求解算法能够有效的降低评价噪声,加速收敛,降低疲劳度,提高结果的满意度.

摘要：对于区间型符号数据聚类分析的研究,现有方法大多假设个体在区间内服从均匀分布,这往往并不符合实际情况.针对此问题,研究一般分布的区间型符号数据K均值聚类方法,给出了一般分布区间型符号数据的定义,并基于经验分布理论研究其描述统计.基于Hausdorff距离,考虑区间数所包含个体的分布信息,提出了一种新的区间型符号数据距离度量.给出了一般分布的区间型符号数据K均值聚类算法.通过随机模拟试验对该方法进行了有效性评价,结论表明,在各种实验设计的条件下,考虑一般分布的K均值聚类算法有效性均优于均匀分布假设下的K均值聚类算法.最后将文中方法应用于汽车的聚类分析,进一步体现了文中方法在解决实际问题中的优势.

摘要：函数型数据能够反映数据的内在规律,利用该特点可以挖掘数据更多的潜在信息。在对传统聚类算法研究的基础上,首次提出将导函数距离引入函数型数据的聚类中,设计了函数型数据的分步系统聚类算法,给出了算法的具体步骤。利用随机模拟对算法的有效性进行了检验,并针对40个国家41年的人均GDP数据进行了实例研究,结果表明,该算法能够对函数型数据进行有效聚类。此外,基于此算法提出了一种函数型数据的数据补齐方法,实例研究结果表明,该预测方法能够对函数型数据进行有效地补齐。

摘要：运用博弈论的方法,分别从普通高等教育、普通义务教育和职业教育三个方面,就欠发达地区与国家的博弈中如何达成发展教育的均衡进行了研究,求得了各种情况下的纳什均衡解。结论表明,对于欠发达地区来说,最好的教育选择策略是大力发展职业教育,同时由于义务教育具有重要的基础作用,其发展关系到国民的整体素质,国家和地方均需对义务教育给予一定的支持,而高等教育的发展应该由国家进行统筹规划。论文最后给出了欠发达地区发展职业教育的策略建议。

摘要：如何使信息系统被用户真正采纳与接受,己成为该研究领域一个备受关注的课题,此即信息技术采纳。本文以UTAUT模型为基础分析归纳了ERP技术采纳过程中的各种影响因素。结合模型因素设计了调查问卷,面向相关企业做问卷调查。结合得到的有效问卷数据,利用线性结构方程进行模型的拟合度分析和因果关系路径分析。根据对最终模型研究结果的分析和解释,对企业的ERP系统实施提出相关的建议,以期改善企业ERP系统实施效率低的现状。