基于C2C模式的电子商务信用评价算法研究--以淘宝网为例

电子商务飞速发展,信用评价问题成为了影响其发展的一个重要因素。在电子商务环境下建立有效信用评价体系能够保障电子商务市场诚信经营环境,通过信用评价规范网商的经营行为,能有效地促使商家进行诚信经营。本文针对淘宝网现有的信用评价算法存在的问题,分别对买家和卖家的信用评价算法进行改进,以更好地反映买家和卖家的信用状况,促进C2C电子商务的发展。     

C2C电子商务中信用问题的博弈分析

C2C是电子商务中重要模式之一,但在C2C交易中的信用问题日益突出,成为C2C电子商务进一步发展的瓶颈。文章运用博弈论方法,对C2C电子商务的信用问题进行了分析,并给出了解除C2C电子商务发展信用障碍的方法。     

规则模糊系统和ICA在图像识别中的应用

利用模糊系统中的模糊规则和SVM中内积函数之间的关系,通过支持向量机对训练样本进行学习,由支持向量确定模糊规则,构建基于规则的模糊分类器。对人脸图像做独立成分分析,提取有利于分类的面部特征的主要独立成分。该模糊系统在ORL人脸库上的实验结果表明,该方法同样适合解决小样本、非线性、高维模式的分类问题。     

基于支持向量机的工程项目风险预测

本文在介绍支持向量机(SVM)基本原理的基础上探讨了支持向量机在建设工程中应用的可能性和有效性,提出基于支持向量机的项目风险预测算法,为预测工程项目风险提了一种新的方法。本文同时也介绍了Libsvm软件在项目风险预方面的应用。     

基于Sentinel-1A微波数据的土地利用信息提取方法对比

本文基于哨兵卫星Sentinel-1A双极化微波遥感数据,应用H/Alpha-Wishart、H/A/Alpha-Wishart两种非监督分类和Wishart迭代分类、支持向量机(SVM)两种监督分类方法分别对上海及长江入海口区域进行地物信息提取。对遥感数据进行预处理,利用H/A/Alpha极化目标分解提取极化特征参数;对影像进行非监督分类,对比非监督分类结果,计算分类精度;利用Wishart分类器和SVM分类器进行监督分类;参考Google earth等地图工具,对研究区的训练样本进行选取,将训练样本和极化参数带入分类器进行训练并不断调整参数,得到分类结果;进行精度分析,对比各分类方法的分类精度。由最终分类结果可知:监督分类对图像的解译效果最好,可解释性强,SVM监督分类结果最好,H/Alpha-Wishar最差,非监督分类方法中增加了A的H/A/Alpha-Wishart,非监督分类精度得到了提升。     

电子商务环境下“信用炒作”现象分析及对策探讨

信用问题是电子商务发展的一个重要因素。文章认为,信用炒作现象不仅是商家理性竞争的必然,同时也是当前网络市场存在漏洞的情况下恶性竞争的结果。通过分析信用炒作行为的表现及其所带来的危害,探讨我国C2C信用评价监督制度和信用评价指标体系,完善信用评价体系及其监督机制。从而促进电子商务的健康成长。     

基于支持向量机的旅游目的地游客满意度评价模型

游客满意度是旅游目的地旅游业发展的风向标,对旅游地的和谐发展具有重要的指导意义。针对游客满意度与满意度评价指标之间存在明显的非线性关系,在重构旅游目的地游客满意度测评指标体系现有的基础上,利用支持向量机方法构建旅游目的地游客满意度分类评价模型,实现对旅游地5种满意度状态的智能评判。试验结果表明,与传统的神经网络分类器相比,SVM具有更优的分类正确率及更快的运行速度,具有一定的推广应用价值。     

B2C电子商务物流配送客户满意度分析

本文介绍了B2C(商对客)电子商务与物流配送的概念及关系,分析了物流配送对B2C电子商务客户满意度的影响,指出了B2C电子商务物流配送中存在的问题,探讨了提高客户满意度的对策。B2C企业应建立自己的物流配送标准;充分利用"免运费"作为促销策略;加强微博关怀,提升用户体验。     

B2C电子商务环境下客户物流服务感知与客户行为意向的关系研究

本文对现有关于物流服务感知驱动客户满意的理论模型进行了扩展,分析了B2C电子商务环境下客户物流服务感知对客户满意及行为意向的影响,提出了若干研究命题和一个概念模型,认为B2C电子商务企业可以通过提高客户物流服务感知进一步提高客户满意度,从而提高客户重购的概率及促进推荐,而网购客户满意在客户物流服务感知与网购客户行为意向的联系中起着中介作用。     

B2C电子商务物流配送客户满意度分析

本文介绍了B2C(商对客)电子商务与物流配送的概念及关系,分析了物流配送对B2C电子商务客户满意度的影响,指出了B2C电子商务物流配送中存在的问题,探讨了提高客户满意度的对策.B2C企业应建立自己的物流配送标准;充分利用“免运费”作为促销策略;加强微博关怀,提升用户体验.     

关于我国C2C电子商务支付方式及信用建设

针对中国C2C电子商务支付中存在的信用问题,本文建议在C2C电子商务交易中选择货到付款来区别于现在采用的先付款后发货的付款方式,从而实现买卖双方的最优选择——纳什均衡。并就货到付款方式进行了相关的博弈分析,最后,对中国C2C电子商务选择这种方式的原因进行了信用分析。     

C2C电子商务中的博弈论分析

C2C是电子商务中发展较为迅速也比较有前景的一个模式,但信用是阻碍其发展的最大瓶颈,本文运用博弈论方法探讨C2C电子商务中失信产生的原因,通过一次博弈,重复博弈情况下的分析,得出解除C2C电子商务发展障碍的方法。     

基于加权平方和的商业银行客户信用评级方法

根据聚类分析方法的原理,本文构建了一种基于加权平方和的商业银行客户信用评级方法,该方法克服了传统信用评级方法的不足,具有更客观、自动化、动态化以及更具可比性的特点,从实施成本和评级准确度方面都满足现代商业银行客户信用评级的需求。     

韩国的信用评级方法

韩国主要的三家评级机构（韩国企业评价、韩国信用情报和韩国信用评价）的信用评级方法,是以国际通用的信用评级体系为基本框架,吸收了国际评级机构（如标准普尔、穆迪、惠誉和日本的R＆I）的技术之后,结合本国企业和行业的风险特征不断改进而形成的。     

论中国B2C电子商务的竞争策略

电子商务(Business To Customer)简称B2C,是企业对消费者客户以互联网为媒介、价值为基础建立在互动关系上的商务活动.     

企业财务状况评价模型研究

利用主成分分析方法支持向量机在小样本空间中良好的分类能力,对60家上市企业分别进行了两类和四类的财务状况评价,获得了比较满意的结果。实验表明支持向量机完全可以提取优秀企业财务数据的内在知识,用来评判企业的财务状况。     

支持向量机在上市公司风险管理中的应用

在严峻的经济形势下，企业之间的竞争越来越激烈，提高企业的竞争力和综合实力，研究企业的风险具有很强的实践意义，可以让企业提前预知风险，降低企业破产的可能性。研究企业风险的传统方法大多是基于线性的，而企业的风险一般是非线性。支持向量机(support vector machine)模型是基于统计学习理论发展起来的一种新兴的机器学习方法，对解决非线性、小样本问题具有很好的适用性。利用支持向量机模型研究中国上市公司的风险，通过对上市公司的财务比率进行建模和仿真研究，发现支持向量机对所选取的样本具有很好的分类效果，强于传统的线性方法，得出了支持向量机在上市公司的风险预测方面具有很强的准确率和可行性。这对以后研究上市公司风险具有一定的参考意义。     

基于数据挖掘的中小企业客户信用评级模型的设计与实现

中小企业在生产经营过程中,大部分采用传统的主观判断做决策,一旦出现客户信用问题,无法及时完成货款的支付,将会引发不可估量的严重后果。本文从客户信用评级的角度出发,结合Logistic回归分析法和决策树C5.0构建了信用评级模型,通过比对最终为企业提出最优的模型。     

基于支持向量机回归的中国CPI预测研究

本文针对中国CPI指数的预测问题．首先用主成分分析方法对影响CPI指数的八个指标进行降维处理．然后利用支持向量机技术建立起中国CPI指数的预测模型并对我国实际的CPI指数进行了预测。实证分析结果表明,PCA—SVM模型能够有效地对CPI指数进行短期预测。最后．与单纯的支持向量机模型的预测结果做了对比．对比结果表明．支持向量机和主成分分析相结合的模型应用于CPI预测具有较高的精确度。     

机器学习算法在房地产企业财务风险预警中的性能比较

基于AdaBoost-SVM的房地产企业财务风险预警模型将支持向量机(SVM)和自适应增强(AdaBoost)算法结合在一起,选取19个财务指标,基于60家房地产上市公司2005—2021年的财务面板数据进行仿真计算以及同类预警模型性能对比分析。结果表明,构建的算法模型在企业财务风险评估预测性能上优于同类4种算法模型,可有效帮助房地产企业提前预警潜在危机,防范财务风险,提升企业的竞争能力。