共查询到20条相似文献,搜索用时 234 毫秒
1.
王志虎 《经济技术协作信息》2009,(30):160-160
本文对电子商务推荐系统推荐算法设计以及推荐系统体系结构等关键技术进行了有益的探索和研究,引入了基于聚类的最近邻查询技术对协同过滤算法进行改进,经分析新算法缓解了对特殊用户无法产生准确推荐的问题,能够带给用户各更准确的推荐。 相似文献
2.
3.
股票价格走势已经成为人们关注的焦点,为了更精确的预测股票价格,得到更合理的股票投资意见.本文将附加动量法与BP神经网络结合,应用附加动量法去寻找BP神经网络的初始权值和阈值,并且应用主成分分析提取贡献率达到90%的主成分作为输入变量对股票进行预测,从而进行分析比较.实验结果表明,PCA-AM-BP模型在降低预测平均误差的同时,运行时间大大减少,加快了算法收敛速率. 相似文献
4.
我国每个省、直辖市由于受各种不同因素的影响,因而经济发展水平不一样:采用软计算方法中改进C-均值聚类,对我国31个省、直辖市的经济进行分类,将其分为了5类,并用BP网络对聚类结果进行仿真,检测聚类的效果。 相似文献
5.
产业集聚的识别理论与方法研究 总被引:33,自引:2,他引:31
文章对当前国外关于产业集聚识别研究中的四种主要理论和方法———产业理解法、主成分因子分析法、多元聚类法和图论法进行了较为详细的概述,并讨论了各种方法的特点和在应用中存在的问题。 相似文献
6.
中国各地区工业化水平分析 总被引:5,自引:0,他引:5
本文运用主成分分析法计算出了我国各地区的工业化指数,并运用回归分析、聚类分析法分析了我国各地区工业化的特点,最后得出了研究结论,必须处理好工业化和市场化、城市化、信息化的关系,发展第三产业,协调地区经济发展。 相似文献
7.
8.
9.
为客观、准确地识别产业技术创新战略联盟的冲突类型,在对产业技术创新战略联盟的冲突类型与其影响因素的关系进行理论分析和实证分析的基础上,结合K-Means聚类和均值多重比较,建立了神经网络识别模型。模型测试结果表明:神经网络识别模型能有效而准确地识别联盟冲突类型,具有自学习功能,可相对弱化识别过程中的人为干扰因素,具有强移植性。 相似文献
10.
基于和谐发展的视角,提出一套检验区域经济金融业是否和谐发展的指标体系,并运用主成分分析和聚类分析法对长三角城市群和谐发展指数进行测定、评价和分类。 相似文献
11.
传统的BP神经网络存在结构复杂、计算量大的缺点,为克服BP神经网络这些缺点,我们研究更具有优势的RBF神经网络。RBF网络结构简单,是一个三层结构的网络,通过线性和非线性相结合,解决了非线性程度太高的问题。文章介绍了RBF的基本原理,学习了解RBF聚类算法的具体过程,并利用C++编程语言将算法得以实现。在掌握输入样本大小的情况下,确定隐层单元个数,我们便可以通过该算法计算仿真实例,理论研究和仿真实例结果显示,RBF算法具有十分好的逼近效果。 相似文献
12.
13.
14.
15.
利用SPSS软件对沪深股市的13只股票进行分析,先对它们进行主成分分析进行降维,再利用聚类分析法进行分类,从中选取具有高成长和盈利能力的股票组合。研究结果表明,该选取策略更加科学规范,对机构投资者和散户的投资有指导意义。 相似文献
16.
主成分分析、聚类分析在人口区划中的应用 总被引:13,自引:0,他引:13
本文结合中国实际,论述了多元统计中主成分分析法、聚类分析法在人口区划中的运用。首先确立指标体系,然后用主成分分析法对原始数据进行了筛选,接着用聚类分析得出人口区划方案,最后就八大人口区进行了概述,为中国有计划、有重点地分区制定人口政策提供科学依据 相似文献
17.
工业经济效益评价研究——基于主成分分析和聚类分析 总被引:1,自引:1,他引:0
应用主成分分析法和聚类分析法对我国工业各行业的经济效益进行了评价,并将各行业企业单位数量作为对比变量,探讨其对各行业经济效益综合排名的影响。分析得出,行业企业单位数对行业经济效益排名有很大影响,但对行业聚类的影响不大。建议如下:应提高纺织业等工业行业的利润创造能力;对于企业单位数多而经济效益差的行业,要提高其行业准入门槛或加速兼并重组步伐。 相似文献
18.
19.
在海量专利数据持续增长的背景下,技术并购中的主并方可能会面临大量潜在并购对象而难以筛选的难题,而主成分分析法可以对专利文献中的信息进行处理,提高主并方对潜在并购对象进行识别和筛选的效率.本文首先挑选出可被用于技术并购中主成分分析的相关指标,然后结合实例演示了主成分分析法在识别和筛选技术并购对象中的应用.结果 显示,主成分分析有助于缩小技术并购中调查对象的范围,使主并方集中精力针对那些具有更大技术吸引力的企业展开下一步调查,从而起到节省筛选时间和提高决策效率的作用. 相似文献
20.
以我国某地区黑色金属加工及冶炼行业的212家中小企业为样本,先使用带行业影响修正的用电量增长率法标注样本,再利用K-means聚类算法和SMOTE过采样技术提取数据集特征和平衡训练集类别,最后采用经MetaCost元代价敏感算法改造后的梯度提升决策树模型进行企业生命周期阶段的识别建模和预测。构建的七项特征具有典型的长尾性质,表现在对模型的预测能力贡献上它们的重要度比较平均一致。经过代价矩阵调参,模型对失衡类别企业样本的最佳查准率和查全率分别为83.3%和88.9%。通过与传统方法结果的横向Kappa一致性检验和纵向实证分析,验证了基于单视角企业用电数据利用机器学习算法模型来识别企业生命周期阶段的可信性和有效性。 相似文献