基于贝叶斯网络和 TOPSIS 的供应商选择模型

本文首先在贝叶斯网络框架下， 建立供应商的评价体系及各项指标的概率分布， 借助于AgenaRisk 软件完成贝叶斯网络模拟。 其优势在于充分考虑供应商的多样可能性， 全面地进行供应商风险评估。 再结合 TOPSIS 的模型， 依据企业的偏好求得理想供应商。 通过组合方法， 本文在客观全面评价供应商的同时也能满足企业自身发展要求。 最后结合实际的案例， 证明模型的可行性。     

贝叶斯正则化BP神经网络在地铁施工安全评价中的应用

为了获取准确的地铁施工安全评价,文章通过建立贝叶斯正则化BP神经网络模型,克服传统安全分析方法的不足之处,防止网络的过度拟合。将此模型运用于MATLAB,可以发现贝叶斯正则化BP神经网络在推行能力和泛化能力上有着较好的表现。在当前基础上进行敏感性分析,就地铁施工安全影响因素进行重要程度排序,提高地铁施工安全管理,以防此类地铁安全事故的发生。     

基于信息辅助块稀疏贝叶斯学习的直扩通信窄带干扰抑制

现有基于Nyquist-Shannon采样定理的窄带干扰(Narrowband Interference,NBI)抑制方法存在应用受限于采样率较高的问题。应用压缩感知(Compressive Sensing,CS)理论解决上述问题，利用NBI在频域表现出的块稀疏特性以及直接序列扩频(Direct Sequence Spread Spectrum,DSSS)信号的类噪声特性，提出了基于块稀疏贝叶斯学习(Block Sparse Bayesian Learning,BSBL)框架的DSSS通信NBI抑制模型。实现干扰抑制后，利用传统的CS重构算法实现DSSS信号的压缩域解调。为进一步提高算法性能，将NBI稀疏分块的块内自相关矩阵建模为单位矩阵，提出了信息辅助BSBL(Aid BSBL,ABSBL)算法，设计了基于ABSBL的DSSS通信NBI抑制算法。该算法在保持较好NBI抑制性能的条件下，提高了运算效率并且不依赖NBI的稀疏结构。仿真验证和对比分析结果表明，所提方法能够有效抑制DSSS通信中的NBI，在干扰强度相同的条件下，NBI带宽越小、压缩率越大，算法对NBI的抑制性能越好。     

基于贝叶斯网络法的LNG接收站开车阶段风险分析与评价

LNG作为最有潜力的清洁能源,在我国的市场需求日益旺盛。LNG接收站项目开车阶段风险较高,因此对LNG接收站项目开车阶段存在的风险源进行系统化梳理分析与管理十分必要。文章在梳理已有风险管理理论以及项目实际经验的基础上,结合LNG接收站项目开车阶段的特点,对已识别的LNG接收站项目开车阶段风险源运用基于故障树的贝叶斯网络法对风险源进行分析与评价,并提出了风险应对与监控措施。文章提出的LNG接收站项目开车阶段风险管理方法可为其他类似工程项目的风险管理提供借鉴。     

“80”后知识型员工组织承诺行为一致性研究——基于贝叶斯估计模型和因子分析法的实证分析

随着"80后"这一代人走向社会成为企业人力资源的主力军,关于"80后"人员的组织行为研究成为热点。本文数据来自对企业组织中"80后"知识型员工的组织行为的问卷调查,采用因子分析、Bayes估计、Pearson、Spearman相关系数方法对组织承诺和工作绩效的关系进行分析,结果表明:(1)情感承诺与关系绩效和任务绩效存在强的正相关关系;(2)持续承诺对任务绩效有负影响与关系绩效存在弱的正相关关系;(3)规范承诺与关系绩效和任务绩效存在较强的正相关关系。     

行业与个股新闻对股票价格影响的定量分析

本文提出了挖掘新闻文本预测股票价格系统,引入情感分类评价理论,将新闻文本转化为结构化数据,建立机器学习模型分析互联网新闻对股票价格的影响。研究主要采用了支持向量机、贝叶斯算法以及粗糙集组合模型分别对行业新闻和个股新闻进行预测。研究发现新闻信息样本的数量和质量会影响预测的准确度;证券行业中个股新闻影响度大于行业新闻;粗糙集组合模型更能准确地预测行业股价的走势。     

当代贝叶斯计量经济学分析框架与展望

随着贝叶斯理论的发展和计算机模拟等数值计算技术的提高,贝叶斯计量经济学开始迅速发展起来。本文通过对经典学派与贝叶斯学派进行比较,简要回顾了贝叶斯计量经济学的发展历程,并从八个方面对贝叶斯计量经济学研究过程中的分析框架进行说明,最后进行了展望。