基于投影寻踪的面条品质感官评价数学模型的构建

针对面条品质感官评价常规过程中数据处理不够深入、评价结果不够清晰的问题,根据面条品质评价的行业标准,制定了面条品质感官评价等级表。运用投影寻踪等级评价模型（PPE）,建立了面条品质感官评价的数学模型。该模型能够描述面条样本指标和等级之间的关系,具有精度高、灵敏性高、分辨率强、可重复性好等优点。根据15种市售面条样本的感官评价得分,应用面条品质感官评价的PPE模型,得到了各样本所属的等级。通过与感官评价总分的对比分析,两种方法均能反映实际情况,但采用PPE模型得到的面条等级更客观、更清晰,评价结果更易于解释,从而验证了模型的可行性和有效性,同时也说明了投影寻踪方法在面条品质评价领域的适用性,为面条品质等级评价提供了一种新的思路和方法。     

甘肃省县域农业资源利用效率综合评价——基于遗传投影寻踪方法

基于农业资源利用效率评价指标的多目标性和不相容性,提出了农业资源利用效率综合评价的遗传投影寻踪方法。该方法可以依据样本自身的数据特性寻求最佳投影方向,从而判断各评价指标对综合评价目标的贡献大小和方向。通过最佳投影方向与评价指标的线性投影得到投影指标值,通过这一指标可以对样本进行统一评价。利用该方法对甘肃省81个县域单元的农业资源利用效率进行综合评价,并对综合评价结果进行分级。     

基于遗传投影寻踪模型的高校人力资源管理综合评价

针对高校人力资源管理评价指标的不相容性问题,提出了高校人力资源管理综合评价的遗传投影寻踪方法。该方法可以依据样本自身的数据特性寻求最佳投影方向,利用最佳投影方向可判断各计价指标对综合评价目标的贡献大小和方向。通过最佳投影方向,与评价指标的线形投影得到投影指标值,通过这一指标来对样本进行统一评价和分类。运用该模型对3所高校人力资源管理状况进行了综合评价,得出评价等级,为高校人力资源管理提供可量化并带有预测性的科学评价方法。     

基于因子分析的我国装备制造业技术创新能力评价研究

通过对国内外有关产业技术创新能力评价指标体系以及评价方法的研究,从技术创新保障能力、创新资源投入能力、技术创新转化吸收能力、创新资源产出能力4个方面构建我国装备制造业的技术创新能力评价指标体系。用因子分析法建立评价模型,以我国装备制造业行业7个子行业2009年面板数据为研究样本,对其技术创新能力进行定量评价和实证分析。     

模糊数学在食品感官质量评价中的应用

本文探讨了应用模糊数学评价食品感官质量的方法。通过对食品各因素的权重权值研究,建立了相应的数学模型,来处理评定结果,从而对食品感官质量得出一个综合而比较客观的评价。     

基于BP神经网络和遗传算法的企业信息化评价研究

阐述了企业信息化水平评价问题的现状,提出了运用遗传算法(GA)优化BP神经网络的评价方法,避免了传统评价方法确定权重值的主观随意性,并且克服了BP网络中的局部极小缺陷,使训练速度加快,在建立BP-GA网络信息化评价模型的基础上,利用样本公司实际指标数据对模型的评价效果进行了检验,并与传统BP网络模型的评价结果进行了比较研究。     

基于现金流量的医药上市公司财务绩效DEA评价

文章从数据包络分析方法（DEA）的步骤入手,采用模型,选取具有代表性的易于获得财务数据约医药上市公司作为研究样本,对医药上市公司的财务绩效进行综合评价。     

物流服务能力的支持向量机评价

从物流服务能力的定义入手,提出了一种新的小样本情况下基于支持向量机的物流服务能力评价方法。采用1-v-1的分类策略建立了物流服务能力的评价模型,通过案例数据对物流服务能力的评价进行了仿真研究。结果表明,用此方法能够在很短的时间内对物流服务能力做出准确的判断,此评价方法能够为顾客选择物流服务商提供一定的决策支持。     

基于因子分析BP神经网络的上市公司财务业绩综合评价

为了克服传统的主观赋值的财务业绩评价方法,将因子分析法和BP人工神经网络相相结合,建立了评价模型．并用河南省31家上市公司数据加以验证。实证分析表明,这种测评方法减少了评价过程中的随机性和评价人员主观上的不确定性及其认识上的模糊性,而且通过对参评样本的不断学习,使系统误差达到预定的范围内。     

基于现金流量的医药上市公司贝财务绩效DEA评价

文章从数据包络分析方法(DFA)的步骤入手,采用模型,选取具有代表性的易于获得财务数据的医药上市公司作为研究样本,对医药上市公司的财务绩效进行综合评价.     

南京市紫金山国家森林公园风景林景观的 视觉质量评价及因子分析

以南京市紫金山国家森林公园风景林为研究对象, 对景观视觉质量展开评价,分析影响视觉质量的因子及核心成 分。采用主成分分析法,把影响因子转化成核心特征指数;结 合眼动分析图和特征指数分析影响风景林视觉质量的核心因 素。影响视觉质量的特征指数分别为：风景林近自然度、地域 文化特征、色彩丰富度、乔木易识别特征以及林内空间感。风 景林近自然度、地域文化特征以及色彩丰富度对视觉质量的影 响最为重要。以期能够对风景林的经营管理以及植物景观营建 有所帮助。     

中国省际综合交通发展水平的定量分析

首先选取2005年全国30个省、市、自治区的5个交通运输指标(国家铁路长度,内河航道长度,公路长度以及反映各运输方式灵活度及运送量的货运总量和货物周转5个指标),应用SPSS统计软件对此进行了主成分分析;然后利用聚类分析方法得到了全国综合交通发展水平的区域谱系图;最后在此基础上,探讨了全国省际综合发展水平的区域相似性和差异性。研究结果表明该方法不仅可以克服传统的基于人工选用指标进行综合分析所存在的数据不易处理的缺陷,而且结果准确性高,是对中国交通发展水平进行定量分析的一种新尝试。     

旅游目的地网络营销系统与旅游产业发展耦合分析

为研究各省区市的旅游目的地网络营销系统与旅游产业发展水平的耦合关系,采用SPSS17.0统计软件,利用多指标综合评价的主成分分析法(PCA),对我国大陆31个省区市的旅游产业发展水平进行综合定量评价;然后,运用多层次分析法,结合问卷调查数据,对大陆各省区市旅游目的地网络营销系统进行定量评价,得出各省区市旅游目的地网络营销系统综合评价值;最后,对旅游目的地网络营销系统与旅游产业发展进行耦合分析,达到帮助旅游目的地制定正确的旅游网络营销及产业发展政策的目的。     

基于PCA/FCM的企业信用评价研究

针对我国企业信用评价问题的特点,文章分析了企业信用评价基本原则和主要影响因素,建立了企业信用评价指标体系。企业信用评价是一类包括一系列独立变量的分类问题,将主成分分析与模糊理论引入信用评价中,构建基于PCA/FCM的企业信用评价模型,这使得模型更接近人们的思维方式、指标赋权更为客观。应用该模型及SPSS11.0、MATLAB7.0对所选企业研究显示:该模型非常有效和实用。     

基于MSPA的市域尺度绿色基础设施 评价指标体系构建及应用 ——以四川省 主要城市为例

构建城市市域尺度下的绿色基础设施(GI)评价指标体 系,能够为城市GI网络现状的认识、定位城市GI网络在区域范 围内的级别,以及多城市生态网络的协同规划提供参考。提出 了由景观组成、景观格局和城镇发展组成的一级指标;运用文 献综述法和聚类分析法筛选、确定了二级指标;基于层次分析- 变异系数法完成了各指标的权重赋值,构建了市域GI网络评价 指标体系。以成渝城市群中四川省主要城市为研究对象对评价 指标体系展开应用。首先,基于形态学空间分析方法(MSPA) 准确识别各城市GI网络结构要素,分析得出各景观组成指标, 运用Fragstats分析得到各景观格局指标,结合四川省年鉴相关 资料确定了城镇发展指标。其次,采用加权叠加法基于评价指 标体系对13个城市的GI网络现状水平进行定量分析评估,划分 出GI网络水平等级。最后,归纳各城市的GI现状特征,并根据 不同GI网络等级提出规划管控和保护建议。     

上市银行高管人员绩效评价模型及实证分析

针对传统银行高管绩效评价方法的局限性,本文提出将主成分分析（PCA）和支持向量机（SVM）相结合的上市银行高管绩效评价模型。在借鉴上市银行高管绩效评价指标体系的基础上,对原始指标数据进行标准化处理,然后运用主成分分析消除指标之间的冗余和相关,最后借助MATLAB6．5软件并运用支持向量机对我国8家上市银行高管绩效进行评价。实证结果表明,PCA-SVM评价模型是评价我国银行业高管绩效的有效工具。     

我国城镇居民消费质量状况的实证研究

构建了我国城镇居民消费质量评价指标体系,运用因子分析法、聚类分析法对我国31个地区城镇居民的消费质量状况进行了实证分析,得出了我国城镇居民消费质量的基本特征,并探讨了这些基本特征形成的原因,最后结合实证分析的结论,就如何提高我国城镇居民的消费质量提出了建议。     

基于因子分析与聚类分析福建各县市经济发展研究

创建县域经济发展评价指标体系,以福建省67个县、县级市、市辖区作为样本,运用因子分析的统计方法进行实证分析,提出综合经济实力因子、社会保障实力因子、居民收入因子、农业发展实力因子与生活质量因子5个因子,同时基于因子得分矩阵对67个县、县级市、市辖区进行聚类分析。分析结果表明,反映经济发展整体水平、医疗卫生水平和工业生产规模的综合经济实力因子处于主导地位,同时,农业发展实力因子跟社会保障因子的作用也不能够忽视。研究县域经济利用因子分析与聚类分析的方法,所得到的结论客观可信,并且能够比较全面地反映影响县域经济发展的主要因素。     

Integrated data-driven analytics to identify instability signatures in nonstationary financial time series

With the objective of identifying instability signatures of the financial system, this article integrates two classes of data-driven techniques. The first class of techniques is utilized to investigate macroeconomic behaviour by aggregating an ensemble of heterogeneous nonstationary time-series data and the second class of techniques examines the local dynamics of the microstructures in each time series. Moving window principal component analysis (PCA) and functional PCA (fPCA) are shown to extract collective signatures of the financial system for understanding macroeconomic behaviour, and the Synchrosqueezing and Markov switching techniques are used to study local dynamics within each individual time series. The integrated data analytics successfully identifies the diverse events from 1986 to 2012. All events, both major and minor, have been identified by fPCA. The major economic events, especially the 2008 Great Recession, along with several minor events, showed a strong leading indicator in the density index derived from Synchrosqueezing. The capability of this integrated analytics suite is demonstrated in this article, and it motivates further studies encompassing data sets from broader sectors. As a complement to existing model-driven approach, this would lead to achieving a robust and reliable method that can help in taking measures to avoid catastrophic collapse in the constantly evolving financial system.     

Brand power index – using principal component analysis

A relatively simple approach is proposed to evaluate the strength of brands from the viewpoint of consumers. It employs Principal Component Analysis (PCA), in which the coefficients of the first principal component are used as the weight for developing our study's final ‘product’, the Brand Power Index (BPI). Empirical consumer-survey data of two product categories: televisions and mobile phones illustrate that the patterns of PCA results for both televisions and mobile phones are extremely similar. The biplots reveal that the leading brands in both product categories had positive component scores; more than a dozen following brands had positive first component scores and negative second component scores in both categories. This led us to a visual examination of the data on certain leading brands with regard to their brand excellence.