基于改进的Random Subspace的客户投诉分类方法

电信业的客户投诉不断增多而又亟待高效处理。针对电信客户投诉数据的特点，提出了一种面向高维数据的改进的集成学习分类方法。该方法综合考虑客户投诉中的文本信息及客户通讯状态信息，基于Random Subspace方法，以支持向量机（Support Vector Machine，SVM）为基分类器，采用证据推理（Evidential Reasoning，ER）规则为一种新的集成策略，构造分类模型对电信客户投诉进行分类。所提模型和方法在某电信公司客户投诉数据上进行了验证，实验结果显示该方法能够显著提高客户投诉分类的准确率和投诉处理效率。     

基于证据推理的激光惯组最优维护方法

为解决激光惯组存在的故障样本获取困难和监测维护周期不合理等问题，采用一种融合多元信息的性能评估方法对激光惯组的性能进行评估。首先，综合考虑了惯组指标信息的权重和可靠度，基于证据推理融合多元信息得到激光惯组性能评估结果。其次，根据性能评估结果，通过维纳过程预测综合考虑激光惯组的监测维护成本和性能设计要求，在满足性能状态要求前提下以单位时间内期望维护成本最小为目标，确定最优维护时机。最后，使用某型号激光惯组进行了实验验证，说明所提出的方法的有效性。     

基于Tableau的北京市房屋租赁市场现状分析

随着经济的日益发展,房地产市场价格持续上涨、居高不下,较大的购房压力促使我国房屋租赁市场快速发展。文章基于Python爬虫技术对链家房产服务平台网站的北京市所有租房信息进行数据获取,并结合商业智能软件Tableau进行数据分析,通过树状图、气泡图、条形图和甘特图等,从不同方面对数据进行多维度处理与展示,探究北京市房屋租赁发展现状,为相关研究提供参考。     

一种有效折扣证据源的冲突证据合成方法

为解决证据组合规则中一票否决和弱决策证据在低冲突情况下出现的反直观推理的现象，提出一种有效折扣证据源的冲突证据合成方法。首先根据证据的信任函数和似然函数求得证据间的相似度，然后求出证据之间的支持程度，并确定折扣因子，最后采用Dempster组合规则合成利用折扣因子修正后的证据源。数值算例分析结果表明，改进后的证据组合方法可以有效地处理证据冲突。     

考虑决策者时序偏好的时域证据融合方法

针对时域不确定信息的融合难题，为充分体现时域信息融合的动态性特点和时间因素对融合的影响，在证据理论的基础上，提出一种考虑决策者时序偏好的时域证据融合方法。首先将决策者对时序的偏好融入时域证据融合，通过分析时域证据序列的特点，在定义时序记忆因子的基础上，对决策者的时序偏好进行度量；然后通过构建优化模型求解时序权重，再结合证据信任度的概念，对证据源进行修正；最后利用Dempster组合规则对修正后的证据进行融合。数值算例表明，与没有考虑时间因素的融合方法相比，考虑决策者时序偏好的证据融合方法可以有效处理时域信息序列中的冲突信息，得到合理的融合结果；同时，所提方法充分考虑了时域证据序列的信任度和决策者的主观偏好，可以反映决策者主观因素对时域证据融合的影响，较好地体现了时域证据融合的动态性特点。     

粮情监控系统中多数据信息融合技术的应用

采用二级数据融合算法对粮情信息进行监控,通过自适应加权数据融合算法剔除冗余信息,再使用D-S证据理论等技术方法将得到的各类特征数据进行二次数据融合。相对传统粮情监控方法能做到对粮情数据进行更深度处理,加强了监控系统的鲁棒性。     

基于铁谱图像异类特征融合的磨损类型识别方法

针对铁谱磨粒图像识别中存在特征单一、异类特征的综合利用率低等问题,提出一种磨粒图像多特征的异类信息融合识别方法。首先,对在线铁谱图像预处理基础上提取磨粒纹理(ASM、熵、相关、对比度)、颜色(均值、方差、斜度)、几何(7个不变矩)3种统计特征;其次,对提取特征数据进行[0,1]归一化处理,采用超球心间距法确定核参数,运用超球多类SVM实现基于单种特征的多类磨损识别;最后,在单种特征识别基础上通过后验概率构造3种特征所需的软判决基本概率赋值(BPA)函数,运用超球多类SVM与D-S证据理论结合法实现异类特征融合的铁谱图像识别。特征融合方法识别最高识别率达到了96.1%,与单一特征识别结果相比,识别准确度更高,且实现了不同特征的互补。     

电子证据可采性完善刍议

目前,司法实践中认定证据的类型已经从最开始单纯的物证向电子证据等多元化证据转换。但是由于电子证据的特殊性,使其可采性认定也随之下降,针对司法实践的需要与法律规定存在一定的空白区域,使得对电子证据可采性问题进行探讨有了一定理论价值和现实意义,本文通过对电子证据可采性所出现的问题进行分析,并提出相应的立法完善建议。     

一种新的特征评价方法及在高铁故障中的应用

提出一种基于Murphy改进的D-S算法作为融合规则的多准则特征评价方法(MCFE-DSEC)。该方法融合不同的单一评价准则,对特征作出综合评价,去掉冗余特征,以提高分类准确率。将该方法应用于高速列车故障数据中,实验结果表明,与Borda-Count方法和单一评价准则相比,MCFE-DSEC方法对各个速度下的特征都能作出有效的评价,适用性强且准确率高。