基于结构方程模型的银行顾客满意度研究

在顾客满意度研究中涉及众多潜在变量的测量以及因果模型的验证,结构方程模型为解决这些问题提供了新的更为有效的方法。文中结合美国顾客满意度理论,建立了商业银行顾客满意度测评模型,并根据测评模型建立了相应的测量指标体系。首先对各指标做相关性分析,其次利用结构方程理论研究了各影响因素内部之间的结构关系,并得出影响因素之间的路径系数,结果表明该测量指标体系能较好地反映商业银行顾客满意度。最后提出了提高商业银行顾客满意度的相关建议。     

基于PLS路径的汽车售后服务顾客满意度测评模型设计

为有效提高企业竞争力,基于PLS路径设计汽车售后服务顾客满意度测评模型.首先分析售后服务质量感知过程,从认知模式与观念性模式两方面衡量售后服务质量.然后从企业形象、维修质量、收费是否合理等方面分析汽车售后服务对顾客满意程度的影响,并将满意度分为特定交易型、累积型以及认知评价等类别,设置模型中隐变量与测度指标.假定模型满...     

融入学习者模型在线学习资源协同过滤推荐方法

在线教育存在“信息迷航”问题,而传统的信息推荐方法往往忽视教育的主体—学习者的特征。本文依据教育教学理论,根据在线教育平台中的学习者相关数据,研究构建了适用于在线学习资源个性化推荐的学习者模型。以协同过滤推荐方法为切入点,融合学习者模型中的静态特征和动态特征对协同过滤方法进行改进,建立融入学习者模型的在线学习资源协同过滤推荐方法。以2020年3~7月时间段的东北石油大学“C程序设计”课程学生的真实学习数据和行为数据为数据集,对本文提出的方法进行验证和对比,最后证明本文提出的方法在性能上均优于对比方法。     

面向在线教育的学习者情感识别综述

在线教育场景中,由于授课者与学习者处于“准分离”状态,授课者难以感知学习者的情感状态.因此,研究面向在线教育的学习者情感识别有助于授课者改进教学策略,同时有利于在线教育平台刻画学习者的学习偏好.目前,面向在线教育的学习者情感识别领域已经有许多研究成果,从不同方面对其进行分析和总结很有必要.首先,从离散模型、维度模型和学习者情感类别3个部分对情感表示模型进行阐述;其次,阐述面向在线教育的3种情感测量方法以及学习者情感数据获取方法;接着,总结涵盖基于文本数据、面部表情、语音信号、生理信号以及多模态数据的学习者情感识别方法;最后,讨论当前面向在线教育的学习者情感识别研究中存在的不足和可能的解决方案,旨在对面向在线教育的学习者情感识别相关工作进行深入分析与总结,为相关研究者提供有价值的参考.     

基于双神经网络的RFID室内定位方法

在室内定位中,传统的RFID定位方法由于方法简单,无法随着室内环境的变化准确估计当前的路径损耗系数,存在受环境影响大,定位精度不高,实时性差等缺点.为了解决以上问题,提出一种基于双神经网络模型的室内定位算法,建立BP网络和DNN网络的双神经网络模型,将采集到的RSSI信号值预处理后输入到BP网络模型中,输出路径损耗系数n,再将接收信号强度值RSSI和通过BP模型得到的路径损耗系数n作为输入,输入到DNN网络模型中,得到待测标签的精确定位坐标.实验表明,与传统的基于RSSI和基于ANN模型的室内定位算法相比,本算法有效提高了定位精度和定位实时性.     

多源数据驱动的学习者画像构建研究

在线教育是传统教学的一种有益补充，如何提升在线教育的教学质量是一个重要的研究问题。利用学习者在学习平台中留下的多源数据，构建学习者画像，能精准地帮助学习者提升学习效率。在学习者画像构建中加入时间维度，能清晰地展示学习者学习状态随时间的变化，帮助教师更好地掌握学习者的学习情况。     

基于改进型PSO-BP神经网络的SVI软测量

针对曝气池污泥体积指数(SVI)难于在线测量的情况,提出了一种基于改进型的BP神经网络对SVI软测量的模型,该模型利用改进粒子群优化算法对BP神经网络进行权值调整。为了提高BP神经网络的学习性能,使粒子群的惯性权值按照对数规律变化,同时引入自适应变异算子对局部最优的粒子进行变异,然后利用粗糙集理论消除冗余信息,得到输入变量。该模型对实际污水厂的SVI值进行软测量预测,并与其它软测量模型进行比较,结果表明了该软测量模型具有较好的精度。     

基于多线程的顾客满意度PLS路径模型算法

在计算顾客满意度模型时, 普遍使用结构方程模型来求解复杂的多维度关系. 而针对结构方程模型的计算, 偏最小二乘(PLS)有效地解决了模型分析过程中大量潜变量无法直接采样获得的问题, 建立了显变量与潜变量之间的关系, 增强了模型的直观性和通用性. 为了提升偏最小二乘算法的效率, 在针对结构方程模型的计算中, 利用多线程将模型计算并行化, 以提升计算效率. 探讨了基于Java多线程的顾客满意度PLS路径模型的优化算法, 并在多核计算机上实验证明, 多线程化的PLS路径模型能够显著提升计算速度.     

软件测试路径选择优化模型及其进化求解

路径测试是一种非常重要且应用广泛的结构测试方法, 已有路径生成方法的测试效率不高、测试开销较大, 且易生成冗余测试路径. 针对以上问题, 主要研究路径选择问题的优化模型及其进化求解方法, 目的在于: 在不降低测试覆盖率的前提下, 减少冗余路径的数量, 降低测试消耗. 首先, 以多条路径作为决策变量, 基于该决策变量包含的边数和路径数, 建立多目标优化模型; 然后, 采用多目标进化算法求解该模型, 得到目标路径集. 将所提方法应用于7个基准测试程序, 并与其他算法比较. 实验结果表明, 相比其他算法, 所提方法能够在保证测试充分性的条件下, 降低测试消耗, 从而提高测试效率.     

基于局域网的气象数据智能监控系统

为解决目前局域网下数据监控不精准的问题,提出基于局域网的气象数据智能监控系统。采用固定路径和移动路径交换帧线的冗余备份方式,设计局域网冗余结构实现备份。设计数据采集模块,通过轮询扫描监控模块,实现系统设备智能监控。根据关联规则确定告警信息的匹配程度,划分智能告警匹配度等级,计算告警信息权值,并寻找合适的阈值,减少监控系统中的虚警次数。通过构建监控误报抑制的迭代算法模型,对监控误报起到良好抑制效果。实验结果表明,该系统能精准监控气象数据,监控气温、气压数据误差为0,监控湿度和降水量最大误差分别为1%、20 mm。     

联合特征选择和光滑表示的子空间聚类算法

基于自表示关联图的谱聚类模型性能受冗余特征影响较大.为了缓解高维数据无效特征的负面影响,文中提出联合特征选择和光滑表示的子空间聚类算法.首先基于自表示思想构建系数矩阵,将特征选择与数据重构纳入同一框架,同时使用权值因子衡量相关特征贡献度,并对系数矩阵进行组效应约束以保持局部性.通过交替变量更新法优化目标函数模型.在人造数据与标准数据库上的实验表明,文中算法在各项性能上均较优.     

一种基于权值的大规模分布式系统结构脆弱性分析算法

结构脆弱性是大规模分布式系统的典型脆弱性类型之一.针对大规模分布式系统实体间复杂的依赖关系和冗余备份机制,构建了实体拓扑模型.该模型采用简单有向图描述实体间依赖关系,采用故障容忍机制刻画节点间的冗余关系,并引入权值刻画节点或边失效对于业务流程的影响.在此基础上,提出了基于权值的大规模分布式系统结构脆弱性分析算法,该算法通过权值计算和基于故障传递的剪枝方法发现并验证结构脆弱性.通过算法分析和实现充分验证了算法的有效性.     

一种基于多层拓扑的大规模分布式系统结构脆弱性分析算法

结构脆弱性是大规模分布式系统中典型的脆弱性类型之一。针对大规模分布式系统实体间复杂的依赖关系和冗余备份机制,构建了多层拓扑模型,在实体拓扑结构脆弱性分析方法的基础上,提出了基于映射-回溯思想的LDS底层结构脆弱性分析算法,并通过实现该算法验证了其有效性。     

对角CARIMA模型多变量广义预测控制改进算法

为了增强多变量广义预测控制算法(MGPC)的实用性,对其实现形式进行了进一步的简化.利用对角CARIMA模型的结构特点,先对系统中单个输出变量期望值的自由响应部分进行分解推导,将其表达成自由响应项系数与系统输入输出变量已知值乘积的形式,得到此输出变量的预测表达式,然后将系统所有输出变量的预测表达式代入目标函数中,得到的控制增量等于控制器系数与参考轨迹、过程输入输出历史数据的乘积.控制器系数只与模型参数及设计参数有关,求解控制量时不再需要进行模型输出预报,控制器结构简单,实现容易.对比实验结果表明了该方法保持了常规MGPC方法的优秀控制性能.     

一种面向学习路径推荐的知识网络构建方法

随着在线教育的迅速发展,互联网上的教学资源数量也呈现出快速增长的趋势。针对当前在线学习平台普遍存在着教学资源内容重复、人们难以辨别与选择,导致学习者很难应用这些资源构建适合自己的学习路径的问题,提出一种面向学习路径推荐的领域知识网络构建方法。通过对每个学习对象的预备知识与目标知识进行社会标注,构建相应的领域知识网络,然后,运用弗洛伊德算法计算领域知识网络里任意两个知识点间的最短路径,为学习路径推荐提供基础。     

结构方程模型的约束最小二乘解与确定性算法

研究了结构方程模型（SEM）的约束最小二乘解（CLS）,从分析SEM的观测方程组入手,发现了这个不定方程组的结构变量与观测变量必须满足的最小二乘关系,在对结构变量有固定模长参数约束的条件下,求出它的一组模长约束最小二乘解（MCLS）,MCLS可以作为求解结构方程组的偏最小二乘（PLS）迭代初值,在求得MCLS以后,在观测方程组中改变结构变量的模长,使得每个结构变量所对应的与观测变量的路径系数满足配方条件,是更为合理的约束,它可以保证结构变量与所辖的观测变量同质,尽管观测方程组是不定方程组,但是根据误差平方和最小以及对路径系数的配方约束,使得MCLS求解为合理的确定性算法,然后再对结构方程组直接求解,也是确定性算法,这就解决了结构方程模型求解的唯一性问题。     

利用学习向量化样本分类的在线学习成绩预测

对网络在线学习者产生的数据进行记录和分析,并为其提供精准化的个性化服务是在线教育发展的重要方面.本文以学习者在平台上产生的日常学习数据为样本,综合其最具代表性的五种影响因子,通过学习向量化神经网络对样本进行分类,得到基于BP神经网络的在线学习成绩预测数据.在模型中采用遗传算法有效优化BP神经网络的权重和阈值,在提高预测精度的同时加快模型的收敛速度.最后与其他两种模型进行对比分析,结果表明：该模型进行预测的结果与真实的成绩分布基本一致,具有很高的可信度,能够为有效的预测学习状态提供决策依据,具有一定的工程应用价值.     

基于在线教育的网络自主学习平台开发研究与实践

基于在线教育的网络自主学习平台能够满足院校学生、企业员工等多种学习者个性化和主动性学习的需要,提高不同学习者的学习积极性和主动性。基于在线教育的网络自主学习平台采用Browser/Server架构体系,以面向对象的程序设计语言设计、开发完成了网络设备配置综合实训的在线自主学习平台系统。     

神经网络在电力负荷预测中的应用研究

研究电力负荷预测问题,针对精确测量电力负荷,由于影响电力负荷因素之间存在着菲线性,因素之间存在冗余信息,传统的数学模型在电力负荷预测中精度较低,为了有效提高电力负荷的预测精度,提出了一种主成分分析(PCA)和BP神经网络相结合的电力负荷预测方法.利用PCA对电力负荷的影响因素进行特征提取,以BP神经网络对经过PCA处理得到的新的变量进行训练建模,采用PCA - BP神经网络模型对河南某地区的电力负荷进行了仿真.结果表明,相对于参比模型,可有效地消除因素间的冗余信息,降低了BP神经网络的输入维数,简化了网络的结构,加快了学习速度,显著提高了电力负荷预测精度,证明提出的预测模型在电力负荷预测中是有效.     

一种新的数字图书馆云服务用户满意度模型

随着云计算技术的发展,数字图书馆云服务评价成为迫切需要解决的问题.基于层次分析法(AHP),设计一种新的用户满意度模型评估数字图书馆云服务;为了从评估者角度获得测评指标的相对重要程度,提出一种新的AHP算法判断矩阵构造方式.实例表明:1)用户满意度模型能准确定位评估人员迫切需要改进的数字图书馆云服务; 2)改进的AHP算法能够从评估人员角度获得测评指标的权重值,有助于提高用户满意度的准确性.