基于SOM网络的农业产业结构研究

阐述了SOM网络基本原理和结构,提出基于SOM网络的农业产业结构研究模型,实例应用表明,引用SOM网络对全国农业产业结构的聚类分析是有效的,可以为后期的农业规划提供数据依据。     

河南农村剩余劳动力转移的地区差异分析

选取影响农村剩余劳动力转移的11个指标,采用SOM网络对河南省18个地市农村剩余劳动力转移的地区差异进行聚类分析,揭示了影响各地市农村剩余劳动力转移的原因,并据此提出建议。     

基于SOM网络的上市公司风险评价聚类分析

基于SOM的聚类功能，对上市公司进行了分类评价。数值计算表明，该模型对上市公司的聚类结果令人满意，对投资者如何准确地选出优质股票具有前瞻性的指导意义。     

基于因子分析的宁夏城镇化发展水平评价

经济与社会发展必然会促进城镇化的进程,而城镇化是工业化和现代化发展的必然结果,城镇化发展水平已成为促进一个地区经济发展的重要因素.本文从三个不同的角度分析宁夏城镇化的发展水平,并在大量统计数据和已有研究成果的基础上,采用因子分析法揭示了宁夏城镇化发展的特点.研究结果表明:宁夏城镇化发展水平较高的是银川市,发展水平一般的...     

基于SOM神经网络的河北省农村经济结构与经营结构地区差异

农村经济结构优化是农村经济增长的关键,经营结构是有效组织分散经营农户、发挥农民经济结构调整主体作用的根本途径.使用SOM神经网络模型,对河北省2012年11个地级市的农村经济收入进行了分类,分析了河北省农村经济结构和经营结构的地区差异.结果表明:河北省农村经济结构以工业和农业收入为主,总体可分为廊坊、冀中南、冀北、冀东4类地区;商饮业、运输业、建筑业对冀北和冀东地区农村经济结构具有重要影响;河北省农村经营结构以家庭经营、其他经营和乡(镇)办企业经营形式为主,总体可分为3类地区;廊坊市农村地区基本实现工业化,且以家庭经营形式为主.     

影响民族地区生计转型农户城镇化的因子分析——以湖南麻阳、广西三江为例

新型城镇化是我国经济社会转型时期的一项全局性、长期性、深远性发展战略,少数民族农民作为新型城镇化中的重要且特殊群体,在推进有民族特色的城镇化过程中起着重要的作用。基于湖南麻阳、广西三江的农户调研数据,采用因子分析法,在影响民族地区生计转型农户城镇化的因素中,提炼出文化因子、政策因子、经济因子和老家因子这四个主因子,相应地提出了加强城市民族工作、进一步完善相关政策、扩展民族地区农民的收入渠道、消除老家的后顾之忧的对策建议。     

基于因子分析的绵阳市域经济发展差异研究

对城市经济发展进行研究,可以为城市经济政策制定与可持续发展提供重要参考。以绵阳市域经济发展差异为研究对象,通过对2006~2014年绵阳市统计年鉴数据的筛选,运用因子分析方法对绵阳市域经济发展差异进行了分析,结果表明:涪城区的经济发展水平最高,发展平稳,而盐亭县、北川县、平武县的经济发展水平较低,一直处于低发展水平;各区县(市)经济发展差异较大,仍处于不平衡状态。根据分析结果,结合绵阳市现有资源,对绵阳两区六县一市的经济发展提出了以下三点建议:加快城镇体系建设,转变经济结构,增强城市辐射力;增强当地特色旅游产品,促进旅游发展;开创增收新型渠道提高居民收入,进而提高社会消费能力,增强市场活力,以增强绵阳市发展的协调性,最终实现社会经济的可持续发展和全面发展。     

基于SOM神经网络的国家技术创新能力分类

建立了国家技术创新能力评价指标体系,提出了在国家技术创新能力评价中应用基于自组织映射(SOM)神经网络的分类模型,对28个国家技术创新能力进行了分类和评价,通过分析得出了一些有价值的结论,同时验证了模型的有效性。     

基于ArcGIS和SOM神经网络的山羊定位和行为分类

针对目前山羊行为分类的不准确以及定位困难的问题,提出了一种基于ArcGIS和SOM神经网络算法的山羊定位和行为分类系统,系统由数据层、算法服务层、图形化展示层组成。设计了对山羊三轴加速度数据的SOM神经网络算法分类器,实现了对山羊静止、行走、采食、跳跃等主要日常行为的分类,并结合了ArcGIS二次开发平台在地图上显示山羊地理位置。实验结果表明:本文设计的系统运行安全、数据准确,对山羊科学饲养提供了依据。     

基于MATLAB的SOM网络的干旱聚类分析

基于自组织特征映射网络的聚类分析广泛应用于各种聚类分析领域,尝试将此网络应用于干旱特征的聚类分析,使用软件MATLAB7.1对所设计的网络进行学习和训练,经过6000次训练,最终实现了干旱类型的聚类,误差也达到精度要求,所建模型经测试,可以用于分类的预测.SOM网络可以很好地反映和提取气象样本中复杂的信息,分类效果较好,可以在干旱分类中广泛应用.     

榆林地区城镇化动力因子分析研究

通过构建城镇化综合指标体系,基于熵值法对1990年～2009年榆林地区城镇化水平进行测度,划分出两个时间阶段。借鉴已有研究指标体系从行政力、市场力、内源力和外源力四个方面构建榆林地区城镇化动力因子,通过三个多元线性回归模型模拟两阶段动力因子变化过程。研究表明榆林地区第一阶段(1990年～2000年)与第二阶段(2001年～2009年)城镇化主要动力因子分别为行政力与市场力,并且第一阶段城镇化水平增速小于第二阶段。外源力与内源力发展水平不足,城镇化动力不可持续,需要从制度政策、投资环境及基础设施建设方面做出努力。     

基于因子分析对大学网站的评估研究

通过选取中国重点大学综合实力排名较前的36所高校网站作为样本，利用搜索引擎MtaVista收集各网站的链接量及计算网络影响因子。选取指标进行因子分析，发现对网站的评价作用起显著作用的是总链接数、总网页数、外部链接、被连接网站数。     

榆林地区城镇化动力因子分析研究

通过构建城镇化综合指标体系,基于熵值法对1990年～ 2009年榆林地区城镇化水平进行测度,划分出两个时间阶段.借鉴已有研究指标体系从行政力、市场力、内源力和外源力四个方面构建榆林地区城镇化动力因子,通过三个多元线性回归模型模拟两阶段动力因子变化过程.研究表明榆林地区第一阶段(1990年～ 2000年)与第二阶段(2001年～ 2009年)城镇化主要动力因子分别为行政力与市场力,并且第一阶段城镇化水平增速小于第二阶段.外源力与内源力发展水平不足,城镇化动力不可持续,需要从制度政策、投资环境及基础设施建设方面做出努力.     

河南城镇化建设影响因素的实证分析

城镇化建设是我国现代以来最大的变化和建设过程,尤其是改革开放以后,我国的城镇化建设发展速度加快,城镇化率显著提高,城镇人口和城镇的规模大跨度的发展,成为我国近代以来最显著和最有影响力的发展趋势。河南省我国的中部省份,是较长的一段时间内我国人口最多的省份,相应的其农业人口也数量非常庞大,城镇化的发展水平就有一定的特殊性和代表性。因此本文特以此为研究目的,进行深入细致的探讨和剖析,以期获得建设性成果。     

基于SOM与BP神经网络的葡萄酒质量评价

葡萄酒有着非常高的营养价值,而决定其营养价值的主要因素是葡萄酒的质量指标。葡萄酒的主要质量指标大体可分为感官指标和理化指标。根据酿酒葡萄和葡萄酒的理化指标,对给定的葡萄酒样品进行质量评价。采用自组织特征映射网络(SOM)对给定的酿酒葡萄样品进行分类,并对酿酒葡萄和葡萄酒的理化指标以及葡萄酒的质量进行聚类,同时采用BP神经网络对结果进行了验证。研究表明,红葡萄与红葡萄酒的理化指标之间的相关性比白葡萄与白葡萄酒的理化指标之间的相关性要大得多;酿酒葡萄和葡萄酒的某些理化指标(白葡萄酒的总糖、红葡萄酒的蛋白质和pH值)、葡萄酒的果香、发酵香物质对葡萄酒质量有显著影响。     

基于图谱分析的黑龙江省农村城镇化区域差异研究

参考若干学者的研究成果,结合黑龙江省特点,选取能代表农村城镇化水平的经济发展、城镇建设、居民生活、社会进步等4个方面的20个指标,建立了农村城镇化评价指标体系,通过熵权法和综合指数法对黑龙江省12个地市的农村城镇化水平进行定量计算,以地学信息图谱的方法进行分析.结果表明,黑龙江省农村城镇化水平普遍较低,而且存在很大的区域差异,最高的哈尔滨市(0.684)与最低的绥化市(0.217)相差3倍.从系统的角度对评价结果进行了详细分析,并提出了提高黑龙江省农村城镇化整体水平和缩短区域差异的相应对策.     

新疆兵团农村城镇化发展路径研究

推进农村城镇化的进程,提高农村城镇化发展的水平,是我国经济和社会发展的一项重要内容。新疆这一特定绿洲区农村城镇化发展的分析,对于研究西北干旱区绿洲农村城镇化有很好的借鉴意义。从经济发展、社会生活和数据的可得性角度,选取了13个指标构建了农村城镇化原始的评价指标体系,运用因子分析方法对兵团各师进行了实证的量化分析。进而提出了加快兵团农村城镇化发展的对策建议。     

基于因子分析的地区信息化发展水平的聚类研究

基于全国各省（市、区）信息化发展水平与相关经济数据,构建信息化发展水平的综合评价指标体系,运用因子分析和聚类分析等方法,对各省市的信息化发展水平进行评价与比较,并针对不同信息化发展水平的组别及地区提出相应对策与建议,从而有助于提高对地区信息化建设水平的认识,为制定信息化建设的相关政策提供科学论据。     

安徽城镇化进程与区域差异分析

由于政策体系和发展阶段的差异,安徽城镇化呈现出不同的特征问题。分析和总结安徽城镇化历程的基本特征和经验教训,对于推进新时期安徽城镇化健康、稳定、可持续发展具有重要的参考价值。     

应用SOM网络模型进行防火树种分类研究

应用SOM神经网络模型,以福建省37个针阔树种的叶子的含水率、粗脂肪、灰分、S iO2、挥发油含量、燃点、燃烧热及燃烧速度为分类因子,进行网络学习与仿真,结合过去的分类方法将37个树种分为5类,从而验证SOM网络模型在防火树种选择分类中的应用效果,以提供一种新的分类思路与方法。