促进消费者粘性的绿色住宅技术属性创新:一个实证研究

以长春市绿色住宅消费者为调研对象,通过构建消费者重复消费绿色住宅理论模型来解释绿色住宅的技术设计属性如何影响消费者所感知的经济性、舒适性和实用性,从而促进绿色住宅消费者的粘性。搜集785份有效问卷对理论模型进行实证研究,结果表明:舒适性和实用性是影响消费者重复消费意愿的主要动机,且节能、节水和室内环境技术对于消费者的感知经济性、舒适性和实用性具有显著影响,而室内环境因素是绿色住宅技术设计最为重要的属性。本研究有助于改进绿色住宅的技术设计,以促进消费者的重复消费,进而增加消费者的粘性。     

论粮食的政治学属性

文章试以政治学为平台,探究粮食同政治之间的关系,即粮食所具有的政治学属性,为今后政治学研究提供一个全新的视角。     

Application of Attribute Reduct Method in Spatial Load Forecasting

Spatial load forecasting is a process distributing the total forecasted load to all partitioned area, and involving more spatial information and more factor influencing application of the future small area, which need a great deal of memory space and longer operation time. Rough set is new method of data analysis. It need not be provided with any advanced information except data set. But attribute reduct is its main algorithms. Division matrix approach on rough set used to reduce the attribute related to land - use decision in order to remove redundancy attribute and then the rules of small area land - use decision is distilled. The method obtained better effect and enhanced the total load forecasting efficiency.     

属性识别模型在水利水电规划方案综合优选中的应用

针对目前水利水电规划方案综合优选方法中存在的问题，提出了基于变异系数权重的水利水电规划方案综合优选属性识别模型。该模型采用反映评价指标特征值之间差异性的参数——变异系数作为评价指标的权重，减小了权重确定的主观性，且模型求解方法简单易学。实例分析表明，这一模型和方法是合理、可行的。     

基于两点机器学习方法的土壤有机质空间分布预测

准确预测土壤有机质(Soil Organic Matter,SOM)空间分布对精细农业、耕地质量建设、生态环境保护以及固碳减排等均具有重要的意义。该研究探讨了基于两点机器学习方法(Two-pointMachineLearning,TPML)提高SOM空间分布预测的可行性。以黑龙江省海伦市为研究区,以气候、地形地貌、社会经济和空间位置信息等因素作为辅助变量,充分利用空间位置信息和属性相似关系,有效处理SOM空间分布异质性及其与辅助变量间关系异质性,以提高TPML方法进行SOM空间分布预测的精度。采用随机森林、基于随机森林的回归克里格、反距离权重法和普通克里格(Ordinary Kriging,OK)方法作为对比,以平均绝对误差(Mean Absolute Error,MAE)、均方根误差(Root Mean Square Error,RMSE)、预测值与真实值相关系数(r)和决定系数(R²)作为评价指标,进行不同样本量下的多组对比试验,评价不同方法的预测精度。结果表明：1)研究区SOM含量在1.775～7.188 g/kg之间,平均值为3.179 g/kg,空间分布...     

基于本体与认知经验的农业机器人视觉分类决策方法

基于小样本数据下认知经验知识辅助计算机进行决策,对实现农业领域机器人智能认知决策与助力智慧农业发展具有重要意义。本文在统计计数、支持向量机（SVM）等图像属性信息学习方法基础上,使用Protégé等工具,基于认知经验构建水果识别分类的专业知识库;然后根据图像颜色与形状信息,进行知识库搜索推理得到分类决策。实验在Fruit360数据集中共选择2091幅葡萄、香蕉、樱桃水果图像作为测试集,并各挑选30幅图像作为属性信息训练集与验证集,结果表明当前数据下葡萄与樱桃识别准确率为100%,香蕉识别准确率为93.30%。仅在知识库添加黄桃知识后,对984幅黄桃图像样本进行测试,其分类准确率为97.05%。表明本文方法能有效完成图像分类决策任务,且具有良好的过程可解释性、能力共享性和可拓展性。     

基于粗糙集的属性约简算法在农业机械中的应用

传统的利用区分矩阵进行属性约简算法,其时间复杂度和空间复杂度很大.近年来提出了各种启发式算法,其时间复杂度由原来指数级递增降到了平方级递增,但此算法并不能保证找到最优解.为此,提出了属性约简的改进算法,其在时间复杂度和空间复杂度上都降低很多,易于求出最优解.把此算法用于对一款农业机械的评估判断和规则提取,用VC++和SQL Server 2000进行实现,并通过专家数据验证其正确性.     

联合分析法在混合动力汽车产品定位中的应用研究

从消费者购买决策角度出发,利用联合分析法,构建我国市场A级混合动力汽车属性与水平模型,分析消费者购买混合动力汽车时赋予不同属性的相时重要性及属性水平的效用值,并模拟产品组合市场占有率情况,从而为混合动力汽车产品定位提供依据.     

加工专用型花生品种适宜栽培因子及加工属性研究简报

采用正交试验设计方法进行了品种(A)、穴粒数(B)及种植密度(C)三因素正交试验,同时进行品种加工属性研究。结果表明,品种和穴粒数的极差R′较大,其次是种植密度。泉花538的加工成品率和一级品率分别比对照高4.4和9.7个百分点,泉花627的加工成品率和一级品率分别比对照高5.3和9.3个百分点,这两个品种的产量分居第一、二位,而且加工属性较佳,适宜加工咸酥花生。另外还就各因素对产量影响以及最优处理组合进行了分析。     

基于粗糙集的产品特征知识获取研究

针对制造业产品设计的个性化需求,将粗糙集理论应用于产品设计知识的属性约简和分类规则生成,发现产品或零部件间潜在的特征知识模式,从而为设计人员所能够提供的模糊对象进行分类或提供设计知识.