面向二元语义的一种竞优特征群识别方法研究

面向二元语义的一种竞优特征群识别方法研究

论文摘要

总结人类社会的发展历程,人们不难发现这样一种普遍现象:当人们积极探索并利用事物演变规律时,人类就会进步,社会就会繁荣。竞优思想正是在总结人类社会发展历程的基础上提炼出来的,主张人们应竞相探索并利用事物的演变规律,积极在社会及组织中展示自己的优良行为。目前,能够体现竞优思想的群识别方法的研究刚刚起步,主要针对指标值为精确数值的形式。然而,在现实生活中,由于客观事物的复杂性以及人们主观思维的模糊性,决策者常常采用自然语言表达自己的偏好信息。但在通常情况下,语言评价信息并不能直接参与数学运算,需要对其进行量化处理。目前人们对语言评价信息的处理方法主要分成三类:基于扩展原理的语言信息处理方法、基于语言符号的语言信息处理方法、二元语义信息处理的方法。对比分析,发现二元语义处理方法在处理模型和信息损失方面有很大的优越性,更适合处理语言评价信息。因此,研究面向二元语义的竞优特征群识别方法,无论在理论方面,还是在实际应用方面,都具有重要意义。为此,本文将以竞优思想为指导,对面向二元语义的竞优特征群识别方法进行分析和研究,主要研究内容概括如下:第1章为绪论。主要介绍了本文的研究背景、研究目标与意义、研究内容和方法以及论文的主要创新点。第2章为文献综述,是全文的理论基础。主要对语言评价信息及其处理方法、竞优特征群识别方法进行理论综述,并提出了对本文研究的启示。第3章为面向二元语义的竞优特征群识别方法设计,是全文的重点内容。首先介绍了二元语义的概念和集结算子;其次,引入了竞优思想的概念,进而提出了竞优特征群识别方法的流程设计;最后,分别针对单层及多层结构描述的评价指标体系,构建了面向二元语义的竞优特征群识别模型,从尊重每一位被测评者的意见出发,获取能够体现行为主体优势特征的权重结构,通过“行为模式提炼”挖掘出群体的共性意见,采用总体水平评价测量被测评者群体对竞优特征群识别结果的满意程度。第4章为应用研究。以沈阳诚通金属有限公司为评价对象,结合现有的企业文化评价指标体系,将面向二元语义的竞优特征群识别方法应用到该公司企业文化评价中,为该公司构建健康、和谐的企业文化提供对策和建议。最后,总结本文的主要研究成果,并指出今后需要进一步开展的研究工作。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 研究背景
  • 1.2 研究目标与意义
  • 1.2.1 研究目标
  • 1.2.2 研究意义
  • 1.3 研究内容和方法
  • 1.3.1 研究内容
  • 1.3.2 研究方法
  • 1.4 主要创新点
  • 第2章 文献综述
  • 2.1 语言评价信息
  • 2.1.1 语言变量
  • 2.1.2 语言短语集的确定方法
  • 2.1.3 基于语言评价矩阵的群识别方法问题
  • 2.2 语言评价信息的处理方法
  • 2.2.1 基于扩展原理的语言信息处理方法
  • 2.2.2 基于语言符号的语言信息处理方法
  • 2.2.3 元语义信息处理的方法
  • 2.2.4 三种处理方法对比分析
  • 2.3 竞优特征群识别方法综述
  • 2.3.1 竞优思想的内涵
  • 2.3.2 个体优势的内涵
  • 2.3.3 个体优势特征识别的相关方法
  • 2.3.4 群体特征识别的相关方法
  • 2.4 现有研究对本文的启示
  • 第3章 面向二元语义的竞优特征群识别方法设计
  • 3.1 预备知识
  • 3.1.1 二元语义
  • 3.1.2 二元语义的集结算子
  • 3.2 基于竞优思想的群识别方法设计
  • 3.2.1 竞优思想的提出
  • 3.2.2 竞优特征群识别方法设计
  • 3.3 单层结构指标体系下的竞优特征群识别模型
  • 3.3.1 想解评价模型
  • 3.3.2 竞优特征群识别的基本模型
  • 3.3.3 行为模式提炼
  • 3.3.4 总体水平评价
  • 3.4 多层结构指标体系下的竞优特征群识别模型
  • 3.4.1 最高层关于基层指标的竞优特征群识别模型
  • 3.4.2 中间层到基层指标的竞优特征群识别模型
  • 3.4.3 行为模式提炼
  • 3.4.4 总体水平评价
  • 第4章 应用研究
  • 4.1 沈阳诚通金属有限公司简介
  • 4.2 企业文化评价指标体系
  • 4.2.1 顶层指标的涵义
  • 4.2.2 中间层指标的涵义
  • 4.2.3 基层指标的涵义
  • 4.3 测量数据的收集及样本状况
  • 4.4 竞优特征识别结果及分析
  • 4.4.1 基层指标竞优特征识别结果及分析
  • 4.4.2 中间层指标竞优特征识别结果及分析
  • 4.4.3 顶层指标竞优特征识别结果及分析
  • 4.4.4 总体结构分析
  • 4.5 行为模式提炼结果及分析
  • 4.5.1 基层指标行为模式提炼结果及分析
  • 4.5.2 中间层指标行为模式提炼结果及分析
  • 4.5.3 顶层指标行为模式提炼结果及分析
  • 4.6 总体水平评价
  • 4.6.1 基层指标的总体水平评价
  • 4.6.2 中间层指标的总体水平评价
  • 4.6.3 顶层指标的总体水平评价
  • 4.7 对策与建议
  • 4.8 小结
  • 第5章 结论与展望
  • 5.1 结论
  • 5.2 展望
  • 参考文献
  • 致谢
  • 附录
  • 附录1 企业文化调查问卷
  • 附录2 中间层及顶层指标竞优特征评价值
  • 相关论文文献

    • [1].基于云计算的网络资源缺失信息识别方法[J]. 电子元器件与信息技术 2019(11)
    • [2].武汉市主城区现状用地自主识别方法探索[J]. 中国土地 2020(02)
    • [3].基于场景-部件的人体行为识别方法[J]. 测控技术 2020(02)
    • [4].基于人眼识别的人脸朝向识别方法[J]. 信息记录材料 2020(01)
    • [5].产品虚假评论文本识别方法研究述评[J]. 数据分析与知识发现 2019(09)
    • [6].网络谣言识别方法及展望[J]. 网络空间安全 2016(Z2)
    • [7].物联网智能终端设备识别方法[J]. 电信科学 2017(02)
    • [8].一种分布式人脸识别方法及性能优化[J]. 光学精密工程 2017(03)
    • [9].振动目标产生的瑞雷波的识别方法研究[J]. 沈阳理工大学学报 2017(02)
    • [10].松辽盆地二氧化碳气层录井识别方法[J]. 石化技术 2017(10)
    • [11].用于机动目标跟踪的分段机动识别方法[J]. 电波科学学报 2015(01)
    • [12].“特殊的平行四边形”易错点剖析[J]. 初中生世界 2017(15)
    • [13].颠覆性技术识别方法述评[J]. 图书情报工作 2020(17)
    • [14].基于深度学习的人脸识别方法研究进展[J]. 现代计算机 2020(01)
    • [15].基于典型相关分析特征融合的行人再识别方法[J]. 光电子·激光 2020(05)
    • [16].4G网络深度覆盖“283”识别方法研究[J]. 数字通信世界 2019(03)
    • [17].颠覆性技术识别方法研究与应用分析[J]. 军事医学 2018(01)
    • [18].一种大象流两级识别方法[J]. 电信科学 2017(03)
    • [19].多角度人脸检测与识别方法研究[J]. 电子设计工程 2017(11)
    • [20].卫星图像传输跟踪优化识别方法仿真研究[J]. 计算机仿真 2017(09)
    • [21].基于主题模型和情感分析的垃圾评论识别方法研究[J]. 计算机科学 2017(10)
    • [22].同形异义词机器辅助识别方法研究[J]. 数字图书馆论坛 2015(05)
    • [23].4G网络深度覆盖精确需求识别方法研究[J]. 电信工程技术与标准化 2015(09)
    • [24].基于深度流形表示学习的工业过程多故障识别方法[J]. 计算机与数字工程 2020(10)
    • [25].试分析基于区域生长的道路和桥梁识别方法的研究[J]. 科技创业家 2014(01)
    • [26].基于统计的人脸识别方法综述[J]. 安阳工学院学报 2012(04)
    • [27].基于情景分析的项目风险识别方法研究[J]. 理论观察 2012(05)
    • [28].基于深度学习的视频行为识别方法综述[J]. 电信科学 2019(12)
    • [29].基于深度学习的场景识别方法综述[J]. 计算机工程与应用 2020(05)
    • [30].基于特征的矢量图形符号渐进识别方法[J]. 软件导刊 2020(05)

    标签:;  ;  ;  ;  

    面向二元语义的一种竞优特征群识别方法研究
    下载Doc文档

    猜你喜欢