侯立文 作品数:50 被引量:592 H指数:11 供职机构: 上海交通大学 更多>> 发文基金: 国家自然科学基金 上海市教育委员会重点学科基金 教育部人文社会科学研究基金 更多>> 相关领域: 经济管理 交通运输工程 自动化与计算机技术 社会学 更多>>
基于NP算法的CRM中客户识别特征的选择 被引量:10 2005年 客户识别对于CRM的实施具有重要意义,客户特征选择是客户识别中的重要问题.嵌套分割算法(NP算法)是一种新型的系统优化方法,通过对其四个算子进行确定,将其应用于具有组合优化特征的CRM中客户识别中的客户特征选择问题.并通过将NP算法应用于某人寿保险公司的客户特征选择问题,说明了该方法的有效性.该方法不但能够保证以概率1收敛于最优解,而且能够提高客户特征选择的效率. 路晓伟 蒋馥 侯立文关键词:客户关系管理 客户识别 模式识别 城市交通中利用Gram-Charlier分布估计行程时间可靠性 被引量:4 2009年 行程时间可靠性近年来成为交通领域重点关注的问题,但现有方法在反映当前行程时间的尖峰厚尾特征方面已表现出与实际情况的较大差异,因此本文针对这一弱点,结合数据收集的难易,设计了一种新颖的栅格行程时间预测方法,可以全面考虑车辆的行驶和等待时间,然后引入了可以反映更多行程时间信息的Gram-Charlier分布函数,作为行程时间可靠性的研究手段,同时对分布参数给出了两种计算方法。仿真结果表明,本文提出的方法能很好体现当前城市交通行程时间的易变性特点。 侯立文 谭家美关键词:行程时间预测 行程时间可靠性 城市交通 基于Nested Logit模型的IT外包供应商选择 被引量:7 2009年 提出一种基于Nested Logit模型的IT外包供应商选择的新方法。先通过联合分析法确定候选供应商的综合效用,在此基础上建立企业IT外包供应商选择的Nested Logit模型,从而得到企业按照自身需要来选择候选供应商的概率,最后应用贝叶斯的相关理论对该模型的假设前提进行了检验。 杨宝军 侯立文关键词:IT外包 供应商选择 LOGIT模型 贝叶斯理论 网络拼车成功的因素分析 被引量:7 2013年 针对影响互联网拼车的因素,选择某拼车网站为数据来源,采用回归分析和试验设计(De-sign of Experiment,DOE)方法,分析影响网上拼车行为的因素及其对实际拼车成功和拼车申请人数的影响强度.结果表明,拼车信息回复数和点击数对拼车成功率有正面影响;对于拼车网站而言,可以采取适当的鼓励措施提高点击数和回复数,从而增强网站活跃度;从社会整体而言,提高拼车参与率更需要有相关政策的支持. 谭家美 朱丽叶 南香兰 侯立文关键词:拼车 影响因素 点击数 城市道路网络可靠性的研究 被引量:62 2000年 本文对路网可靠性的形成和影响因素分别进行了说明 ,并且将其与路网服务水平加以区分 ,然后从网络的生存性和有效性两个方面来对其予以刻画 ,提出了基于路径与交叉口可靠性的函数关系式 ,最后指出了在研究过程中需要注意的几个问题。 侯立文 蒋馥关键词:城市道路网络 可靠性 交通流 拓扑结构 ArcGIS在城市交通污染分析中的应用 被引量:5 2006年 介绍了A rcG IS在城市交通污染分析中的作用,并根据机动车尾气排放模型和扩散模型,构建了基于A rcG IS的城市交通大气污染分析系统框架,最后指出了A rcG IS在城市环境污染监测和管理体系中的重要地位。 侯立文 谭家美 蒋馥关键词:交通污染 地理信息系统 领域本体建立的方法研究 被引量:70 2005年 本体是当前的一个研究热点。但是目前领域本体的创建还缺乏系统的、工程化的方法。本文分析了当前构建领域本体的几种方法 ,通过借鉴其他领域本体的构建方法 。 汪方胜 侯立文 蒋馥关键词:本体 领域本体 知识工程 一种基于DSS的非结构化问题信息处理机制探讨 被引量:1 1999年 提出了一种基于DSS的非结构化问题信息处理机制,通过确定问题的主题数据库来建立该问题的信息解释结构模型,然后将决策者的信息处理能力与模型所提供的信息效用价值相结合,定义了信息效能的概念,用以指导DSS的信息处理过程. 侯立文 蒋馥关键词:决策支持系统 面向语义的元数据模型一致性检验 被引量:4 2005年 面向语义的元数据模型检验用于判断待建元数据在语义上是否一致.首先,借鉴本体的思想,利用描述逻辑建立了面向语义的元数据模型,它是一个7元组,包括术语集、实例集、术语定义集、实例声明集、属性分配集、术语注释集和术语约束集.然后,将元数据模型检验抽象为术语检验和实例检验2类问题.最后,对术语检验和实例检验的判定方法进行分析.研究表明,2类检验问题可分别细化为4类和2类子问题,这些子问题可以相互转换. 王洪伟 侯立文 蒋馥关键词:语义元数据 描述逻辑 本体 网约车安全事件的预测研究 2023年 随着网约车的蓬勃发展,网约车为我们的出行带来了极大的便利。而随着市场规模的逐步扩大,网约车安全日益成为网约车行业关注的焦点。研究尝试通过机器学习辅以文本挖掘手段来对司乘冲突的严重程度进行定级预测,数据来源于法律文书网和资讯网站。研究发现在数据特征选择方面,机器学习能选择出更好的特征变量,而当采用特征标准化方法处理样本并且采用逻辑回归作为模型算法时,网约车司乘冲突事态严重程度等级预测准确率最高。研究发现,冲突事态严重程度定级对于网约车安全事件管理有着重要理论意义,另一方面,网约车平台通过机器学习手段建立主动发现冲突风险的主动防御型风险管理模式,以此降低司乘冲突风险来提升网约车司乘双方的安全,具备一定的实践意义。 余琴 侯立文