简介：目前储量的分类标准是通过划分指标值的范围来确定的,这就要求所有指标值恰好符合既定的指标范围,否则难以划分储量类别。为克服这一问题,本文结合模糊c-均值算法和组合赋权法实现难采储量的分类。首先基于效益指标运用模糊c-均值算法自动搜索储量的最佳类别,再利用主客观赋权偏差最小的思想,构建组合赋权模型,确定属性指标的权重,并计算储量效益指标值,结合模糊c-均值结果判别难采储量类别。最后以大庆某油田为实例,对其难采储量进行了分类,有效指导难采储量滚动开发决策。

简介：针对采用经典划分思想的聚类算法以一个点来代表类的局限，提出一种基于泛化中心的分类属性数据聚类算法。该算法通过定义包含多个点的泛化中心来代表类，能够体现出类的数据分布特征，并进一步提出泛化中心距离及类间距离度量的新方法，给出泛化中心的确定方法及基于泛化中心进行对象到类分配的聚类策略，一般只需一次划分迭代就能得到最终聚类结果。将泛化中心算法应用到四个基准数据集，并与著名的划分聚类算法K-modes及其两种改进算法进行比较，结果表明泛化中心算法聚类正确率更高，迭代次数更少，是有效可行的。

简介：奥特莱斯已演变成为一种新型的零售业态，在实践中取得巨大成功，但相关学术理论成果还相对缺乏。本研究以空间竞争理论为基础，从传统购物中心和奥特莱斯间的博弈出发，在消费者的偏好不确定的情况下，探究了奥特莱斯的区位选择、建设规模以及商品定价问题，试图为奥特莱斯投资人提供决策依据。研究结果表明，最优区位选择和建设规模依赖于消费者的聚集程度，消费者聚集程度较低时，奥特莱斯应紧邻消费者，投资者应尽可能扩大其建设规模，聚集程度较高时，可适当远离消费者，且选址越远，建设规模越大。另外，奥特莱斯中各零售商的商品售价不会偏离购物中心指导价。