01
使用机器学习技术处理高度不平衡数据以分类车祸致命率
Handling highly imbalanced data forifying fatality of auto collisions using machine learning techniques
Shengkun Xie & Jin Zhang
摘 要
准确预测车祸中的致命事件对健康管理有重要意义。本研究探索了如何在机器学习中应用不平衡数据处理技术以提高预测性能。通过将这些技术应用于车祸数据上，卫生组织可以识别和预测致命事件，从而更有效地分配有限的医疗资源。同时，通过不平衡数据处理技术提高机器学习模型的性能可以影响健康管理决策。我们的研究结果突出了不平衡数据处理技术在预测车祸致命性方面的重要性，最终有助于提高道路安全和更好地管理健康资源。此外，有效利用不平衡数据可以显著提高预测的特异性。解决机器学习技术对不平衡车祸数据的影响可以显著改善整体健康结果。
扫码查看全文
02
综述：用于评估新冠疫情非药物干预措施的大数据分析模型
A review of big data analytics models for assessing non-pharmaceutical interventions for COVID-19 pandemic management
Fatemeh Navazi, Yufei Yuan & Norm Archer
摘 要
新冠肺炎大流行期间，有疫苗之前，非药物干预（NPI）是减轻新冠肺炎感染的唯一解决方案。即使在开始接种疫苗之后，各国政府也继续使用NPI。在这项研究中，我们回顾了用以以评估和优化NPI有效性的各种大数据分析模型。这些模型分为三类：描述性分析，衡量NPI引起的感染率变化；预测性分析，通过实施几种NPI预测大流行的未来；数据驱动的规范性分析，提出最佳控制政策。我们进一步分析了每种方法在不同大流行阶段和不同情景下的基本假设、局限性和适用性。这篇关于新冠肺炎NPI评估方法的综述将有利于决策者了解在疾病大流行期间选择哪种模型进行政策制定。最后，我们提出了一些未来的研究方向。
扫码查看全文
03
用于企业资源规划选择的语言犹豫模糊交互式多属性群决策
Linguistic hesitant fuzzy interactive multi-attribute group decision making for enterprise resource planning selection
Shuping Wan, Chunyan Zeng, Jiuying Dong & Sishi Hu
摘 要
企业资源规划（ERP）系统选择涉及多个具有交互作用的评估属性。它可以归结为一种交互式多属性群决策（MAGDM）。语言犹豫模糊集（LHFS）是表示决策者偏好的不确定性、犹豫性和不一致性的有力工具。本文提出了两种基于综合云幂几何聚合算子的LHFS交互式MAGDM新方法。首先，定义LHFS的综合云，并提供两个综合云之间的距离度量。考虑到聚合LHFS之间的交互作用，我们开发了一些LHFS的综合云幂几何聚合算子。首先，我们定义了LHFS的不确定度。然后，我们提出一种方法来推导决策者的权重，并提出一种方法来推导综合属性权重。由此，本文提出了两种新的LHFS交互式MAGDM方法。最后，本文提供了一个ERP选择示例，来验证所提出的方法。
扫码查看全文
04
医疗产品的紧急生产：部分分权与完全分权
Emergency production of medical products: partial decentralization vs. complete decentralization
Huaige Zhang, Yimeng He, Yuke Hu, Yeming Gong, Xianpei Hong & Li Zhang
摘 要
在医疗产品的紧急生产中，拥有原材料的供应商通常是博弈中的领导者，并且具有决定供应链结构的优势。以前关于供应链结构的研究主要关注领导者如何利用这一优势获得最佳利润，而忽略了追随者在这种劣势下的战略补偿。本文探讨了追随者如何通过合同设计和生产时机在由两个买方（整合买方和非整合买方）和一个供应商组成的供应链中获得最佳利润。在医疗产品短缺的情况下，企业形成完全分权或部分分权（供应商和买方形成垂直整合实体）结构进行紧急生产。结果表明，在部分分权结构中，整合买方可以获得更多利润。此外，在部分分权结构中，非整合买方对生产时间更敏感。令人惊讶的是，在紧急生产中，非整合买方购买的产品越多，供应商的批发价格就越高。然而，在某些条件下，这种异常现象增加了买方获得最佳利润的可能性，并削弱了供应链结构的影响。
扫码查看全文
05
利用智能卡数据为快速公交系统开发基于起讫点矩阵的商业分析：以印度尼西亚雅加达为例
Using smart card data to develop origin-destination matrix-based business analytics for bus rapid transit systems: case study of Jakarta, Indonesia
Meditya Wasesa, Mochammad Agus Afrianto, Fakhri Ihsan Ramadhan, Yos Sunitiyoso, Shimaditya Nuraeni, Utomo Sarjono Putro & Sri Hastuti
摘 要
快速公交系统（BRT）一直是不可或缺的公共交通支柱，尤其是在人口稠密的地区。在BRT资源分配规划背景下，准确了解BRT网络的利用情况至关重要。这项研究的重点是运营商如何利用乘客的智能卡数据开发基于起讫点（OD）矩阵的商业分析。这项研究提出了一种结合行程链接、直接配对、模式估计方法和可视化分析开发的混合方法。这种新颖的方法在处理不完整的智能卡数据交易方面非常稳健，可以生成OD矩阵和相应的可视化分析，作为BRT运营商的决策支持系统。我们将提出的分析方法应用于印度尼西亚雅加达最大的全球BRT系统之一的2060多万张智能卡交易数据，并对其进行了验证。
扫码查看全文
06
考虑不同风险偏好投资者的ESG信息披露策略分析
Analysis of ESG information-disclosure strategies considering different risk-appetite investors
Peilun Li, Jiali Zhu & Ye Zhou
摘 要
为了响应投资市场和公众，截至2022年，已有1000多家中国上市公司开始自愿提供环境、社会和治理（ESG）信息。如何建立有效的ESG信息披露机制对可靠外部融资的提供者很重要。在此，我们设计了一个风险管理模型来描述在不同风险偏好投资者下提供者的信息披露策略决策，并分析信息有效性、投资者的信息敏感性和风险规避以及评级机构准确性如何影响最优ESG信息披露策略。我们发现：（1）提供者采用适当的不充分披露策略可以降低其信息收集和披露成本，从而最大化ESG信息披露的效益；（2）投资者的信息敏感性和风险规避将影响企业采用不充分披露策略的空间；（3）更专业的评级机构可以为ESG信息提供更强的信用背书，促使提供者减少披露信息。
扫码查看全文
07
在效益-机会-成本-风险平台下食品商业选址的三向决策TOPSIS
Three-way decision TOPSIS for food business location under a benefit-opportunity-cost-risk platform
Shawn Andre Scott, Celbert Himang, Rosein Ancheta , Jr.,Fatima Maturan, Joerabell Lourdes Aro, Samantha Shane Evangelista, Nadine May Atibing & Lanndon Ocampo
摘 要
本研究全面评估了可以帮助决策者在发展中经济体中找到食品企业最佳位置的因素。它在确定标准权重（即利益、机会、成本、风险）方面结合了层次分析法（AHP），并在确定优先因素方面采用了新引入的三向决策-理想解相似度排序法（3WD-TOPSIS）。应用AHP使得优先级更多分配给了利益和机会，而非成本和风险，反映了食品企业以利益或机会为导向的态度。同时，通过实施3WD-TOPSIS发现，政府法规和限制、靠近消费者、停车能力、供应链战略和社会经济地位是最关键的位置决策因素。比较分析的结果表明，本研究的结果与其他可比方法的结果高度一致。最后，本文概述了研究结果的管理意义。
扫码查看全文
08
评级披露分析：补偿改革对降低信用评级偏差的影响
Rating disclosure analysis: compensation reform consequence on counteracting biased credit ratings
Kittiphod Charoontham, Kessara Kanchanapoom, Nartraphee Tancho & Jirawat Worakantak
摘 要
本研究分析了一项旨在防止信用评级机构产生不准确评级的补偿改革提案。具体而言，本文分别在基于评级合同和激励性合同下，探索了信用评级机构为观察投资组合信号并采用评级披露政策而付出努力的动机。发行人拥有一个风险投资组合，并向信用评级机构征求评级，信用评级机构在评级过程中内生地观察信号并决定评级披露政策。研究结果表明，在基于评级合同下，信用评级机构不会努力观察信号并夸大评级。在激励性合同下，信用评级机构总是付出最优程度的努力来观察信号并采用完全披露制度。因此，与基于评级合同相比，激励性合同更能激励信用评级机构付出更多努力提高评级准确性，并实施完全披露政策。
扫码查看全文
