|
[1]
|
刘宇. 部门分类标准与中国供给使用表的编制[J]. 统计与决策, 2023, 39(3): 33-38.
|
|
[2]
|
黄雯怡, 张睿. 全球工业企业研发现状、经验及江苏启示[J]. 现代管理科学, 2023(4): 98-105.
|
|
[3]
|
范震, 姜顺婕. 创新价值链视角下我国“十三五”期间地区工业企业科技创新效率评价研究——基于三阶段DEA-Malmquist模型[J]. 统计与管理, 2023, 38(7): 47-57.
|
|
[4]
|
孙兰芸, 胡云红, 曹文海. 河北省规上工业企业技术创新现状分析及对策研究[J]. 统计与咨询, 2023(3): 34-37.
|
|
[5]
|
韩平平, 郭佳林, 董玮, 等. 基于系统聚类法的含新能源电力系统分区策略[J/OL]. 电力系统及其自动化学报: 1-8. 2024-04-03.[CrossRef]
|
|
[6]
|
周湘贞, 李帅, 隋栋. 数据驱动下基于量子人工蜂群的K均值聚类算法优化[J]. 南京理工大学学报, 2023, 47(2): 199-206.
|
|
[7]
|
林伟杰, 王勇, 周林. 基于加权二分图的K均值最佳聚类数确定算法[J]. 计算机工程与设计, 2023, 44(4): 1104-1111.
|
|
[8]
|
徐婷婷, 胡摇, 郝群, 沈添天. 基于主成分分析重建图像的互信息视觉伺服[J]. 光学技术, 2023, 49(6): 736-742.
|
|
[9]
|
李月, 朱俊烨, 刘子涵, 等. 基于主成分分析与聚类分析评价茯砖茶滋味品质[J]. 食品安全质量检测学报, 2023, 14(21): 283-291.
|
|
[10]
|
徐業釗, 张晗, 冯贯昂, 韩立言, 庞华. 基于系统聚类法的基金资产配置策略研究[J]. 中国商论, 2021(17): 102-104.
|
|
[11]
|
陈玉明, 蔡国强, 卢俊文, 等. 一种邻域粒K均值聚类方法[J]. 控制与决策, 2023, 38(3): 857-864.
|
|
[12]
|
孟银凤, 李庆方. 基于多元函数主成分表示的识别学习[J]. 山东大学学报(工学版), 2022, 52(3): 1-8 17.
|
|
[13]
|
房汉国. 基于主成分分析法的宏观经济景气指数研究[J]. 当代经济, 2022, 39(1): 26-31.
|
|
[14]
|
赖晨华. 大数据时代事业单位人力资源管理的变革方法[J]. 人才资源开发, 2022(8): 33-34.
|
|
[15]
|
姜昊, 董直庆. 人工智能技术应用会存在选择性偏向吗?——行业属性与就业偏向[J]. 南方经济, 2023(12): 37-61.
|
|
[16]
|
鲁轶. 关于经济活动的行业归类判断方法的研究——行业分类标准的应用与实践[J]. 统计科学与实践, 2014(6): 26-29.
|
|
[17]
|
黄吉婷, 郭可歆, 齐佳音. 企业数字化转型对就业规模及结构影响的实证研究[J]. 智能科学与技术学报, 2023, 5(3): 352-365.
|
|
[18]
|
张涛, 唐僖, 吴君民, 等. 基于微分博弈的互联网企业与新能源汽车企业技术协同创新策略研究[J]. 运筹与管理, 2023, 32(10): 43-49.
|
|
[19]
|
刘宗巍, 宋昊坤, 赵福全. 中国新能源汽车产业人才需求预测研究[J]. 中国科技论坛, 2023(12): 137-148.
|