简介：今天是大数据的时代,更是一个要求精准的时代,在工作和生活中总会遇到类似在线影片租赁公司Netflix对若干电影进行人气排名的问题.他们试图通过回收影迷打分的问卷调查来解决,可惜许多影迷并没有观看全部电影,因此如何通过这份不完整的问卷调查数据来对电影人气进行排序,就引起了人们的高度关注,其关键点在于矩阵缺失元素的填充.近几年来,数学家们发明了一种崭新的方法——矩阵填充方法,建立数学模型,较好地解决了该问题.类似问题在机器学习、图像和视频处理等领域也会遇到,涉及面较广.本文基于矩阵填充方法,处理2017年12月28日教育部发布的第4轮学科评估数据,建立核范数最小化模型,选取SVT算法,对参评的所有490所高校未参评或未设置学科的得分进行预测,进而计算高校的学科平均得分,得到高校综合排名.同时,由填充后的学科得分也能回答一所高校如果想扩大学科数量,下一个最应该设置的学科是哪一个,从而达到学科优化布局的效果.

简介：对《基于数据的Goodgrant基金最优投资策略》一文使用主成分分析进行综合评价,对候选学校绩效指标值排名进行了探讨。首先,综合前人研究与本题实际,指出使用主成分分析进行综合评价存在的争议与不足;然后,分别建立TOPSIS模型和综合评价模型对候选学校的绩效指标值进行排名,并对不同方法得到的结果进行对比。结果表明,TOPSIS模型和综合评价模型得到的排名具有高度一致性,前50名重合率达98%,而与主成分分析综合评价的重合率仅有6%,说明使用TOPSIS等传统评价模型对候选学校绩效指标值进行排名更合适。