对我国民营航空公司战略联盟伙伴选择影响因素分析

0引言

自2005年国家允许并鼓励国内外资本投资中国民航业后，我国民营航空公司赢得了前所未有的发展机会。但由于它们还处于起步阶段，公司规模小、资金

——————————————————————

—基金项目：国家自然科学基金资助项目“基于市场准入的民营航空公司低成本运营管理模式研究”阶段性成果（60572170）。

作者简介：罗娜（1984-），女，湖南常德人，硕士，主要研究方向为民航运输产业。江可申（1956-），男，安徽颍上人，教授，主要研究方向为产业经济学。

对我国民营航空公司

战略联盟伙伴选择影响因素分析

To Analyse on Influencing Factors for Selecting Partners of Strategic Union

to Private Airlines of China

罗娜Luo Na ；江可申Jiang Keshen

（南京航空航天大学经济与管理学院，南京210016）

（School of Economics and Management ，Nanjing University of Aeronautics and Astronautics ，Nanjing 210016，China ）摘要：结合我国民营航空公司的经营现状，从潜在伙伴的资源和能力、战略联盟的稳定性两个方面对其伙伴选择影响因素进行了分析，以为其组建联盟提供一定的参考。

Abstract:Based on the present operational situation of domestic private airlines ,the author analyzed two main influencing factors:resources and capacity of potential partners ，stability of strategic union ,which should be considered when domestic private airlines select strategic partners,in order to provide reference for the establishment of union.

关键词：民营航空公司；战略联盟；伙伴选择；影响因素

Key words:private airlines ；strategic union ；partner selecting ；influencing factors

中图分类号：F407·5

文献标识码：A

文章编号：1006-4311（2009）11-0004-04

表1表明，在给定误差ξ条件下RS-SVM 算法分类准确率及运行速度均优于SVM 算法。表2表明，参数C 和平滑因子σ可在较宽范围内取值，RS-SVM 算法的分类结果和性能较稳定。

5结论

本文提出了基于粗糙集约简算法和类边界集及

C-均值聚类支持向量机的员工绩效评估方法,综合了粗糙集理论在知识获取方面的能力和支持向量机很强的分类能力。实例表明，该方法对绩效评估的拟合率高；模型科学可行，能对绩效进行评估分类，还能对绩效指标重要性排序，因此对绩效评估有重要参考价值。

——————————————————————

—参考文献：

[1]Kleinmutz B.Why We Still Use Our Heads Instead of Formulas:Toward an Integrative Approach [J].Psychological Bulletin ，1990，107：296-310.

[2]杨选留、张朋柱：《基于神经网络的高级行政管理人才选拔方案群体决策支持系统研究》[J]；《统计研究》2005（7）：66-68。

[3]Lipowski J ，Jankowski S.Accelerating SMO algorithm on parallel architectures

[J]；Proc of SPIE ，2006，6159：61592Y -1-61592Y-9.

[4]M 譈LLER K-R ，MIKA S ，R 魧TSCH G ，et al.An introduction to kernel -based learning algorithms [J]；IEEE Trans ，Neural Networks,2001,12（2）：181-201.

[5]Vapnik V.The nature of statistical learning theory [M]；Berlin ：Springer-Verlag ，1995.

[6]TSANG E C C ，YEUNG D S ，CHAN P P K.Fuzzy support vector machine for solving two class problems [C]；In Proceedings of ICMLC ’03，2Xi ’an.2003：1080-1083.

[7]MILL J ，INOUE A.An Application of Fuzzy Support Vector Machines [C]；In WALKER E L (Editor).The 22nd International

Conference of North American Fuzzy Information Processing Society ，

2003：302-306.

表2不同参数下的分类结果比较

算法

σC=1C=10C=50正确率迭代数正确率迭代数正确率迭代数

SVM 0.11090.1%86%262690.1%86%636386%84%100100RS-SVM

0.110

95.4%95.4%

1313

95.4%95.4%

4040

93.1%95.4%

8080

!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!

doi ：10.3969/j.issn.1006-4311.2009.11.002