ASU Electronic Theses and Dissertations
This collection includes most of the ASU Theses and Dissertations from 2011 to present. ASU Theses and Dissertations are available in downloadable PDF format; however, a small percentage of items are under embargo. Information about the dissertations/theses includes degree information, committee members, an abstract, supporting data or media.
In addition to the electronic theses found in the ASU Digital Repository, ASU Theses and Dissertations can be found in the ASU Library Catalog.
Dissertations and Theses granted by Arizona State University are archived and made available through a joint effort of the ASU Graduate College and the ASU Libraries. For more information or questions about this collection contact or visit the Digital Repository ETD Library Guide or contact the ASU Graduate College at gradformat@asu.edu.
Displaying 1 - 4 of 4
Filtering by
- Creators: Shen, Wei
Description
The theme for this work is the development of fast numerical algorithms for sparse optimization as well as their applications in medical imaging and source localization using sensor array processing. Due to the recently proposed theory of Compressive Sensing (CS), the $\ell_1$ minimization problem attracts more attention for its ability to exploit sparsity. Traditional interior point methods encounter difficulties in computation for solving the CS applications. In the first part of this work, a fast algorithm based on the augmented Lagrangian method for solving the large-scale TV-$\ell_1$ regularized inverse problem is proposed. Specifically, by taking advantage of the separable structure, the original problem can be approximated via the sum of a series of simple functions with closed form solutions. A preconditioner for solving the block Toeplitz with Toeplitz block (BTTB) linear system is proposed to accelerate the computation. An in-depth discussion on the rate of convergence and the optimal parameter selection criteria is given. Numerical experiments are used to test the performance and the robustness of the proposed algorithm to a wide range of parameter values. Applications of the algorithm in magnetic resonance (MR) imaging and a comparison with other existing methods are included. The second part of this work is the application of the TV-$\ell_1$ model in source localization using sensor arrays. The array output is reformulated into a sparse waveform via an over-complete basis and study the $\ell_p$-norm properties in detecting the sparsity. An algorithm is proposed for minimizing a non-convex problem. According to the results of numerical experiments, the proposed algorithm with the aid of the $\ell_p$-norm can resolve closely distributed sources with higher accuracy than other existing methods.
ContributorsShen, Wei (Author) / Mittlemann, Hans D (Thesis advisor) / Renaut, Rosemary A. (Committee member) / Jackiewicz, Zdzislaw (Committee member) / Gelb, Anne (Committee member) / Ringhofer, Christian (Committee member) / Arizona State University (Publisher)
Created2011
Description汽车行业属于国家支柱型产业，创造了高额的产值，增加了就业岗位。随着汽车生产行业竞争日趋激烈的趋势影响，汽车经销商在未来会出现明显的分化，并且逐步向头部集中。基于这样的行业背景，本项研究开展汽车经销商整体经营和盈利能力等方面的详细深入分析，即系统整合汽车经销商业务运营层面和财务层面数据，结合统计研究方法，对经销商盈利能力进行系统且详实归因分析，从而试别驱动盈利能力的关键业务要素。其研究成果能够完善对行业发展规律和经营模式系统性理解，从而进一步指导该领域的相关业务实践，提高经销商整体经营业绩。本课题通过四个阶段来开展经销商整体经营与盈利归因的相关研究。首先，本课题梳理了中国汽车消费行业发展的历史，同时阐述样本期内（2018-2020年）国内宏观经济和汽车消费市场的特征进行，并介绍X品牌汽车经销商的地理分布、资质和业绩评级体系、自身经营特征以及汽车生产商对经销商扶持政策等方面。在第二阶段，本课题聚焦研究假设、模型与方法，通过对X品牌汽车经销商的业务结构和运营管理开展分析，并逐步识别影响经销商盈利的关键指标变量，并提出研究假设和相关模型（即时间序列模型和面板回归模型）。在第三阶段，本课题首先开展经销商相关信息整体性统计分析，获得关键业务指标在样本期内动态特征，并结合时间序列回归模型探讨各项业务指标对经销商整体盈利能力的影响程度。在第四阶段，本课题采用（个体）固定效应的面板回归模型来研究不同组别（控制）条件下经销商盈利能力的影响因素以及其盈利能力对这些因素的敏感程度，从而更深入和全面地揭示影响经销商盈利能力的潜在因素。
基于上述四阶段的研究结果，本研究进一步就提升经销商盈利能力展开讨论，并提出相应对策。本课题相关结论仅从X品牌汽车经销商经营和财务数据进行定性和定量分析获得，但衷心希望本研究的成果能够对汽车经销商改善经营业务方面能起到实践上的借鉴和指导意义。
ContributorsPan, Guangxiong (Author) / Shen, Wei (Thesis advisor) / Wu, Fei (Thesis advisor) / Zhu, Qigui (Committee member) / Arizona State University (Publisher)
Created2022
Description本论文主要探讨特色小镇客户居住满意度的影响因素，及提升客户满意度的建议，以CL特色小镇为例，通过理论与实践相结合的方法，利用有序回归模型，探讨CL小镇中影响客户满意度的因素是哪些。在本文的初步研究中，发现：客户对特色小镇的总体满意度水平为3.38，其中对小镇户型布局、空间使用率、居住舒适、环境卫生的满意度达到4.0以上属于非常满意的范畴；且对居住内容期望重要性较高，重要性平均值为 3.70，由此可见客户对所有项目都认为重要性程度较高，其中得分最高的项目为小镇距离行政中心的距离，最低项目为民宿、酒店。
在进一步的回归分析中，发现客户基本特征中的年龄、职业、家庭年收入等；以及客户感受到的内容满意度因素中的特色小镇所在区位、交通便利程度、物业服务等对客户居住满意度有显著正向影响。通过比较分析，发现客户基本特征对于特色小镇客户居住满意度的总体影响大于客户感受到的内容满意度因素。
通过IPA分析，我们发现企业在资源配置中需要做出适当调整，对于小镇的优势区，应在后续运营管理过程中投入更多的关注：小镇周边道路设施情况；建筑布局；小镇公共活动空间包括广场、道路等；景观环境；户型布局：空间使用率、居住舒适度等。对于小镇的重点改进范围应引起高度重视，因为这些因素体现了客户最为重视的需求，如果得不到满足的话则会带来负面的不良影响。所以，为避免此类因素拉低整体满意度，管理者需要尽可能的改进并维持此类绩效因素，该区域的特征为重要性高满意度低。指标包括：小镇距离行政中心的距离；高速；地铁/轻轨；施工质量；儿童乐园；医疗门诊配套；康复理疗；居民素质。通过对细分客户进行IPA分析，发现不同客群对小镇资源的感知程度不一样。因此，在后续小镇的运营中，不仅要关注企业资源配置，小镇内容建设，也需进一步对客户进行甄别。
最后，结合本文实证分析，从政府与企业角度提出改进建议，以期对后续特色小镇客户居住满意度的提升有所帮助。
ContributorsWu, Chen (Author) / Shen, Wei (Thesis advisor) / Wu, Fei (Thesis advisor) / Zhu, Qigui (Committee member) / Arizona State University (Publisher)
Created2023
Description金融机构对企业风险控制的重点是基于企业的赢利、负债、担保、现金流等财务指标来判断企业的风险状况，但由于信息不对称以及利益相关方的利益驱动，从而使得资本市场上频频出现如康得新、康美药业和獐子岛等等财务造假事件，可见企业的财务数据不一定真实。而随着金融科技的不断发展，信息披露制度的完善，抵质押资产融资数据相对真实。基于此，本文试图攫取企业不易粉饰的抵质押融资率相关数据来破解在融资方财务数据信息可能失真的情况下如何控制信用风险这一难题。首先本文通过对当前企业违约情况的简述与对过往文献的回顾，提出从数据不易粉饰的抵质押融资率入手，来判别企业的信用风险。其次，通过显著性检验、因子分析法确定对本文研究有显著影响的财务指标。再次，运用Logistics模型分别构建抵质押模型、财务模型和综合模型，并对三大模型进行比较分析。最后，根据分析结果得出结论，并就如何控制信用风险方面提出合理化建议。
本文以2018-2020年债券市场民营企业为样本进行研究，其中2018年为训练样本、2019年和2020年为测试样本，研究显示：抵质押融资率、地区经济与违约率负相关；企业违约与否与企业的行业、规模、成立年限的分布不相关；违约企业在企业抵质押融资率上具有阶段性特征，企业抵质押贷款占带息债务比例大于65%或抵质押贷款占带息债务比例变动的绝对值大于35%时，企业违约概率低，但抵质押贷款占带息债务比例和抵质押贷款占带息债务比例变动分别分布在[0,65%]和[-35%,35%]时，企业抵质押融资率的连续性变化与企业违约与否不相关；在有效风控的情境下，抵质押模型准确度高于财务模型，且其超前预警性也优于财务模型；抵质押模型在引入财务指标后，得到的综合模型在检验结果、有效风控和超前预警性上均优于抵质押模型和财务模型，表明财务指标在可能存在粉饰的情况下，还是能够一定程度反映企业违约风险，对抵质押模型有辅助改进作用。
ContributorsXia, Yongchao (Author) / Shen, Wei (Thesis advisor) / Chang, Chun (Thesis advisor) / Zhu, Qigui (Committee member) / Arizona State University (Publisher)
Created2021