基于熵值修正G1法江西省智慧旅游建设水平评价研究

文章基于熵值修正G1法对智慧旅游建设水平进行研究,构建城市智慧旅游建设水平评价指标体系和模型,对江西省11个地级市进行实证研究,结果显示,11个城市的智慧旅游建设水平整体较低,其中基础设施建设水平、经济发展水平、科技创新和硬件支撑上城市间差异较大,在智慧旅游环境支撑总体差异小,保持在较高水平。并依据评价结果对江西省11个城市分为三个类别,对每一类别城市的特点进行了分析,以期能够指导江西智慧旅游的规划建设。     

带积分边界条件的分数阶微分方程正解的存在性

基于锥上的不动点指数理论,通过构造锥和Green函数的性质,给出如下带有双参数的非线性边值问题:■在不同增长性条件下正解的存在性、多解性和不存在性,其中:2α3;0μ2和λ0是两个参数.     

基于分块阈值LBP算法的光学薄膜表面缺陷分割

为提高光学薄膜缺陷检测的能力和精度,提出一种基于局部二值模式(LBP)的改进算法。通过对采集到的图像进行分块分析,计算全图和各小块离散度,并进行对比。将分块离散度全图离散度的视为缺陷与背景共存的模块,以该模块中间像素灰度均值作为LBP阈值进行图像处理;分块离散度≤全图离散度的视为平稳模块,将全图灰度均值作为LBP阈值进行图像处理。实验结果表明:该算法能有效地检测出光学薄膜的缺陷,同时也避免了噪声的干扰,证明该算法用于检测光学薄膜缺陷的可行性。     

亚纯函数微分多项式分担多项式的唯一性

研究了亚纯函数的微分多项式f~nf~′和g~ng~′IM分担一个多项式P(z)的唯一性问题,证明了当n22且多项式P(z)的次数小于等于n时,则f(z)=tg(z),或者f(z)=λ_1e~(λ∫P(z)dz),g(z)=2e~(-λ∫P(z)dz),其中,t,λ1λ2,λ为常数。     

快速和尺度稳健的纹理图像识别

传统的纹理图像识别方法很难同时获得较好的识别精度、实时性和尺度稳健性,不利于实际的工程应用.因此,提出一种快速和尺度稳健的纹理图像识别方法.该方法首先利用高斯滤波构造一个纹理图像的多尺度空间,然后利用完备的局部二值计数(Completed Local Binary Count,CLBC)算法对多尺度空间中的每个图像提取局部二值特征,并跨尺度提取局部二值特征的最大值,再将多个分辨率的特征相结合作为纹理图像的最终特征描述,最后利用最近子空间分类器(Nearest Subspace Classifier,NSC)判定纹理图像的类别.在基准纹理图像数据库上的实验表明,该方法在识别精度、实时性和尺度稳健性方面获得了很好的综合性能,有利于实际的工程应用.     

一类完全阶边值问题解的唯一性

讨论了形如 的完全n阶边值问题解的唯一性。先运用经典的泛函分析方法得到了n阶情形时,在f(t,x0,x1,…,xn-1)对于x0,x1,…,xn-1满足lipschitz条件下方程有唯一解这一结论；再将结果应用在三阶情形,得到相关推论。     

基于手机加速度传感器的高精低采样计步算法设计

针对传统的计步算法在计步准确度和算法复杂度上难以达到良好平衡的问题,提出了一种双算法计步模型:辅助计步算法采用信号幅值分析的方法,避免了传统的幅值检测或过零检测过程带来的误差问题;主体计步算法借助于阈值校正因子,在保证较高计步精度的同时,降低了算法的复杂度。计步模型的运算过程与手机摆放位置无关,并且能够很好地适应不同用户的步态习惯。实验结果表明,即使在低频率(10Hz)采样时,其平均计步准确度也可以达到90%以上。     

H-矩阵最小奇异值的一个下界

给出了Nekrasov矩阵逆的1范数上界，并在此基础上获得了Nekrasov矩阵的最小奇异值的一个下界.将结果应用到 H-矩阵，结果表明，新的估计是有效的.     

淮海经济区国家高新区发展水平综合评价

构建了由经济规模、经济效益、创新能力3个一级指标以及18个二级指标构成的综合评价指标体系,运用熵值法对淮海经济区的5个国家级高新区的发展水平进行了综合评价.结果发现:5个国家级高新区发展水平存在差距,济宁高新区的发展水平最高,其次是徐州高新区,临沂高新区的发展水平最低.工业经济基础、研发投入、经济规模、结构效益等是影响高新区发展水平差异的主要因素.     

基于效用理论在公租房PPP建设项目中的公私双方风险分担研究

本文从PPP在公租房建设领域的应用为出发点,分析了公租房建设采用PPP的有利点和存在的风险问题。指出,在公租房建设领域中推进PPP的实施,是解决社会民生问题的重要内容。但是,必须先解决好PPP风险分担的根本问题。文章基于效用理论,构建出公租房PPP建设中政府部门和社会资本的风险分担数学模型,并通过数学解析,分析出合理的风险分担比例,最后通过具体案例进行实证,证明了效用理论在风险分担问题实践中的应用效果。