模糊约束网络在机床产品协同设计冲突检测中的应用

分析了机床产品协同设计中约束的内涵和特点,并用EXPRESS-G图描绘了约束网络的结构模型.将机床产品协同设计中的约束分为硬约束和软约束,从数学上给出模糊约束和模糊约束满足问题的定义.采用遗传算法作为协同设计过程中模糊约束满足问题的求解方法,在遗传算法的运行过程中对软硬约束分别进行了不同的技巧处理,遗传算法利用硬约束通过前向检查算法随机产生几何可行初始群体来限制设计空间,并给出遗传算法的具体实现过程.提出了基于模糊约束网络的冲突检测系统的体系结构,并对原型系统进行开发.最后,以某车床传动轴的设计为例验证了约束在协同设计冲突检测中的应用.     

新形势下高校学生管理问题及思考

随着高等教育改革的推进,特别是素质教育的全面推行,我国高校学生管理工作发生了很大变化,使原有的学生管理工作弊端也日益呈现。近些年高校连续扩招,学生数量迅速增长,学生人数翻倍,使得高校学生的日常管理和思想政治教育的工作量相应增大。而且高校学生思想观念、心理问题、价值取向呈现多样性,使得高校学生素质构成趋向复杂化,也为学生管理工作提出了新考验。新形势下高校学生特点对传统学生管理模式提出了挑战,同时也为高校学生工作发挥的空间更加广阔。     

计算机网络实践教学研究与改革

分析了计算机网络课程实践教学中存在的问题;并以我校计算机专业的实际情况为例,讨论了如何进行时间资源、师资力量和软硬件资源的整合。提出了对教学内容进行适当的组织、规划和分类;优化整合各种软硬件资源;引导学生利用课余时间,根据需要向课外延伸教学;采取以强带弱,分组的实验教学方式等措施。     

外汇储备的组合预报法

通过深入研究我国外汇储备季度增量与主要宏观经济变量的计量关系,发现宏观经济形势对外汇储备增长有重要影响.提出R²权重组合预报法, 该方法将R²统计量作为模型预测结果组合的权重, 对不同模型的预测结果进行组合加权,得到了较为稳定而且准确的预报结果:外汇储备规模将会持续增长.对此结果提出了相应的政策建议.     

太阳常数与太阳黑子数关系的交叉小波分析

利用1976~2006年间的太阳常数观测资料和小波方法分析了太阳常数的演变规律及其与太阳黑子数的关系. 连续小波分析结果表明, 太阳常数具有多尺度的演变特征. 在低频部分, 太阳常数与太阳黑子数的变化大体一致, 具有显著和稳定的8~11.4年的振荡周期; 在高频部分, 无论是太阳常数, 还是太阳黑子数, 仅在太阳周的峰值时期才表现出2~6月的间歇性显著振荡周期. 交叉小波分析结果表明, 太阳黑子数与太阳常数在8~11.4年的频段上具有显著的共振周期, 且在此频段上太阳黑子数的变化略超前于太阳常数变化约2个月. 在此时间尺度上, 太阳黑子数的变化是导致太阳常数周期性变化的主要原因之一. 在2~6月的频段, 太阳黑子数与太阳常数仅在太阳周的峰值期才存在显著的共振周期, 但二者的位相关系不稳定. 在考虑太阳黑子数与太阳常数位相关系的条件下, 建立太阳常数的重建模型并进行了检验; 最后重建了1878~1975年逐月的太阳常数时间序列.     

北半球夏季印度洋和太平洋水汽交汇区及其空间分异规律研究

在定义太平洋和印度洋水汽影响边界及其交汇区的基础上,应用欧洲中期数值预报中心提供的再分析资料,判识出北半球夏季太平洋和印度洋水汽交汇区的具体地理位置,及交汇区中太平洋和印度洋水汽的空间分异规律．结果表明：6,7和8月份太平洋水汽影响边界基本位于印度洋和太平洋的地理分界线,即100°E附近．印度洋水汽影响边界都在太平洋上,并随着时间的推移有逐渐东扩的趋势．太平洋和印度洋水汽交汇区位于西至97．5°E、东至142．5°E的东亚地区．夏季印度洋和太平洋水汽交汇区中,太平洋净水汽贡献率向西向北呈逐渐减少的趋势;印度洋净水汽贡献率的空间分异规律较太平洋的复杂,但大致向东向北呈逐渐减少的趋势;纵向岭谷区的水汽主要来源于印度洋．     

不确定环境中利用薪酬合同获取市场信息的学习机制

在不确定的多阶段动态博弈环境中发展了一种带惩罚项的销售薪酬合同模型,介绍了如何系统地通过观察调节合同参数引起的销售人员行为反应并运用贝叶斯推断学习基础销售量的方法,推导出了最优定额、产量和底薪的解析解;比较了信息共享和销售人员隐藏真实市场信息两种情况下厂商学习收益的差异,分析了厂商学习收益与地区销售环境、销售人员个性特征和技能水平、最初先验估计之间的关系,论证了两种情况下厂商都可通过对各阶段定额不同的设置方式来激励销售、获取新市场的需求信息从而优化生产计划和提高企业利润.     

高校体育教学应用多媒体及网络现状的分析

本文采用问卷调查、咨询和统计等方法,对黑龙江省高校体育教学中应用多媒体及网络现状进行了咨询和调查,通过调查结果统计分析,提出了多媒体及网络在体育教学中存在的现实问题和相关的对策及前景展望。     

推荐系统托攻击模型与检测技术

针对协同过滤根据近邻偏好产生推荐的特点,恶意用户注入伪造用户模型成为正常用户近邻,推进或打压目标项目的推荐排名,从而达到改变推荐系统结果,这种攻击方法称为"托攻击".本文综述了托攻击模型与检测技术的研究现状和面临的主要问题,试图为这一新兴的研究领域勾勒出较为全面清晰的概貌.从推荐系统机理入手,介绍托攻击产生动机、概念、目的、评分向量构成和模型分类,然后提出衡量托攻击对推荐系统危害性的两类指标;接着讨论区分正常用户和托攻击用户的特征指标;然后以机器学习角度分类为主线,综述3类托攻击检测算法,分析3类算法的利与弊,并介绍用于评估托攻击检测算法的数据集、指标和实验方法;最后指出进一步的研究方向.     

数据驱动的疫情应急物流网络动态调整优化

突发疫情具有扩散边界模糊、情景动态时变等典型非结构化特征,相应的应急物流网络需要根据实际情况不断进行调整,才可以取得更好的救援效果.基于此,本文从数据驱动的视角,构建了一类创新的应急物流网络动态调整优化决策框架模型.其中,应急响应时间被划分为多个连续的决策周期,每个决策周期中蕴含了疫情扩散分析、应急物流网络设计、数据收集处理和参数调整更新等循环递进的4个环节.在该决策框架下,整个疫情的应急响应过程转化为数据学习与资源优化配置交互演进的协同决策过程.算例分析表明,本文所设计的决策框架模型能够为疫情应急管理提供许多实时有效的政策调整建议,也可为其它突发事件的应急应对提供有益的决策参考.