基于Fuzzy-IPA分析的主题文化酒店建设研究——以大禹·开元为例

以绍兴大禹?开元主题文化酒店为实证研究对象,通过较长周期的顾客调研,采用SPSS、SEM与Fuzzy-IPA分析方法,构建并验证了主题文化酒店顾客感知价值模型,在顾客感知评价测度分析的基础上,探讨主题文化酒店建设策略。研究在理论上丰富了旅游研究视角,拓展了主题文化酒店、顾客感知等相关研究领域,对主题文化酒店的行业建设具有一定的指导意义。     

面向SOMS外包任务分配决策的一对一Stackelberg博弈模型研究

为解决服务型制造系统(service-oriented manufacturing system,SOMS)中的核心企业外包任务面向单一供应商的分配决策问题,提出并建立了一对一Stackelberg外包任务分配决策博弈模型。在该博弈模型中,将核心企业映射为领导者,将供应商映射为追随者,将生产成本与利润分别映射为核心企业与供应商的收益函数。为实现一对一Stackelberg博弈模型Stackelberg均衡点的有效求解,设计了2层次嵌套遗传算法(genetic algorithm,GA)。案例仿真结果验证了所提出的模型与解算方法的正确性。     

[Zn(Pybox)Br2]配合物的合成, 晶体结构及催化性质研究

合成了一种锌的配位化合物(Dm-Pybox)ZnBr2(1),(Dm-pybox为2,6-二[4',4'-二甲基噁唑啉]吡啶),通过核磁,元素分析,红外和X-射线单晶衍射表征确定其结构.对于配合物C15 H19 N3 O2 ZnBr2,Mr(分子量)=498.52,单斜晶系,空间群为P21/c,a=10.2422(19)?,b=16.141(3)?,c=11.513(2)?,β=99.128(2),V=1879.2(6)?3,Z=4,F(000)=984,μ=5.570mm-1,ρc=1.762g/cm3,最终的R1=0.0584(I>2σ(I))和wR2=0.1773(所有数据).配合物1可以在水溶剂和室温条件下高效催化二茂铁甲醛与活泼亚甲基化合物Knoevenagel缩合反应.     

锂离子电池组聚类筛选低温混合预热系统建模与热分析

低温导致锂离子动力电池性能衰减加速、寿命缩减、形成锂枝晶，甚至造成内短路等严重问题，因此预热已经成为电动汽车在低温地区应用的关键问题。此外，电池单体间一致性对电池组整体性能及老化有重大影响。采用聚类分析对锂离子电池单体进行筛选成组，并提出一种附有PTC加热膜和液冷板的混合电池热管理系统，通过计算流体力学建模和数值计算对此系统在-40 ℃环境下的预热效率进行分析。结果表明：对初始方案进行优化后，经过695 s预热电池组最低温度可加热至0℃以上；此外，与纯PTC加热方法相比，电池组温度标准差可降低5.9℃。因此，此系统可在无过多功耗增长的前提下，短时间内高效地将电池组加热至工作状态，预热速度为3.56 ℃/min，且能提升温度均匀性。     

藏羌聚居区初中生健康信念与体质健康等级的关系

对阿坝藏族羌族自治州5个地级县在校的藏羌少数民族初中生进行健康信念与体质健康等级的调查,运用描述性统计、LSD多重比较分析体质健康信念与体质健康等级的关系.结果表明:城镇初中生的健康信念水平高于乡村初中生,男生健康信念水平优于女生,体质健康等级为优秀的学生健康信念水平最高,依次是良好、及格(P0.01);以特征值大于1为标准筛选出4个公因子,公因子贡献率达55.445%,公因子分别为"自我效能"、"自我表象"、"自我认同"、"效益认知",其贡献率分别为34.447%,9.447%,6.217%,5.333%;自我效能、自我表象方面存在明显的性别差异,自我表象、效益认知在城乡差异存在显著性差异,不同体质健康等级在"自我效能"、"自我表象"方面存有差异,其差异主要存在于优秀与良好、及格、不及格之间,表现为良好大于优秀,其次是及格大于不及格.     

移动商务中融合签到位置与用户间相似性的兴趣点精准推荐

向位置频繁变化的移动用户进行精准推荐,如何提高推荐准确性,已经成为一个理论研究与实践中的热点与难点问题.针对于此,本文提出了面向移动社交商务的精准用户兴趣点推荐模型--MRGR.首先,利用用户的历史签到信息,通过改进核密度估计对兴趣点进行预测;其次,进一步考虑到用户间的签到相似性,使用信息熵定量表示用户移动的随机性和不确定性;最后,融合地理位置信息与用户间相似性,精准推荐用户兴趣点,并在Foursquare数据集上进行验证.实验结果表明:与传统模型相比,提出的模型在准确预测用户兴趣点的同时,可以有效缓解数据稀疏性和冷启动问题,并在准确率和召回率上都取得了显著的提高.成果将为移动商务中,如何更好满足企业的精准推送与用户个性化需求提供有力的技术支持和决策服务.     

小样本条件下SCGAN+CNN低分辨雷达目标一步识别算法

现有低分辨雷达目标识别方法，通常采用先特征提取、再进行目标分类的两步识别算法，这种算法存在识别率难以提高和方法泛化性不足的问题，对此，提出一种增强条件生成对抗网络（strengthening condition generative adversarial network，SCGAN）+卷积神经网络（convolutional neural network，CNN）的低分辨雷达目标一步识别算法。该算法利用CNN自动获取采样数据深层本质特征，无需特征提取，实现对目标的一步识别。为进一步提高小样本条件下的识别效果，基于CGAN理论来提高样本在特征空间的覆盖程度，并对CGAN的判别器进行改进，在损失函数中增加混叠惩戒项，通过SCGAN生成不混叠的生成样本来更好地训练CNN，提高其在小样本条件下的识别能力。仿真对比实验校验了一步识别算法较传统两步识别算法的优越性，以及SCGAN+CNN的低分辨雷达目标一步识别算法在小样本条件下的有效性。     

对多功能雷达的DQN认知干扰决策方法

基于Q-Learning的认知干扰决策方法随着多功能雷达(multifunctional radar, MFR)可执行的任务越来越多,决策效率明显下降。对此,提出了一种对MFR的深度Q神经网络(deep Q network, DQN)干扰决策方法。首先,分析MFR信号特点并构建干扰库,以此为基础研究干扰决策方法。其次,通过对DQN原理的简要阐述,提出了干扰决策方法及其决策流程。最后,对该决策方法进行了仿真试验并通过对比DQN和Q-Learning的决策性能,验证了所提方法的必要性。为提高决策的实时性和准确率,对DQN算法进行了改进,在此基础上,结合先验知识进一步提高了决策效率。仿真试验表明:该决策方法能够较好地自主学习实际战场中的干扰效果,对可执行多种雷达任务的MFR完成干扰决策。     

基于LMKL和OC-ELM的航空电子部件故障检测方法

针对航空电子部件故障样本获取困难以及检测准确率不高的问题,提出基于局部多核学习(localized multiple kernel learning, LMKL)和一类超限学习机(one-class extreme learning machine, OC-ELM)的故障检测方法。仅运用正常状态的小样本数据,给出了LMK-OC-ELM的数学表达形式,并在不同的门模型下推导了LMK-OC-ELM中局部核权重的优化方法;在获取局部核权重的基础上,定义了离线故障检测所需的统计检验量与阈值,以便工程实现。将所提方法应用于某型接收机,结果表明，在训练时间可控的前提下,与4种常见的一类分类(one-class classification, OCC)算法相比,所提方法可均衡地提高召回率、查准率和特异度,以LMK-OC-ELM-sig为代表,其在F1、曲线下方面积(area under curve, AUC)、G-mean和准确率4个指标上,比最近提出的局部多核异常检测(localized multiple kernel anomaly detection, LMKAD)方法分别提高了1.60%、1.57%、1.53%和2.23%。     

基于GPS载噪比下降的太阳射电暴检测方法

利用太阳射电暴影响全球定位系统(global positioning system, GPS)性能这一特征,提出一种基于GPS载噪比下降的太阳射电暴检测方法。首先计算观测地的太阳高度角,接着筛选出“降点”和“升点”用于确定单个观测地单颗卫星的波谷时间区间,最后综合多颗卫星和多个观测地得到太阳射电暴的检测结果。实验结果表明:太阳射电暴检出率随太阳入射角的增大而增大,在L2频段对600太阳流量单位(solar flux unit, SFU)以上的太阳射电暴检出率达到80%以上,在L2频段检出效果优于L1。该检测方法识别率高,成本低,不依赖于射电望远镜,能进行全天候实时的监测。