基于用户相对权重的在线社交网络舆情传播控制模型

在线社交网络(online social networks,OSN)中舆情传播干预时机的选择对网络舆情的管控具有重要意义.通过分析用户的网络地位、社会强化效应与用户感知价值等影响网络舆情传播控制的关键因素,以研究舆情管控的合理干预时机为目的,构建了基于用户相对权重的网络舆情传播控制模型.基于该模型,针对两类OSN开展仿真研究.研究发现,网络舆情传播与信息初始传播源的网络地位密切相关;在开放式OSN中,存在与干预时机选择关系密切的关键相变点;用户活跃度随社会强化效应强度的增大而下降,随干预时机的提前而降低,并存在有效干预时机区间;"悖民意"成本是干预时机选择的重要衡量指标.并据此,提出了相应现实干预时机选择的对策建议.     

增扩诚信内在需求之研究

诚信内在需求不足是导致诚信缺失的一个重要原因,解决诚信缺失的思路之一在于增扩诚信内在需求,激发诚信内在动力,这既有必要性又有可能性。为此,必须提升诚信价值、健全诚信内在需求导向机制和激励机制。     

坐标本征态的 Fock 表象表示

利用由 Dirac 符号表示的线性谐振子的本征态，引入了 Fock 表象，并通过线性谐振子本征态的完备性和厄米多项式的母函数得出了坐标本征态在 Fock 表象中的具体表达式，为进一步发展 Dirac 符号做好了铺垫。     

君子小人考

君子和小人是中国传统文化中以道德区分好人和坏人的一般标准。笔者通过分析古籍,认为君子和小人的区分,还有除道德层面以外的社会地位、称谓、夫妻关系和智愚等方面的外延。     

基于协方差矩阵重构的单基地MIMO阵列无网格DOA估计方法

提出了一种单基地多输入多输出(multiple-input multiple-output, MIMO)阵列中的协方差矩阵重构的无网格波达方向(direction-of-arrival, DOA)估计方法。该方法通过降维处理将MIMO阵列等效为信噪比(signal-to-noise ratio, SNR)提升的均匀线列阵,将目标方位估计问题转化为混合范数最小化(mixed norm minimization, MixNM)稀疏信号重构问题。进一步给出了与该稀疏重构问题等价的基于网格的凸优化问题,并模型化为半定规划来求解。为了解决网格大小影响估计性能的问题,利用了等价均匀线列阵的托普利兹结构,模型化为半定规划问题来重构无噪声协方差矩阵,最后通过范德蒙分解来估计目标方位。与传统的基于MixNM方位估计方法相比,该方法减少了优化变量个数。与其他离网格方法相比,该方法估计精度不受网格大小的影响,且能够估计相干源目标。实验仿真验证了该方法的有效性。     

基于背景重建的高光谱图像异常检测

针对高光谱图像异常检测中背景信息与异常目标信息难以有效区分,背景预测精度不佳的问题,提出一种新的基于背景重建的高光谱图像异常检测算法。通过字典学习方法获取高光谱图像背景光谱字典,并利用该字典对待检测图像进行稀疏重建,得到预测背景图像。将预测背景图像与原始图像做差后得到残差图像,进而利用局部RX检测算法对残差图像进行遍历,实现异常目标检测。通过对真实高光谱图像场景进行实验,证明了算法的有效性。     

基于效用最大化的PPP项目社会资本社会风险决策行为研究

本文基于期望效用理论构建了社会资本在面临PPP项目社会风险决策时的数学模型.文章将其决策行为分为正向行为和负向行为.通过计算分析得出社会资本的社会风险决策共存在四种情形,并且归纳出在完全由社会资本承担社会风险损失的情况下其必然会选择负向行为.对此,文章提出了四种情形下相应的补偿机制,通过该机制可确保社会资本采取正向行为,提升PPP项目社会效益.并进一步分析了折现率与PPP合同期长短分别对社会风险决策行为的不同影响.研究最终表明社会资本对长短期利益的重视程度是正负向决策行为选择的关键因素,"伙伴关系"与"风险合理分担"是促进正向行为选择的有效路径.     

核稀疏概念编码算法及在图像表示中的应用

稀疏编码算法是一种常用的图像数据表示方法.为了处理高度非线性分布的数据,文中提出了一种核稀疏概念编码算法,并应用于图像表示.该算法首先对邻域图进行谱分析,提取数据的几何流形结构信息;然后将原始特征空间数据映射到高维特征空间中,利用谱回归在高维特征空间中来计算基向量;最后在高维特征空间中对每个样本逐个进行表示.文中算法不仅能有效地处理非线性结构数据,而且只需求解一个稀疏特征值问题和两个回归问题,计算简单有效.在Yale、ORL和PIE图像库的聚类实验表明,文中算法的准确率和归一化互信息均优于其它几种对比算法.     

Inconsistent idealizations and inferentialism about scientific representation

Inferentialists about scientific representation hold that an apparatus's representing a target system consists in the apparatus allowing “surrogative inferences” about the target. I argue that a serious problem for inferentialism arises from the fact that many scientific theories and models contain internal inconsistencies. Inferentialism, left unamended, implies that inconsistent scientific models have unlimited representational power, since an inconsistency permits any conclusion to be inferred. I consider a number of ways that inferentialists can respond to this challenge before suggesting my own solution. I develop an analogy to exploitable glitches in a game. Even though inconsistent representational apparatuses may in some sense allow for contradictions to be generated within them, doing so violates the intended function of the apparatus's parts and hence violates representational “gameplay”.     

社会责任影响下研发创新与医药供应链协调决策

基于医药制造商和医疗机构同时关注消费者剩余视角，把研发创新和医保支付作为影响消费者效用的内生因素，刻画不同决策模型中社会责任对均衡结果的影响。研究表明：无论是医药供应链整体，还是医药制造商单独关注社会责任，都有利于提升研发创新能力；在非合作决策下，医药制造商积极履行社会责任可以有效地控制药品批发和零售价格，增加利益相关者的收益，提升消费者剩余价值，但是会削弱自身盈利能力。然而，在供应链整体社会责任增强时，医药制造商分担的社会责任程度在阈值内增加则有利于医药制造商实现价值的增值；“政府补贴+协同创新+集采低价”组合契约协调策略优化了医药供应链，能有效激发研发创新的动力，增加整体社会福利。