高管团队垂直对特征与二元创新的影响研究

高管团队背景特征会对企业创新战略决策产生影响。以高层梯队、相似吸引和社会规范理论为基础，以沪深两市2015—2018年上市A股的348家高新技术企业为研究样本，运用多元层次回归法探究董事长-高管团队垂直对特征与企业二元创新的影响，进一步研究产权性质在其中的调节作用。结果表明，董事长-高管团队的年龄、受教育程度垂直对特征差异越大，越有利于企业探索性创新和利用性创新活动的进行;产权性质在两者之间的调节作用得到部分验证。     

中国东海“桑吉”轮溢油污染类型的光学遥感识别

溢油是海洋环境监测的重要对象之一.在海洋环境动力作用下,溢油会形成复杂多样的污染类型.准确识别、分类并定量估算不同类型的溢油污染,有助于溢油事件应用处理策略的制定与灾损评估.微波雷达与光学是海洋溢油遥感监测的主要手段,具有不同的技术优势与应用特点.近年来,海洋溢油光学遥感的理论与应用研究发展迅速,其对不同海面溢油污染类型的识别、分类与定量估算能力得到认可.针对2018年1月中国东海"桑吉"轮溢油事件,利用中国GF-3合成孔径雷达数据,实现"桑吉"轮疑似溢油的圈定.优选欧洲空间局Sentinel-2卫星的多光谱数据,开展无云覆盖区域"桑吉"溢油的光学遥感探测.基于溢油模拟实验的光谱响应特征分析,阐明了典型溢油污染的Sentinel-2卫星多光谱特征,进一步开展"桑吉"轮溢油污染类型的光学遥感识别与分类.结果表明,"桑吉"轮溢油在其扩散与风化过程中,形成了3种显著差异的溢油污染类型,即海面油膜、油包水状、水包油状乳化物.不仅与GF-3合成孔径雷达的疑似溢油监测结果互为验证,更实现了不同溢油污染类型的光学遥感识别与分类.最后,初步讨论了光学遥感与微波雷达的集成应用策略,通过优势互补,能有效提高海洋溢油的遥感监测水平,并为中国海洋水色业务卫星的应用提供借鉴.     

基于红外光谱图特征峰分析的沥青指标

基于采用红外光谱图特征峰分析沥青指标是快速评价稠油沥青质量的研究热点,借助傅立叶红外光谱技术、分离分析等手段,对90#A级沥青和SBS改性沥青进行红外光谱测试分析.结果表明:沥青的红外光谱分析技术与常规沥青检测方法的相关性为99.6%;90#A级沥青在3 000～650 cm~(-1)出现9处较明显的特征峰,SBS改性沥青在2 950～650 cm~(-1)出现11处较明显的特征峰,每个特征峰均有对应的特征基团;同类沥青材料的特征基团一致,同类沥青材料的技术指标相同.通过对比分析沥青红外光谱图的特征峰,可以快速评判出沥青质量优劣,缩短了检测评价沥青材料指标的试验时间.     

县域景观特征管理单元划分方法——以武胜县为例

为了解决目前国内景观特征研究多以大尺度为主且以自然条件为基础, 缺少实际管理意义的问题, 尝试从县域层面进行景观特征单元的划分, 并与现有行政管理单元相结合, 提出发展建议。依据武胜县30 m高程、坡度和土地利用数据, 将武胜县域划分为100 m×100 m的栅格网络, 利用 ArcGIS和SPSS进行二阶聚类分析。结果显示, 武胜县可以划分为7类景观特征管理单元, 单元内部自然地理特征相似, 组间差异显著。将武胜县按聚类结果划分为较单一镇域、较单一村域和较复杂村域 3 种不同的管理模式, 并分析较复杂村域的成因, 提出管理策略。最后, 从景观特征保护出发, 对武胜县 7 处建成区提出规划管理建议。     

民航术语的特征及汉译策略

民航专业文本中的术语是翻译的难点,不规范的翻译往往会导致民航术语译名的混乱。民航术语中频繁出现缩略词、次科技词和合成词,在翻译时,需要根据术语的特征和具体的语境选择合适的翻译方法。民航文本专业性强,术语涉及的领域广,译员需要具备一定的专业背景知识,运用灵活的汉译策略,才能把握住术语的真实含义,做出专业、准确的翻译。     

基于动静结合的单一背景目标检测方法

本文通过研究目标在单一场景条件下的成像特点与背景图像特征,提出一种基于动态特征、静态图像特征结合的单一背景目标检测算法框架模型。然后,通过分析算法模型对目标特征凸显的两种策略模式,分析其突出特征。最后,结合背景抑制分割方法,实现背景中目标的自适应溢出。     

数据不完备下基于特征识别的公交客流短时预测

识别公交客流特征是提高短时预测质量的关键。但由于设备故障、数据收集受限等原因,客流数据属性往往是不完备的,这给特征识别和客流预测带来了挑战。文中以缺少乘客属性数据的长沙市104路公交卡数据为样本,利用卡号与出行时间的关联性识别乘客出行频次,以此作为区分出行特征的变量,将客流总集划分为不同的特征子集,依据子集规模、方差确定变量最佳取值,推断客流特征。与直接预测客流总集相比,文中为每类子集建立季节性差分自回归滑动平均(SARIMA)模型分别进行预测,整合后得出的样本外平均绝对误差改善了36.11%,依据乘客出行特征建立的预测模型拟合度为0.95,可有效识别公交客流特征。     

基于多级深度特征与随机游走的显著性检测

为了解决图像显著性检测中传统方法特征学习不全面、复杂场景下显著区域凸出不明显的问题,提出了一种基于多级深度特征和随机游走的显著性检测算法。首先,利用全卷积神经网络,结合深层和浅层卷积特征信息对图像进行多级卷积深度特征提取;然后,对图像进行超像素分割,将提取的深度卷积特征分配给相应的超像素,构建特征矩阵;最后,通过正则化随机游走排序模型生成最终的显著图。在ECSSD和DUT-OMRON数据库上的实验结果表明,与6种具有代表性的显著性检测算法相比,文中算法的准确性和F值具有一定的优势。