基于区块链技术的道路路边停车管理系统

针对当前道路路边停车管理中存在的效率低下、交易不透明等缺点，提出了一个基于区块链技术的道路路边停车管理系统。根据边缘设备终端的车牌识别算法采集停车信息，将关键停车交易数据发送并存储至Web服务器的MySQL数据库缓存，之后由Fabric SDK中间件存储到Hyperledger Fabric区块链平台。该系统依靠区块链去中心化、链上数据不可篡改的特点，在满足业务需求基础上提高了用户的隐私性和交易的可靠性。     

基于CWD和残差收缩网络的调制方式识别方法

针对低信噪比时莱斯信道下特征提取准确性难以保证、识别准确率偏低等问题, 提出一种基于Choi-Williams分布(Choi-Williams distribution, CWD)和深度残差收缩网络(deep residual shrinkage network, DRSN)的通信辐射源信号调制方式识别方法。利用CWD将时域复信号转换为二维时频矩阵, 对深度残差网络添加软阈值化得到DRSN, 将时频矩阵样本用于对DRSN的训练, 最终构建不同信噪比下的调制方式识别网络。仿真实验表明, 基于RadioML2016.10a数据集, 利用部分先验信息的情况下, 该分类识别方法具有较高的识别准确率和噪声鲁棒性。在0 dB时, 对11类信号的总体识别准确率达到了89.95%;在2 dB以上时, 总体识别准确率均超过91%, 优于其他深度学习识别方法。     

联程中转旅客的城市枢纽间换乘行为建模

针对旅客联程运输中旅客中转换乘行为,构建了多项Logit(Multinomial Logit,MNL)模型进行刻画分析.首先,设计了陈述偏好(Stated Preference,SP)调查问卷进行数据采集;其次,基于MNL模型对联程中转旅客的城市枢纽间换乘行为进行建模,并利用Biogeme软件对模型参数进行标定;最后,计算出各方式的分担率并与实际调查结果进行对比分析.结果表明:与出行目的、行李大小等因素相比,联程旅客个人特征(年龄、职业、收入等)的影响最为显著,考虑了旅客个人差异的MNL模型拟合误差在1.5％以内;此外,旅客对交通工具拥挤度、舒适度、班次数量以及准时性的关注程度也影响了其选择行为;联运旅客对时间效率尤为关注,超过50％的联运旅客选择地铁,当公交出行时间下调0％～20％时,可以一定程度上将换乘地铁的联运客流转移至公交上.研究结果对于枢纽间换乘需求预测、多方式协同调度以及提供旅客个性化出行服务具有一定的参考作用.     

科技企业并购方式、创新路径与并购后整合研究

并购具有财富效应,科技企业为了实现并购的财富效应,就必须研究并购。并购方式包括:横向并购、纵向并购、混合并购,不同的并购方式有不同的财富效应。外部技术获取方式包括技术购买、战略联盟和技术并购,适用于科技企业不同发展时期。技术并购整合的关键是技术知识转移。     

中国文化现代化的实现路径探析

随着全球一体化进程不断加快,世界现代化日趋实现,文化全球化更是影响着世界各国。面对世界文化浪潮的冲击,中国传统文化既有机遇也面临挑战。中国要实现文化现代化,需要在马克思主义哲学的引导下与中国具体国情相结合,对中华优秀传统文化精髓发扬光大,辩证地看待与我国现实国情相适应的西方文化,并在此基础上进行文化创新和文化转型,坚定文化自信。     

重放方式对老年人语言清晰度评价的影响

在不同混响时间、不同信噪比、不同噪声方位角条件下,通过对60岁以上老年人的听音评价,探讨扬声器重放和耳机重放方式对老年人语言清晰度的影响,并与听力正常的年轻人得到的结果进行对比。结果表明:采用扬声器重放得到的汉语语言清晰度得分比采用耳机重放得到的汉语语言清晰度得分略高,但两种重放方式下的汉语语言清晰度得分无显著性差异;老年人在两种重放方式下的得分差异比年轻人的得分差异略高;采用人工头录音再通过耳机重放由老年人进行室内汉语语言清晰度评价,得到的结果与直接在厅堂现场评价得到的结果基本一致。     

MOOC背景下经管类专业高等数学多元化考核评价模式的探索

传统的高等数学考试成绩大多数采取了平时成绩与期末卷面成绩按比例相结合的方式,对于经管类专业的学生,传统考核方式存在明显缺陷.结合实践教学经验,探索高等数学在经管类专业的考核方式的变革.     

高校体育器材共享管理系统的设计与实现

共享经济改变着人们的生产和生活方式,为高校体育器材管理提供了全新的思路.共享经济需要以信息技术为支撑的共享平台,本文基于软件工程的思想和方法展开研究,为高校体育器材共享管理系统开发提供完整解决方案.研究内容主要包括三个方面,首先,基于Jeesite平台设计了由表示层、业务逻辑层和数据访问层构成的分层架构;然后,基于模块化和独立性的思想设计了构成系统的各个子系统及其功能模块;最后,对于射频识别和二维码两项关键技术阐明了基本原理并设计了实现方法.研究成果能够提高系统开发的质量和效率,对于其他领域的共享研究也具有借鉴意义.     

基于已实现半协方差的投资组合优化

在传统的风险度量方法中,常见的协方差估计量并未区分资产收益的下侧风险和上侧收益,而一般的下偏矩估计量则存在非对称性和难以加总的缺点.本文引入已实现半协方差矩阵(RSCOV)作为风险度量进行波动率预测和投资组合研究.本文将RSCOV应用于两种常见的风险分散投资策略—风险平价(ERC)策略和全局方差最小(GMV)策略,并将机器学习中的在线加权集成(OWE)算法用于提升已实现波动率预测方法HAR-RV的样本外预测表现.通过研究发现,相比起已有的其他风险衡量方式,仅包含负向波动信息的下半RSCOV能够更好地被用于平衡组内各资产的风险贡献.基于A股市场2011-2018年的高频数据,本文通过实证研究发现,OWE-HARRV在月度预测步长下的效果优于HAR-RV,而下半RSCOV则能够使ERC策略以及GMV策略在保证一定平均收益的同时,降低了组合收益的极端损失.