蔷薇属植物抗性与叶片和花瓣超微结构相关性分析

月季病害已成为其规模化生产的主要限制性因素之一，科学高效的抗病性鉴定方法可为抗病月季种质资源的筛选提供有力的技术支撑.以6份蔷薇属种质资源为实验材料，通过氯仿浸提法测定叶片蜡质含量，并利用电镜扫描观察不同种质材料的叶片和花瓣超微结构，对比分析月季抗病能力与蜡质含量及超微结构的关系.结果表明：高抗种质材料的蜡质含量均较易感种质高；气孔密度、气孔开合度均较易感种质低.因而，叶片蜡质含量、气孔密度及其开合度均可作为月季种质资源抗病性能力鉴定的形态结构初级指标.根据蜡质含量结果及其叶片和花瓣超微结构特征，可进行月季种质资源抗病性的早期鉴定，科学高效地筛选出不同抗病水平的月季种质资源，这对新种质资源的引进与开发利用以及杂交后代的抗病高效筛选提供了一定的科学理论依据.     

中外合资上市公司高管团队特征对企业价值的影响

基于组织战略性人力资源管理的视角和高阶梯队理论,高管团队的特征影响企业战略决策,决定企业的经营与发展,进而影响企业价值.采用中国沪深A股421家中外合资公司2010-2018年的高管团队与企业价值面板数据,研究中外合资上市公司高管团队特征均值和异质性对企业价值的影响.结果 表明:女性高管占比和高管团队的平均年龄、平均任期、平均受教育程度及异质性均显著正向影响企业价值;团队规模、任期异质性对企业价值影响不显著;高管团队年龄异质性对企业价值具有显著的负向影响.优化高管团队的女性占比与平均年龄、任期、受教育程度等特征结构,将有利于提升企业价值.     

基于码头闸口数据的集卡周转时间短时预测方法

为给车辆调度优化以及集卡预约系统设计提供重要参考,利用所采集的深圳市某港口的码头闸口数据,建立一种基于数据挖掘的集卡周转时间短时预测方法.首先,通过对码头闸口数据进行分析,获取车辆到达时间分布、任务类型、作业方式等集卡作业特征以及集卡在码头内的周转时间;在此基础上,利用循环神经网络并结合训练集数据,建立集卡作业特征与其周转时间之间的映射关系.其次,为减少随机波动对周转时间预测效果的影响,利用小波分解算法对循环神经网络拟合结果的残差进行高频噪声分离,并通过自回归模型拟合过滤后的低频序列.最后,将拟合后的循环神经网络与自回归模型进行结合,建立一种支持集卡周转时间短时预测的组合模型,并利用测试集数据进行有效性验证.结果 表明,相比单一的循环神经网络,该组合模型可以大幅提升预测精度.     

基于科技查新数据的用户拓展及其关联聚类

科技查新用户数据是查新业务积累的真实而宝贵的资源,其充分利用不仅是查新业务管理的需要,可提升查新服务水平,同时还能用于挖掘更多的情报价值.调研发现,当前对科技查新用户数据的挖掘利用仍以基础性的业务管理分析为主,而增值情报价值的挖掘较少.为拓展成都文献情报中心科技查新客户群体和增值服务范围,做大做强查新业务,立足成都中心查新服务实践,依托于积累查新用户及其服务记录,在挖掘发现潜在服务对象的基础上,通过多维用户关联聚类,探讨了后期信息情报服务的精准营销与推送,分析了基于用户聚类的服务推荐存在的不足,展望了挖掘更多需求信息的推荐路径.     

数字经济中基于察觉-动机-能力模型的创新扩散机制

数字经济时代下,创新扩散的模式和机制正随着经济环境的变化发生重大变化。鉴于此,本文对数字经济中的创新归纳出信息数字化、组织网络化、用户参与化等特征,基于察觉-动机-能力分析模型对创新的扩散机制进行过程建模,并基于多智能体仿真分析创新扩散。仿真结果表明,随着信息数字化的发展,创新扩散的网络分布不均匀性增加,引起信息资源高效配置和创新扩散的快速迭代;组织网络化带来产业组织在多个层面的集聚,拉近了企业之间的创新距离;用户参与化使得消费者成为创新的贡献者,增加了创新参与者的数量,企业也因此能够更为精确地捕捉用户需求。数字创新中的三种效应共同作用,改善了技术扩散的速率和规模。     

春芝堂 科技创新

2021年3月8日,春芝堂“联合科技创新中心”成立,标志着春芝堂食用菌事业在大健康产业迈向了新的历史时刻,将科企联合、科技创新提升到新高度。世界食用菌生物学和产品学会主席、上海市农业科学院副院长谭琦,国家食用菌工程技术研究中心、上海市农业科学院食用菌研究所所长张劲松携食用菌研究所的多位领导和专家莅临上海春芝堂集团总部,春芝堂集团董事长王爱兴、总裁王爱庭及多位春芝堂高管出席仪式并共同为“联合科技创新中心”揭牌。据悉,该“联合科技创新中心”为春芝堂集团与国家食用菌工程技术研究中心、上海市农业科学院食用菌研究所合作共建。双方将以此为核心强强联手,在新工种、新工艺、新技术、新融合的推动下,促进上海市农业科学院食用菌领域科研成果的产业化,提升春芝堂公司的可持续发展能力,提高科技创新能力及食用菌深加工产品的技术含量,达到产学研结合、优势互补的目的。     

基于差异信息量的多源数据融合方法

D-S证据理论可应用于多源数据融合领域，但在处理高度冲突的证据时，可能会出现反直觉的结果.为解决这一问题，本文提出了差异信息量的概念及融合方法.首先，通过信息熵表明证据的相对重要性，采用散度获取证据可信度.然后利用证据可信度优化证据差异度以得到差异信息量，经过计算获取数据的最终权重，并将其作为D-S证据理论中的基本概率分配进行决策.在处理冲突证据、一致证据及不同数量证据等方面的数据融合问题时与其他方法对比，所提方法收敛更快，准确度更高.故障诊断的应用实例表明，所提方法的不确定性更小，优于现存的其他方法.     

基于不平衡数据的公司破产预测研究

整合创新数据预处理技术与集成算法利用不平衡数据探讨了公司破产预测问题。首先，运用冗余信息处理方法、不同抽样方法等对不平衡数据进行预处理。其次，以5.0分类器（Classifier 5.0,C5.0）决策树和单隐层前馈神经网络作为基分类器，分别与三类重抽样数据预处理技术结合，择出最优抽样法。再次，结合自助汇聚法提升分类效果，并运用十折交叉验证的受试者操作特征曲线的下方面积进行评价，对比了两基分类器的集成模型。最后，运用加利福尼亚大学尔湾分校数据库中一万多家波兰制造业公司的实际数据进行实验验证。实验结果表明：欠抽样或人工少数类过采样法与神经网络结合的集成模型分类效果最优，为企业实施破产预测提供积极支撑。     

面向大规模多媒体任务的云计算平台设计研究

针对大规模多媒体任务的并行执行,设计了一个云计算平台——MMC(Multi-Media Cloud)。MMC根据任务的完成时间,为各个多媒体任务分配计算单元。同时采用卡尔曼滤波器对每个工作负载所需的资源数量进行准确地估计,并基于此对工作负载所需的实际计算单元进行调整。与现有的云计算平台相比,MMC能够最大程度地降低云基础架构的成本,并确保任务按时完成。