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。     

面向稀疏数据集的聚类算法

在聚类过程中数据可能呈现稀疏性,如果仍用传统的欧式距离作为聚类指标,则聚类的质量和效率将会受到严重的影响。受到信息论中KL(Kullback-Leibler)散度的启发,采用基于KL散度的相似性度量方法,先描述数据的整体分布,进而对数据进行聚类。研究结果表明,最后通过实验验证本算法的有效性。这种方法可以利用簇中元素提供的信息来度量不同簇之间的相互关系,克传统欧式距离的缺点,提升算法准确度。     

基于科学知识图谱的应急救援研究可视化分析

为整体把握中国应急救援研究动态,以中国知网(CNKI)收录的2000—2019年核心期刊上发表的1 693篇核心期刊文献记录为数据源,借助CiteSpace V对其进行数据可视化分析,包括研究成果时序图谱、学科分布、作者合作、机构合作、关键词及文献共引、突变词分析等。研究结果表明:中国应急救援研究论文产出符合普赖斯逻辑增长曲线;《中国安全生产科学技术》《中国安全科学学报》和《消防科学与技术》为应急救援领域的核心区期刊;作者以郭其云、夏一雪、郭德勇等为核心,机构集中于中国安全生产科学学研究院、中国人民武警部队学院和中国矿业大学,且作者合作和机构合作关系网络均较为松散;应急救援、应急管理和突发事件等是该领域的热点关键词;突变词"多目标优化"和"应急物资"代表当前应急救援研究的热点和前沿。     

适用于自适应网络防御的联合云计算框架

为了解决云计算中网络安全防御策略部署问题,提出一种适用于自适应网络防御的联合云计算框架.该框架由治理层和互操作层组成,使用LocalHub,StateHub和FederalHub共3个集线器将独立的管理层连接起来,能够根据云计算中不同事件来计算和部署网络防御策略,满足部署网络防御解决方案和分布式计算所需的标准和复杂服务.文中给出联合云计算系统模型及其构建单元,以及所提模型的好处和实施带来的一些挑战.该云计算联合框架解决了终端用户存在的问题.实验表明:当事件响应中涉及更高级别的联合框架时,对应的延迟变高,事件响应成功的概率增大.在本文联合云计算框架中网络防御的性能优于其他2种云计算框架.     

种基于Data Matrix的数字水印算法

提出一种基于数字水印的图像隐秘通信方法。该算法首先运用Data Matrix条形码技术对具有含义的通信信息进行编码,生成条形码图像。生成的条形码图像作为原始水印信息,在经过适当的变换和置乱之后将其嵌入到载体图像中。结果表明,该方法具有良好的不可见性和鲁棒性,能抵抗旋转、缩放、滤波等攻击,更为重要的是较好地保证了通信信息的正确性。     

一种远程备份数据虚拟重构方法

针对目前常用的基于写时拷贝（COW）快照方法的持续数据保护（CDP）系统在数据重构时,需要在快照物理空间存储旧数据,从而花费巨大空间和时间代价的问题,本文提出了一种远程备份数据虚拟重构方法.该方法使用偏移文件和位图文件分别记录旧数据块所在位置以及数据块是否变化,并在内核层创建虚拟块设备,自定义块设备的I/O处理函数,把对数据块的读操作重定向到镜像卷或日志卷,从而克服了快照方法造成的灾备中心时空资源浪费严重的问题.实验结果表明,相比基于快照方法的数据重构,本文方法不进行物理重构,不仅可有效地节约存储空间,而且可大幅地缩减数据重构的时间.     

数字卫星电视共视时间比对

研究利用数字卫星电视进行共视时间传递的方法,选择利用电视信号中的PCR来完成时间的传递,分析利用数字卫星电视进行共视的基本原理,并从电视信号中提取相关信息的原理进行了说明。通过零基线的共钟比对试验得到接收机之间的时延差,进行远距离的共视时间比对试验,得到了一些比较有意义的结论。     

基于因果岭回归的多数据源科研主题识别方法

为了有效解决多数据源科研主题的识别问题,基于因果岭回归建立了一种新的多数据源科研主题识别方法.该方法首先给出了多数据源科研主题识别关键参数(如主题词的引用权重、状态密度)的评价指标;同时根据科研主题形态特征建立了特征函数,并基于因果岭回归给出了具体识别方法;最后,通过仿真实验深入研究了影响该识别方法的关键因素.结果显示,与朴素贝叶斯、KNN算法和MGe-LDA算法相比较,该方法在价值引用量、引用权重和前沿主题相似度等方面具有较大优势.     

Making the abstract concrete: The role of norms and values in experimental modeling

Experimental modeling is the construction of theoretical models hand in hand with experimental activity. As explained in Section 1, experimental modeling starts with claims about phenomena that use abstract concepts, concepts whose conditions of realization are not yet specified; and it ends with a concrete model of the phenomenon, a model that can be tested against data. This paper argues that this process from abstract concepts to concrete models involves judgments of relevance, which are irreducibly normative. In Section 2, we show, on the basis of several case studies, how these judgments contribute to the determination of the conditions of realization of the abstract concepts and, at the same time, of the quantities that characterize the phenomenon under study. Then, in Section 3, we compare this view on modeling with other approaches that also have acknowledged the role of relevance judgments in science. To conclude, in Section 4, we discuss the possibility of a plurality of relevance judgments and introduce a distinction between locally and generally relevant factors.     

基于差分自回归移动平均模型、长短期记忆网络模型及相关模型的无人机俯仰角预测

为了提高无人机俯仰角故障数据处理和预测的精确性和可靠性,避免增加无人机试飞成本,利用长短期记忆网络（Long Short Term Memory,LSTM）、注意力机制+LSTM模型和差分自回归移动平均模型（Autoregressive Integrated Moving Average Model,ARIMA）模型预测无人机试飞俯仰角故障数据。结果表明,ARIMA预测结果：MAE（Mean Absolute Error）=0.35,RMSE（Root Mean Square Error）=0.73,MAPE(Mean Absolute Percentage Error)=23.80%;LSTM模型预测结果：MAE=0.49,RMSE=0.74,MAPE=45.20%;注意力机制+LSTM模型预测结果：MAE=0.17,RMSE=0.53,MAPE=18.93%。可见注意力机制+LSTM模型比其余两种模型更适合于试飞俯仰角的数据预测,以上三种方法对无人机故障数据预测都具有实际意义,有效的预测可以推进自动飞行器和移动机器人的异常检测或外国直接投资研究的最新进展,以进一步提高自动和远程飞行操作的安全性。