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。     

BIM情境下综合设施管理服务供应商激励契约

为有效激励综合设施管理（Integrated Facility Management，IFM）服务供应商应用BIM进行IFM外包服务，实现BIM在IFM过程中的应用价值与IFM项目绩效，基于委托代理理论，针对IFM外包BIM应用过程中IFM服务供应商需要执行的BIM系统运营服务和IFM业务咨询服务两项任务，构建多任务委托代理模型；依托模型，分析在两项服务任务成本相互独立、相互依存及相互替代等三种激励模式下的激励契约；结合模型计算与MATLAB仿真结果，辨识最优的激励模式及激励契约。研究表明：3种模式下的激励契约将对IFM服务供应商产生不同的激励效果，并对业主方IFM项目造成差异性绩效；3种激励模式下的最优激励契约由高到低排序为：成本相互依存模式下的最优激励契约>成本相互独立模式下的最优激励契约>成本相互替代模式下的最优激励契约；业主方应选取合适的激励模式与契约对IFM服务供应商进行激励，且其服务能力与IFM项目绩效越高，业主方对其激励将越大。     

基于成像算子优化的微震逆时定位方法

针对目前微震逆时定位成像存在的问题,提出一种优化后的成像算子,对模型数据进行抗噪性、误差速度以及检波器分布和数量进行测试,并提出采用峰度值作为定位成像结果的评价标准。结果表明,优化后的成像条件在定位能量聚焦程度和成像分辨率上都得到了提升,对含速度误差和含噪微震数据都有较好的成像结果,并且对检波器的分布和数量有较好的适应性,取得了较为理想的定位效果。     

《素描与色彩》课程思政建设:思政资源的挖掘、凝练与植入

课程思政是新时期构建全课程、全方位育人的重要组成部分和实现途径,而课程思政资源又是实现课堂教学在育人中主渠道、主阵地地位的重要支撑。《素描与色彩》课程思政建设,基础是思政资源的挖掘与整合,重点是思政资源与教学内容的衔接,难点是思政资源与专业知识点的化合。应对课程教学素材与内容进行梳理分析,挖掘其历史文化内涵与政治文化背景,凝练典型个案,对接专业知识内容,通过系统化整合,达到教学案例蕴含思政背景,教学过程贯穿思政内容,教学评价植入思政主题的全过程课程思政目的。     

基于散射区模型与参数聚类的室外NLOS单站定位算法

室外非视距(non line of sight， NLOS)环境中障碍物会阻碍终端电磁波信号直接传播到基站，而且该条件下单基站收集的定位信息不足，导致定位精度不高。针对上述问题，提出一种基于空间布局的散射区模型和基于参数聚类的定位算法。根据固定基站附近的空间布局确定散射区并构建散射区模型，该算法基于该模型收集多径信号的测量参数，将k-means聚类(k-means clustering)和均值漂移聚类(means shift clustering)算法有效结合对参数聚类处理，再根据聚类结果和单站定位系统的几何结构建立方程组，将方程组的求解问题转化为非线性优化问题并利用列文伯格-马夸尔特(Levenberg-Marquardt， LM)算法求解优化问题估计目标位置。仿真结果表明，在室外NLOS环境中，且仅提供单个基站的条件下，该算法可以有效提高定位结果的精度。     

基于GPS的物联网智能终端定位技术研究与应用

对基于GPS全球定位系统及其地面接收模块的终端节点定位技术进行了研究,并将其用于物联网智能终端定位系统的开发与应用。该技术实现对物联网终端节点所处位置实时定位,并且还提供各智能终端定位所需的统一基准时间,可用于实现物联网中任何两个智能终端节点之间任何时间、任何地点的连接。此外,它还可以应用于动态组建大范围无线传感器网络。     

数字化时代背景下的校园一卡通系统

校园一卡通系统以IC芯片卡为载体,贯穿于整个校园应用管理系统,即凡是有现金、票证或需要识别身份的场合均采用IC卡来完成.以校园一卡通系统为例,详述卡片内部结构,具体的文件类型以及IC卡内各个模块的分工协作.对校园一卡通系统在应用中遇到的实际问题做出分析,并给出了合理的解决方案.     

一种改进Mask R-CNN的运动目标定位方法

针对在复杂场景下传统算法对运动目标分类精度不高且无法直接输出关键点空间坐标这一问题，本文提出了一种基于改进Mask R-CNN的运动目标定位方法。该方法在TensorFlow 框架下采用自制数据集预训练提取多尺度的卷积，将采集到的网络视频流通过RoIAlign算法处理获得像素级的特征并匹配SIFT特征点建立空间坐标系统，在空间约束下结合Kalman filtering补偿运动轨迹，通过投影变换矩阵将像素坐标转换为世界坐标。实验表明该方法提高了模型在干扰背景下的鲁棒性，平均误差在8cm以内，实现了在复杂场景下可以获得实时高精度的定位信息。     

基于最大熵方法的鲁棒自适应滤波及其应用

针对过程噪声和量测噪声受到脉冲噪声影响而呈现非高斯分布,且噪声统计特性不精确从而导致估计精度下降的问题,提出一种基于最大熵方法的变分贝叶斯自适应卡尔曼滤波(maximum correntropy variational Bayes adaptive Kalman filter, MCVBAKF)算法,并将其应用于捷联惯导系统(strapdown inertial navigation system, SINS)/全球卫星定位系统(global positioning system, GPS)组合导航系统。首先,使用最大熵鲁棒滤波方法对由脉冲噪声产生的野值问题进行处理;然后,通过改进的变分贝叶斯自适应方法进行后验更新,估计噪声,收敛所估参数的估计值;最后,进行了仿真对比。结果表明, MCVBAKF在复杂环境下可以有效提升滤波精度和稳定性。     

基于GPS载噪比下降的太阳射电暴检测方法

利用太阳射电暴影响全球定位系统(global positioning system, GPS)性能这一特征,提出一种基于GPS载噪比下降的太阳射电暴检测方法。首先计算观测地的太阳高度角,接着筛选出“降点”和“升点”用于确定单个观测地单颗卫星的波谷时间区间,最后综合多颗卫星和多个观测地得到太阳射电暴的检测结果。实验结果表明:太阳射电暴检出率随太阳入射角的增大而增大,在L2频段对600太阳流量单位(solar flux unit, SFU)以上的太阳射电暴检出率达到80%以上,在L2频段检出效果优于L1。该检测方法识别率高,成本低,不依赖于射电望远镜,能进行全天候实时的监测。