基于卷积神经网络的心律失常分类方法

使用一种组合式心拍分割方法，利用带通滤波对原始心电数据进行降噪处理，实现QRS波群定位和心拍截取；设计7层的一维卷积神经网络（convolutional neural network，CNN）模型，对正常搏动（N）、左束支传导阻滞（L）、右束支传导阻滞（R）、室性早搏(V)4类心拍数据自动分类检测，从而完成4类心律失常的分类。以MIT BIH心律失常数据库47条数据进行训练，结果显示，其准确度为9900%，召回率为9908%；与相关文献的研究方法对比，本方法具有较高识别精度，能有效解决人工对心电图识别的误诊、错诊问题。     

系统重要性股权质押上市公司的识别——股权质押违约的系统性风险贡献度视角

股权质押风险一旦爆发呈联动效应，影响范围将迅速波及多个市场，极有可能衍生出系统性风险，对整个金融市场和实体经济带来极大危害。本文围绕股权质押违约风险在股票市场和基金市场传染的核心问题，借鉴网络科学研究工具，从关联市场视角下探索股权质押风险跨市场传染的路径和规律。首先描述了股权质押二部图网络的构建方法，利用关联网络的阈值传染模型描述证券市场和基金市场之间股权质押违约风险传染动力学；进一步收集整理2017年底沪深两市A股市场未解压股权质押数据和基金产品持股数据构建了真实的网络；最后，采用蒙特卡洛模拟技术仿真股权质押风险的传染过程，验证清盘抛售概率、平仓价等参数对风险传染范围的影响，计算每一家股权质押上市公司作为风险传染源的系统性风险贡献度，辨识出系统重要性股权质押公司。     

MEMS惯性高度尺测量精度分析

研究了基于微电子机械系统(micro-electro-mechanical systems,MEMS)的惯性导航系统的短时相对高程测量精度,设计了“惯性高度尺”算法,进行了桌面测高和楼层测高两个验证性实验。分析了不同运动条件和运动时间下“惯性高度尺”的测高精度。基于零速修正技术提出了一种分段测量的方法。实验结果表明,桌面测高可实现毫米级精度(相对误差0.17%),楼层测高可实现多层厘米级和单层毫米级测量精度(相对误差分别为0.22%,0.06%)。测量误差与载体的姿态动态和运动时长成正相关。实验验证了MEMS惯导用于高度测量具有较高可行性,稳定的运动条件和较快的测量时间能够提高测量精度。     

基于生成对抗网络的半监督图像语义分割

提出了一种基于生成对抗网络的语义分割模型,包括一个全卷积语义分割网络以及一个判别网络,其中语义分割网络负责生成与输入图像对应的语义分割图,判别网络负责检测分割图与真实标签的区别,以促使分割网络改进分割效果。为了更好的提取全局结构信息,语义分割网络中采用了金字塔池化模块,对不同规模的空间区域进行池化操作。另外,为了应对语义分割训练数据集人工标注成本过高的问题,利用判别网络生成伪标签协助语义分割网络进行训练,从而实现了半监督训练效果。模型在PASCAL VOC2012数据集中进行了测试,结果表明该模型在全监督和半监督条件下均优于已有方法。     

基于大津算法和深度学习的开集声纹识别自适应阈值计算方法

针对开集声纹识别的自适应阈值计算问题, 提出一种基于大津算法和深度学习的阈值计算方法. 首先, 采用三层受限Boltzmann机堆叠而成的深度置信网络从Mel倒谱系数中提取语音深层特征; 其次, 通过Gauss混合模型计算特征的相似度值, 对特征的相似度值使用大津算法计算阈值. 实验结果表明, 该方法识别效果较理想, 与等错误率计算阈值方法相比, 具有更高的识别准确率.     

基于密度自适应深度网络的点云场景语义分割算法

由于传感器噪声干扰，点云密度不均匀，场景复杂多样以及物体之间存在遮挡现象等问题，使得三维点云场景语义分割问题的研究工作极具挑战性。针对三维点云数据采样密度不均匀以及图卷积网络深度有限的问题，提出一种密度自适应的方法。该方法通过多层感知器学习一个权重函数，利用核密度估计学习一个密度函数，对非均匀采样的点云数据进行卷积操作。同时，受深度学习在图像领域的启发，引入残差连接、空洞卷积等结构，训练更深层的点云分割网络。该算法在多个点云分割的标准数据集上取得了优秀的性能。     

SAR图像并行拼接方法研究与实现* 〖HT4K〗——基于改进完全二叉树模型

随着SAR成像技术的快速发展，SAR图像覆盖的地域范围与成像精度也在迅速增长，这对SAR图像拼接工作的实时性提出了挑战;文章对SAR图像序列特征进行深入分析，提出了采用基于分割的完全二叉树模型进行SAR图像的并行拼接，并使用MPI点对点通信方式对之进行了不同数量机群规模下的实现；对比实验证明，基于该方法的并行拼接工作比传统并行拼接方法在降低拼接时耗上更加有效，且并行拼接后的完整图像效果良好.     

中国经济增长与杠杆率的非线性关系研究--基于制造业面板数据门限回归分析

传统理论基于有效市场理论(EMH)主要从公司财务视角研究杠杆率问题,忽略了生产环节的决定机制.本文从决定生产效率的全要素生产率视角对杠杆率的决定机制重新认识.并采用制造业29个行业1995-2016年的面板数据,以杠杆率为门限变量构建动态面板门限模型,主要研究结论为:1)经济增长-杠杆率的门限值位于名义杠杆率114,在门限值左侧,杠杆率增加促进经济增长,在门限值右侧,杠杆率增加"拖累"经济增长,杠杆率对经济增长整体表现"倒U"型关系;2)经济增长-杠杆率的泡沫杠杆率门限值位于泡沫杠杆率65,当名义杠杆率包含的泡沫杠杆率低于65时,杠杆率增加对经济具有显著的促进效应,当包含的杠杆率大于65时,杠杆率对经济增长的作用并不明显,说明经济可能进入了滞胀阶段;3)经济增长-足值杠杆率的关于对泡沫杠杆率存在双门门限效应,分别是43、49,当泡沫杠杆率小于43时,增加泡沫杠杆率对经济的增长的促进效应小于泡沫杠杆率介于[43,49]区间的效应,当泡沫杠杆率大于49时,泡沫杠杆率对经济增长的促进作用不再明显.     

基于邻域搜索JADE的二维Otsu多阈值图像分割

为进一步提高分割精度并加快分割速度,提出了一种基于邻域搜索可选外部存档自适应差分进行算法(简称为JADE-GL)的二维Otsu多阈值图像分割方案。首先,针对原始JADE算法精英突变策略收敛速度慢、容易陷入局部最优等问题,提出了基于邻域半径搜索的改进突变策略,以提升算法的全局探索和开发能力。然后,将所提算法与现有分割方法以及其他JADE变种算法进行二维Otsu多阈值分割对比实验。最后,通过函数收敛曲线、分割距离测度、峰值信噪比(peak signal to noise ratio, PSNR)等指标定量分析算法的性能。实验结果表明,随着阈值数增加,提出的算法无论在收敛速度、分割精度还是分割图像效果上都有显著提升。     

中概股企业私有化退市决策模型：基于价值低估假说

基于中概股企业私有化退市背景，分别建立了中概股企业继续海外上市与私有化退市两种情形下的企业价值模型，模拟控股股东私有化退市决策的权衡过程。结果表明：存在一个净现金流临界值，当中概股企业的净现金流大于该临界值时，继续海外上市时的企业价值更大，控股股东应选择继续海外上市；反之应选择私有化退市。中概股企业继续海外上市的资本成本率和上市维持成本越高、获取净现金流的能力越弱，净现金流临界值越高。私有化退市后的资本成本率越低以及获取净现金流的能力越强，净现金流临界值越高。最后，利用Matlab进行仿真分析并以智联招聘私有化退市为对象进行案例分析，验证了理论模型所得结论的合理性与可行性。研究结论对中概股企业私有化退市决策具有重要借鉴意义。