一类具有B-D发生率的随机SIQS模型的动力学行为研究

研究了一类具有Beddington-DeAngelis发生率的随机SIQS传染病模型,通过构造合适的Lyapunov函数,运用伊藤公式,得到了传染病的消亡和遍历性平稳分布存在的充分条件,结果表明大的白噪音强度可抑制疾病的爆发,最后通过数值模拟验证所得结果.     

媒体报道下随机SIQS流行病模型的动态行为研究

研究了媒体报道干预策略下的随机SIQS流行病模型.构造合适的Lyapunov函数,使用Itô公式和马尔可夫半群理论,证明了基本再生数R₀^s可用于控制随机流行病模型的动态行为,即如果再生数R₀^s<1,并且在其他条件下,疾病将消亡;如果再生数R₀^s>1,并且在其他条件下,疾病是持久性的.结论表明：大的白噪声可以抑制疾病的爆发,这为制定有用的控制策略来调节疾病的动态行为提供有效帮助.最后通过数值模拟验证了这一结果.     

基于SD-SEM模型的消费者食品安全风险感知的信息搜寻行为

本文利用系统动力学模型和结构方程模型来研究消费者食品安全风险感知和消费者信息搜寻行为之间的关系,在总结消费者食品安全风险感知和消费者食品安全信息搜寻行为研究文献的基础上,利用结构方程确定消费者食品安全风险感知的影响因素及其之间的路径系数,进而建立系统动力学模型模拟信息搜寻行为对消费者食品安全风险感知的影响,以提出降低消费者食品安全风险感知的建议.     

基于改进投票协议的群决策综合评判方法

研究在群决策支持系统(GDSS)中对决策对象的综合评判问题.在分析现有方法局限性的基础上,提出一种基于改进的Bora投票协议的群决策综合评判方法,以实现agent对代理者偏好的提取.通过比较简便的方法收集决策者的评价意见,依照协议将定性的评价映射为数量评分.采用的投票协议可以避免建设性的操纵,克服了以往系统的主要缺陷,有效地实现了多人、多因素条件下的定性评价的量化和排序.     

基于多Agent协作的服务选择模型

为了有效地实现自动Web服务选择,构建了基于多agent协作的服务选择模型.设计了多agent通信原语,实现了服务选择多agent间的交互协作;提出了基于模糊匹配的评价算法,为评价标准提供较为一致的度量;利用投票协议获取服务请求者偏好,并依此获取评价项的权值.实验结果表明,利用该模型服务选择有效性平均提高29%,平均服务选择时间仅为其他模型的42%,计算复杂度由O(n5)降为O(n2).     

公共图书馆营销的SWOT分析

通过SWOT分析法,分析了公共图书馆营销所具有的优势、劣势、机会和威胁,全方位地观察了公共图书馆营销的内外部环境。     

大型储罐地震作用下罐壁抗失稳可靠度分析

大型储罐在地震作用下的典型破坏形式是"象足"屈曲破坏,而轴向压应力是"象足"屈曲破坏的主要因素。结合实际工程情况,运用大型通用有限元分析软件Adina对大型储罐在不同地震烈度、储液深度下的罐壁轴向压应力进行地震作用下的数值模拟,并运用可靠性分析的JC法,分析大型储罐不同储液深度、不同地震烈度下的罐壁抗失稳可靠度情况。结果表明:在同一地震烈度下,随着储罐储液深度的增加,储罐罐壁的轴向压应力将随之增大;大型储罐同一地震烈度下储液深度越大,罐壁轴向抗失稳可靠度越低;在实际工程设计中应该首先进行工程场地地震安全性评价,尽可能避开地震带。     

一种基于Visual C++的电子邮件加密技术

对电子邮件常用的两类加密技术进行了介绍，并讨论了IDEA加密算法的原理．阐述了由Visual C 编写Cidea类实现IDEA算法的方法．用户可以通过将Cidea类引入到相应的工程中，并调用它的接口函数就可以实现邮件的加密或解密功能．     

数字信号处理教学中的数学概念物理化解释——以卷积为例

针对数字信号处理理论性强、公式繁杂以及用专业例证解释存在学习时间差等问题,提出了该专业基础课程的教学改革方法.以卷积概念为例,通过对其涉及的单位抽样响应、线性和移不变概念的物理化阐述,给出了卷积物理化本质的教学解释,加深了学生对卷积概念的理解,提升了数学信号处理专业基础课的教学效果.     

δ-广义标签多伯努利滤波算法的非线性扩展

针对高斯混合(Gaussian mixture, GM)实现的变分贝叶斯-δ-广义标签多伯努利(variational Bayesian-δ-generalized labeled multi-Bernoulli, VB-δ-GLMB)滤波算法在非线性场景下跟踪性能较低这一问题, 结合基于临近点算法(proximal point algorithm, PPA)和变分贝叶斯(variational Bayesian, VB)的迭代优化与容积卡尔曼滤波(cubature Kalman filtering, CKF), 提出一种适用于非线性模型的机动多目标跟踪算法。该算法在GM-VB-δ-GLMB的基础上采用逆伽马(inverse-Gamma, IG)和高斯乘积混合分布近似量测噪声协方差和状态联合后验分布; 利用PPA-CKF-VB(PCKF-VB)方法对传递过程中的高斯项参数进行预测更新; 最后为提高滤波精度进行变分贝叶斯容积RTS(VB cubature Rauch-Tung-Striebel, VB-CRTS)平滑。仿真结果表明, 对于量测噪声未知的非线性系统, 所提的算法与现有的VB-δ-GLMB算法相比目标跟踪精度有显著提高。