基于文献计量分析的公司创业投资研究现状、主题与展望

公司创业投资是公司创业、创业投资、战略管理和创新等多个领域的关键话题.文章在概括1980—2020年Web of Science数据库收录的公司创业投资文献特征的基础上,追溯公司创业投资内涵与定义的发展,梳理和提炼该领域研究的主题内容.文章将公司创业投资研究划分为初始萌芽、平稳发展和深化发展三个阶段,系统归纳分析了公司创业投资的目标与动机、影响因素、绩效效应以及其与其他公司创业方式的关系四个主题的研究内容.最后,在评述现有研究进展和不足的基础上,展望公司创业投资研究的未来方向.     

中华人民共和国成立以来重大科技发展战略的演进与启示

 中华人民共和国成立70余年来，党中央根据国际政治形势、国内经济社会发展需要、世界科技革命变革趋势，先后提出“向科学进军”“科学技术是第一生产力”“科教兴国”“创新驱动发展”等一系列重大科技发展战略，确立了中国科学技术进步的道路，引领中国科技事业取得了令人鼓舞的巨大成就。战略方针从“跟踪模仿”走向“自主创新”，战略重点从“推进国防和重工业发展”走向“推进社会全面协调可持续发展”，战略攻关力量从“研发机构”走向“研发机构、高等院校、企业”协同创新，战略体系从“单一拳”走向“组合拳”。面向未来，要抓住历史机遇，继续坚持“四个面向”，着力加快关键核心技术攻关，建立高精尖科技创新人才队伍，完善新时代创新生态体系，不断深化科技体制机制改革，努力成为世界主要科学中心和创新高地。     

基于放电检测和机器视觉技术的火花塞缺陷检测系统

为了减少传统人眼目测检测造成的误差,提高火花塞的缺陷检测效率,设计了1种基于放电检测技术和机器视觉技术的火花塞缺陷检测系统.火花塞缺陷检测系统由工控机、NI DAQ数据采集卡、IGBT驱动板、IGBT模块、点火线圈、分压模块和工业相机构成.利用脉宽调制技术和电磁感应原理,对火花塞施加电压,通过抓拍点火线圈电压输出下火花塞放电火花的位置信息,检测火花塞陶瓷件是否存在缺陷.试验结果表明:该火花塞缺陷检测系统输出的放电高电压安全可测,检测精度更是高达95％,满足了火花塞缺陷检测的实际应用需求.     

无环境信息下多尺度网格细胞群空间表征模型

针对无环境信息条件下网格细胞空间表征问题, 提出一种多尺度网格细胞群的空间表征模型。通过减少吸引子网络模型网格细胞的偏好朝向, 使网格细胞具有特定的感应方向, 仅对特定方向上的速度产生响应。基于改进的吸引子网络模型, 构建多尺度网格细胞群, 并对空间进行表征。仿真结果表明, 改进后的网格细胞模型只响应相应方向的速度, 准确整合速度信息, 表征部分未探索区域, 且适用于无环境信息条件下一维、二维空间。在100 m×100 m的区域, 表征结果的误差不超过0.2 m, 证明了该模型能够扩大网格细胞的表征范围, 提高表征精度与表征能力。     

圆形均匀带电薄板电场的数值积分和可视化

利用均匀带电圆环在直角坐标系中的电势和电场强度的2个分量的公式,推导了均匀带电圆形薄板的电势和电场强度的2个分量的积分公式.将积分公式无量纲化,采用数值积分法计算电势和场强的值,绘制曲面、二维等势线和电场线.     

联合功率域SPMA协议的动态阈值算法

针对基于优先级概率统计的多址接入(statistic priority-based multiple access, SPMA)模式协议在高负载情况下战术信息的碰撞概率十分严重, 网络性能无法满足协同攻击要求的问题, 本文借鉴非正交多址接入技术在功率域上区分同时同频信号的思想, 改进SPMA协议信号发送机制与多优先级检测机制, 在原有的时域、频域基础上引入功率域, 提出一种联合功率域的SPMA协议性能改进策略。并针对各优先级数据包到达率的动态变化场景, 设计动态阈值算法, 以达到降低碰撞概率, 提升网络吞吐量的目的。仿真结果表明, 采用该改进策略与动态阈值算法可以使网络承载更大的业务流量, 提高网络吞吐量。     

基于EMD能量占比的海面漂浮小目标特征检测

针对传统的时频分析方法对海杂波分析有限的问题，提出一种基于经验模态分解(empirical mode decomposition, EMD)能量占比的海面漂浮小目标特征检测方法。首先，采用EMD将接收回波分为独立不同尺度的若干个固有模态(intrinsic mode function, IMF)分量，实现对接收回波的频率从高频到低频的分解。然后，分别建立IMF分量与接收回波数据的相关系数，并利用平均均值-标准差之比作为筛选IMF分量的准则，自动筛选出能量较大且波动平稳的低阶IMF分量。最后，提取IMF分量在原始信号中的平均能量占比作为特征，利用蒙特卡罗方法设置门限，进行海面目标异常检测。实测数据的结果显示，所提算法的性能优于对比算法。     

基于自适应变异PSO-SVM的APU性能参数预测模型

为提高辅助动力装置(auxiliary power unit, APU)性能参数预测的精度,针对支持向量机(support vector machine, SVM)模型在实际使用中遇到的参数选择问题,采用自适应变异粒子群优化(particle swarm optimization, PSO)算法实现对SVM惩罚参数和核参数的优化选择,提出一种基于自适应变异PSO算法优化SVM的APU性能参数预测模型。进一步分析了预测模型不同预测步长对短期预测精度的影响。利用某型APU性能参数数据进行了验证,并与多种预测模型进行了对比实验。实验结果表明,对于排气温度(exhaust gas temperature, EGT)的预测,自适应变异PSO-SVM模型的平均绝对百分比误差(mean absolute percentage error, MAPE)比标准PSO-SVM模型低47%;对于滑油温度(oil temperrature, OT)的预测,自适应变异PSO-SVM模型的MAPE比标准PSO-SVM低29%,为短期APU性能变化趋势预测提供了一定的参考。     

Side-Channel Attacks in a Real Scenario

Existing Side-Channel Attacks(SCAs) have several limitations and, rather than to be real attack methods,can only be considered to be security evaluation methods. Their limitations are mainly related to the sampling conditions, such as the trigger signal embedded in the source code of the encryption device, and the acquisition device that serves as the encryption-device controller. Apart from it being very difficult for an attacker to add a trigger into the original design before making an attack or to control the encryption device, there is a big gap in the capacity of existing SCAs to pose real threats to cipher devices. In this paper, we propose a new method, the sliding window SCA(SW-SCA), which can be applied in scenarios in which the acquisition device is independent of the encryption device and for which the encryption source code requires no trigger signal or modification. First,we describe the main issues in existing SCAs, then we theoretically analyze the effectiveness and complexity of our proposed SW-SCA —a method that can incorporate a sliding-window mechanism into almost all of the existing non-profiled SCAs. The experimental results for both simulated and physical traces verify the effectiveness of the SW-SCA and the appropriateness of its theoretical complexity.