基于结构方程的科技类民办非企业创新发展影响因素分析

创新是科技类民办非企业发展的核心与关键,识别科技类民办非企业创新发展的影响因素及行为路径,对推动引导其发展、构建“创新型国家”具有重要的意义。在2012年科技类民办非企业的普查数据的基础上,通过结构方程模型分析发现,科技类民办非企业的协同合作及其内部的组织管理对其发展具有显著正影响,而普遍受到关注的政府支持却未能通过显著性检验。在对该结论分析的基础上,提出了增强科技类民办非企业协同合作及提升组织管理水平的政策建议。     

晋江市就地城镇化下LUCC特征及其生态安全评价

文章以晋江市为研究区域,基于2000、2005和2013年三期SPOT遥感数据,在定量分析研究区土地利用程度、土地利用动态变化以及土地覆被变化的基础上,参考P-S-R模型框架,从经济、环境、资源、人口等方面选取19个评价指标构建土地资源生态安全评价指标体系,并结合研究区近年来的经济社会发展情况定量评价其土地资源生态安全状况.结果显示:2000—2013年晋江市土地利用处于发展上升期,建设用地面积持续增加,呈现极端非平衡"涨势"状态,其他土地利用类型均呈现"落势"状态,规模趋于缩减趋势,使晋江市土地利用结构失调,土地覆被状况及宏观生态状况越转越差;13年间土地资源生态安全综合评价指数呈先上升后下降的趋势.2000年土地资源生态安全综合值为0.619,安全等级为Ⅳ,处于风险级(中警状态);2005年上升至0.741,安全等级为Ⅲ,处于敏感级(预警状态);2013年又下降至0.674,虽仍处于敏感级(预警状态),但土地资源生态安全综合评价指数有所下降.     

表格式函数空间二分送代法

本文首先将动态规划中的函数空间迭代法转化成了一种既简单规律，又易于编程的表格式迭代算法．在此基础上，针对两个状态间的最短路问题，给出了一种可并行运算且运算量较小的函数空间二分迭代法．为进一步地降低运算量，还讨论各权值之间的关系，并给出了一种能有效地简化网络结构的权值预处理方法．     

基于主成分分析的军队院校后勤资源配置研究

对建设资源节约型军队院校后勤来说,选择合理的建设方案至关重要。首先运用主成分分析法对评价体系的多项指标进行了综合聚集,然后在理想点的基础上建立了优化模型,从而为选择方案提供了合理的科学依据,也为建设资源节约型军队院校后勤提供了理论指导。     

基于区间数和证据理论的雷达辐射源参数识别

针对雷达辐射源参数的不确定性,研究区间类型的雷达辐射源参数识别,构造区间参数的雷达辐射源数据库。首先,利用区间数距离形成区间相似度并基于此构造一种切合实际的基本概率赋值（basic probability assignment, BPA）。再将其与证据理论结合形成辐射源识别的信度区间,利用证据组合规则对信度区间进行区间重组。最后进行自适应判决识别,得到识别结果。仿真结果表明,区间证据理论方法能够较好的处理区间类型以及区间值和标量值混合类型的辐射源参数,得到满意的识别结果,具有一定实际意义。     

海缆埋深检测技术在运行维护中的运用

海底电缆是联系岛屿与大陆或岛屿间能源的主要通道,由于海底电缆埋设于海床,埋深保护程度因水文、气象灾害、地质运动等发生变化或直接受到损伤。因此海底电缆运行维护中需要及时了解埋深情况,若发生埋深变浅、裸露、悬空等危险现象对应变化及时进行修理或维护,保证海底电缆的正常运行。本文综合交流磁场、地磁磁场、声波三类检测技术进行系统的比较,并结合每类检测方式的优缺点进行分析,寻求一种适合在海南联网工程运行维护汇总中运用的技术,建立一套完整的海缆埋深检测体系。     

低碳社会的评价指标体系构建

低碳社会是在全球气候变化和能源危机下产生的新型的发展方式,是人与自然协调发展的基本要求和必然趋势。为促进低碳社会建设,从发展低碳社会的内涵和特点出发,按照指标体系的构建原则,根据一定的方法和依据,建立了三层次多指标的低碳社会评价指标体系,利用Delphi法确定各层次相关指标的权重,综合评价低碳社会的发展水平,并指出存在的问题和障碍。     

遗传算法在边坡稳定圆弧滑动面搜索中的应用

将遗传算法应用于边坡工程的分析和设计,若边坡滑动面为圆弧状,可搜索出圆弧形临界滑动面的圆心及滑出点坐标,从而确定了临界滑动面的位置,并利用简化毕肖普法和瑞典法求出对应的抗滑稳定安全系数,实现了遗传算法在边坡稳定分析中的应用.通过计算实例证明,遗传算法在边坡稳定分析中具有一定的适用性及优越性.     

人工鱼群神经网络在热连轧卷取温度预报中的应用

卷取温度预报结果对热轧带钢的成品性能具有重要影响。人工鱼群算法是新近提出的寻优策略,具有良好的克服局部极值、获得全局极值的能力。建立了一种人工鱼群神经网络预测模型,利用人工鱼群算法训练神经网络的权值,并将该神经网络用于卷取温度预报。通过某钢厂现场实测数据对该模型进行离线训练和对比测试,结果表明,该方法与传统的BP神经网络预测方法相比,具有较强的自适应能力和较好的预报效果;该模型能够精确预报卷取温度,可用于离线学习和预报,为在线应用打下良好基础。     

有向相似性对协同过滤推荐系统的影响研究

为研究用户的相似性对协同过滤个性化推荐算法的影响,认为用户的有向相似性应该由邻居用户指向目标用户,而非由目标用户指向邻居用户。基于该思想,提出了一类改进的协同过滤算法。通过对Movielens数据集的实验分析,结果发现改变用户相似性的方向可大幅提高推荐结果的准确度和推荐列表的多样性。进一步,强化相似度高的用户的推荐强度可大幅提高推荐效果,算法的准确性可提高17.94%,达到0.086 4,当推荐列表的长度为10时,推荐列表的多样性可达到0.892 9,提高20.9%。该工作表明用户相似性的方向是否合理对推荐算法具有非常大的影响。