基于SBN模型的Internet应用协议识别方法

针对网络流量协议标注比较困难的问题,提出一种基于贝叶斯网络的半监督学习模型,以提高Inter-net协议的识别精度.该模型首先使用少量的标注样本训练贝叶斯网络分类模型,并对未标注样本进行初始分类,然后从未标注样本中挑选分类损失最小的样本加入到训练集中并重复训练分类模型,经过多次循环训练出最终的分类器.该模型可以使用未标注样本和标注样本共同训练分类模型,非常适合于标注比较困难的Internet应用协议的识别.实验结果表明：在标注样本较少的情况下,该模型的识别精度和稳定性均优于朴素贝叶斯模型和贝叶斯网络模型,对于提高Internet协议的识别精度是有效的.     

高管团队异质性与企业绩效关系——中国情景的元分析检验

本文采用元分析法对36篇实证研究成果进行分析,得到以下结论:第一,高层管理人员间差异性与企业绩效间呈正相关关系,相关系数为0.162,且达到显著性水平(p0.05),因此高管团队异质性有助于企业绩效提升。同时,两者间的相关系数随行业科技含量降低而减小。第二,从变量测量的结果看,异质性的维度和类型对两者间关系具有显著的调节作用,因此自变量的不同测量方式是造成两者间关系存在差异的原因之一。第三,情景分析的结果表明,企业的成立时间、所有制形式等都能够调节二者间关系。因此,企业在变幻莫测的环境下开展经营活动,除了根据情况调整团队异质性外,还应重视内外部因素间相互配合和协调,以此实现企业绩效的提升。     

铁路隧道基底状况对底部结构受力状态的影响

通过引入列车振动荷载函数和混凝土损伤模型,建立考虑隧道底部结构和基岩相互作用的振动响应计算模型,研究列车振动荷载作用下基底状况对铁路隧道底部结构受力状态的影响.研究结果表明:当隧道底部结构与基岩接触良好,没有空洞出现时,底部结构受力较小,列车振动不会引起结构新的损伤;随着隧道底部结构与基岩之间淘空距离的增加,底部结构的动力响应和损伤明显增大,淘空超过一定程度后变化加剧,直至振动破坏,不同淘空方式对应不同的极限条件和破坏形态;同时,基底围岩条件越差,隧道基底变形越大,引起底部结构的受力和损伤程度也越大.     

遗传规划在离散动态系统建模中的应用

在系统结构信息缺乏的情况下，要确立离散动态系统的动态方程组非常困难。利用遗传规划(GP)融合系统结构估计与参数估计的特点，阐明GP在离散动态系统建模中的具体运用，并提出一种利用误差估计进行模型评价的方法。用Lotka-Volterra公式演化的数据对该建模方法进行了实证研究，结果表明遗传规划在离散动态系统建模中是有效的。     

INAR(1)模型参数的Bayes估计

利用Bayes方法研究INAR(1)模型的参数估计, 给出了模型参数的Bayes估计因子, 并通过数值模拟将Bayes估计与Yule Walker估计、 条件最小二乘估计、 条件极大似然估计进行比较. 结果表明, Bayes估计方法在一定情形下优于其他方法.     

南方山地立地条件对杨树人工林生长的影响

以贵州省铜仁地区63块杨树固定标准地为研究对象,调查了I-69杨（Populus deltoids Bartr．cv．‘Lux’）在不同立地条件下的生长状况。结果表明：随着坡度的增大,I-69杨的胸径、树高和蓄积均减小,从阳坡、半阳坡、半阴坡到阴坡,其胸径、树高和蓄积依次减小,且在阳坡、阴坡间差异显著;I-69杨上坡和下坡地生长状况差异也显著,下坡的生长状况好于上坡。与生长最差的荒地相比,退耕地上的杨树生长最好。随着土层厚度的增加,I-69杨胸径、树高、蓄积均增大,随着土壤密度的增大,杨树胸径、树高和蓄积均减小。     

投标过程中的风险与控制

以招投标方式确定工程的承包商是目前我国广泛实行的方法,而在投标过程中承包方会面临各种各样的风险,本文着重分析在投标过程可能存在的风险,以及如何避免各种风险。     

直流辉光放电等离子体增强化学气相法制备金刚石及氮化碳薄膜

采用直流辉光放电等离子体增强化学气相沉积(PECVD)技术方法 ,在Si(100)衬底上制备了金刚石薄膜 ,并在此基础上合成了含有少量晶态颗粒的非晶氮化碳薄膜     

脉冲叠加直流激励辉光放电特性

辉光放电产生的低温等离子体具有广泛的应用前景,日益成为研究热点。本文提出了一种采用脉冲叠加直流的方式来激励辉光放电的实验装置。选取氩气作为反应气体,本实验在低气压下进行,利用参数可调的高频脉冲电源和直流电源进行激励。研究了不同激励方式下击穿电压和电流的变化规律。实验发现：直流辉光放电击穿电压最低,约为380 V,但是在放电过程中放电管发热比较严重;脉冲辉光放电所需击穿电压为450～600 V,但其存在反复击穿;而脉冲叠加直流激励辉光放电则降低了脉冲击穿电压,最低约为400 V,且改善了放电管发热严重的问题。     

基于融合估计的金融数据预测

本文提出了一个基于最小二乘预测和Kalman滤波预测的融合估计方法,并讨论了其性质.通过模拟和实例分析,验证了方法的可行性和优越性.