战略视角下的电子企业并购绩效评价体系构建

基于战略的视角,选择财务、内部运作流程、客户、学习与成长以及外部形象5个层面共14个财务指标和非财务指标构建了电子企业绩效评价指标体系,为我国电子企业并购的绩效研究提供了一条较为全面系统的方法和思路。     

甲醇羰基化反应速率控制步骤的理论研究

采用以ＡＳＥＤ－ＭＯ（含原子对排斥的ＥＨＭＯ法）为基础的结构自动优化的ＥＨＴＯＰＴ法，对共聚物铑配合物催化甲醇羰基化制乙酸反应的速率控制步骤－氧化加成进行了理论研究，计算了不同共聚物配体形成的铑催化剂与碘甲烷的氧化加成反应途径，并得到反应活化能。分析了氧化加成反应过程中的电子转移和空间因素对活化能的影响，计算结果与实验结果是相符的，并从理论上解释了２－乙烯基吡啶形成的共聚物铑配合物催化活性高于４－     

甲醇羰基化制乙酸催化剂结构的理论研究（I）

采用以ＡＳＥＤ－ＭＯ（含原子对排斥的ＥＨＭＯ法）为基础的结构自动优化的ＥＨＴＯＰＴ法对甲醇羰基化制乙酸共聚物配体的铑催化剂结构进行了理论研究，计算并比较了二元共聚物配对ＡＡ，ＡＢ（或ＢＡ），ＢＢ分别与铑配位形成四配位结构的成键状态，电荷布居及能量变化，从理论上支持了该催化剂的实测结果及其活性的解释，并进一步说明了共聚物配体交替结构的重要作用。     

多源地学信息的自动综合研究综述

地学信息普遍存在模糊性、多解性、不确定性和不完备性,传统的一些方法不能有效地综合各种地学信息,开展空间推理、多源地学信息的表达研究是实现计算机空间数据特征信息的自动综合的关键,也是实现GIS智能综合的关键所在.     

基于受限的非负矩阵分解的多光谱和全色遥感影像融合

为了有效去除遥感影像中数据冗余问题,提出了一种基于受限的非负矩阵分解的影像融合算法,利用矩阵的非负性实现了中巴卫星多光谱影像和Landsat ETM 高分辨率全色影像的融合.实验结果表明,与IHS变换,小波变换等传统融合方法比较,该方法在较好的保留光谱信息的同时,空间细节信息也得到了增强,同时具有较高的峰值信噪比.     

非负矩阵分解算法在遥感图像融合中的应用

研究了非负矩阵分解(NMF)方法在遥感图像融合中的几种应用.在多光谱图像与全色图像融合的过程中,采用了非负矩阵分解融合算法,非负矩阵分解与主成分结合(N_PCA)的融合算法,非负矩阵分解与提升小波变换结合的融合算法,通过对各融合图像的目视判定及统计参数判定,分析评价这些算法在遥感图像融合中的性能差异.研究实验证明非负矩阵分解算法应用于遥感图像融合处理,具有较好的融合效果,非负矩阵分解算法,非负矩阵分解与主成分结合的融合算法,非负矩阵分解与提升小波变换结合的融合算法在遥感图像融合中的性能优于传统的主成分融合算法(PCA),其中,非负矩阵分解与提升小波变换结合的融合算法的性能最为优异.     

挤扩支盘桩桩土相互作用的三维有限元分析

简要分析了挤扩支盘桩挤扩成盘过程中及受压状态下的桩土相互作用,并结合一工程实例,利用ADINA有限元程序建立了桩土作用三维模型,对挤扩支盘桩受压状态下桩体、土体的应力状态进行了分析计算.结果表明,上支盘内的有效应力要明显大于下支盘,两支盘间土体存在应力叠加,并通过分析指出了最佳的盘间距应大于3.5倍支盘直径.     

时空信息统计学的一些基本理论和方法

讨论了时空信息统计学(地质统计学)的若干基本理论和方法：1)若干基本概念，包括时空域的随机变量和随机函数，仅考虑空间域或时间域的不足，空间域与时间域之间的差异，二阶平稳假设及内蕴假设；2)时空域信息的平稳线性最优估计，主要讨论了变异函数与协方差函数及平稳线性最优估计方法；3)时空域信息的线性非平稳最优估计，提出了漂移和涨落的概念，关于漂移的形式及非平稳线件景优估计方法。     

一种基于二分查找的快速降型算法

降型是二型模糊系统中的主要运算. 在KM和EKM算法基础上提出一种新的降型算法, 在有序的样本点集合中采用二分查找方法,能快速确定转换点并求出二型模糊集合的质心. 在4种不同类型的区间二型模糊集合上, 与KM、EKM、MEKM降型算法进行实验比较, 结果表明4种算法均能准确地找到左右切换点, 求出二型模糊集的质心, 但我们所提算法找到切换点所需的循环次数最少, 算法效率较高.      

Takagi-Sugeno型分层混合模糊-神经网络训练算法研究

为寻求适合离散和连续变量并存数据特点的最佳训练算法,本文对基于三角波,梯形,Gaussian隶属函数的Takagi-Sugeno型分层混合模糊-神经网络训练算法进行综合比较研究,使用梯度下降法详细推导了各个参数的迭代规则,并给出了完整的训练算法和详细的参数调整过程.以Pyrimidines和Heart-UCI为数据分别进行函数逼近与数据分类实验,并与经典的BP算法比较.实验结果表明Takagi-Sugeno型分层混合模糊-神经网络在高维且离散与连续变量混合的函数逼近和分类上比BP神经网络更具优势,而基于Gaussian隶属函数的训练算法函数逼近精度比基于三角波和梯形隶属函数的训练算法精度更高.