权利外观视角下所有权善意取得本质的新解读——以私法自治为正当性理论证成

现代民法中表示主义的兴起源于“信赖保护”,意思表示的客观解释、德国民法典的表示立场、物权变动的公示无一不是权利外观理论的体现,但私法自治才是所有权善意取得制度的正当性基础.正确认识所有权的善意取得制度的历史演化、构成要素、理论基础,跳出原始取得的既有框架约束,将之定位于继受取得,对于正确适用善意取得制度具有重要意义.     

疲劳驾驶检测方法研究综述

分析了疲劳驾驶检测的研究现状,介绍了当前使用最为广泛的几种检测技术以及研究成果,综合分析比较了各种检测方法的优劣性,最后总结指出了疲劳驾驶检测的重要意义以及发展趋势,继续开展以明确检测标准为基础,以计算机视觉为重要手段,以信息融合为大方向的研究。     

ETL技术在复杂数据迁移项目中的应用

针对数据迁移中ETL技术的实现问题,指出可以通过构造输入数据库和中间数据库,利用Datastage工具和PL/SQL程序相结合的方式进行数据迁移.给出了Datastage工具的应用策略和PL/SQL程序实现ETL过程的具体流程.实践表明该方案数据迁移速度较快,能够较好地完成海量数据的迁移任务.     

网格技术在中尺度数值天气预报MM5模式中的应用

以中尺度数值天气预报MM5在网格环境下运行为例,分析了基于网格计算的应用系统在资源共享方面的应用.介绍了中尺度数值预报模式的差分近似算法,并以基于网格计算的中尺度数值天气预报MM5为例,给出了在网格环境下的实验流程和结果.实验表明.使用Globus技术使得原本只能在集群或小型机上运行的科学计算程序能够在普通PC上运行起来,并且随着加入网格机器的增多,可以提高运行速度和吞吐量.     

判决性字典学习方法综述

为了解决在基于稀疏表示的分类算法中,传统字典学习框架下学习得到的字典仅可用于信号重构而并不针对分类的问题,分析和总结了具有代表性的面向分类的字典学习算法,也称判决性字典学习。判决性字典学习算法总体上分为两类:直接使得字典具有判决性和使得表示系数具有判决性。对两类方法进行分析和总结可为本领域算法的发展提供参考,并引起更多研究。     

时变β资产定价模型:基于个股的检验

基于因子β随公司规模、账面市值比而变的动态随机一般均衡模型,给出时变β的条件资产定价模型,并使用宏观经济变量对α建模,对风险调整收益进行个股检验.发现时变口的多因子模型可解释规模效应和价值效应,但无法解释流动性效应和惯量效应.α随宏观经济变量而变时,惯量效应消失,因此惯量策略能够获利与经济周期变化有关.实证结果支持风险定价的理性资产定价理论,即超额收益由风险因子和因子β决定.     

抗干扰的MRAC系统设计

基于popov超稳定理论提出一种新的抗干扰的模型参考自适应控制方案,不需要对干扰作任何的假设与近似.通过引入几种特定形式的干扰进行仿真,仿真结果表明了该方案的有效性.     

具有弱稳定秩n的模

设M是模,E=End(M)是模M的自同态环.本文引入了模M的弱稳定秩n,并证明了:如果R是弱稳定秩n的,那么eRe也是弱稳定秩n的.如果M是弱稳定秩n的投射R模,并且对任意n生成R模B,和任意R模A,若M⊕B(≌)M⊕A,那么B(≌)A.特别地,若R是交换的p.p.-环,则RR有弱稳定秩1.     

矩阵时间序列的减秩自回归模型及其应用

在矩阵维度较高或行(列)变量相关性较强的情况下,已有矩阵自回归模型的应用将面临预测精度下降与解释能力不足的双重挑战.为解决上述问题,本文提出减秩矩阵自回归模型及减秩-迭代最小二乘估计方法.通过设定系数矩阵的低秩结构,降低自变量维度及待估参数数目,该模型既能有效保证估计精度,增加预测准确性,又可简化变量间关系,提升解释能力.进一步,本文证明了估计方法的理论渐近性质,并指出模型秩的确定可采用最小特征值比率准则.数值模拟显示,在秩约束条件下,减秩矩阵自回归模型及其估计方法表现更优.最后,该模型被应用于城市空气质量研究,实证结果充分体现了其降维去噪,准确预测及有效解释的优势.     

融合隐式信任与属性偏好的群组推荐算法

随着互联网和推荐系统的不断发展，推荐服务的对象由单一用户扩展为群组成员，获取并融合组内成员的偏好、提升群组推荐效果成为当前推荐领域研究的热点问题.利用用户提供的多属性评分矩阵，提出一种融合隐式信任与属性偏好的群组推荐算法.首先，基于用户共同评分项目数和多属性评分相似度计算用户间的直接隐式信任，并利用信任传递机制获取用户间的间接信任，降低数据稀疏性.然后，通过计算用户各属性评分与总体评分间的距离来挖掘用户的属性偏好，在此基础上，利用注意力机制学习组内用户权重，将用户偏好聚合为群组偏好，进而结合深度学习框架对候选项目进行预测，生成最终的推荐列表.最后，四个数据集上的实验验证了提出的算法的有效性和可行性，实验结果表明，该算法的准确率、nDCG等评价指标明显优于对比算法.