基于目标的软对策分析方法

针对软对策论不易解决面向目标的群决策问题，将多目标决策技术与之有机结合，根据各局中人的决策矩阵及对两两可行结局的比较结果，利用多维偏好分析技术确定各自对所有结局的偏好序，然后再利用对抗分析确定其合理策略，建立了基于目标的软对策分析模型。该的建立对利用软对策方法解决面向目标的决策或协商问题有一定意义。     

试析高校理科学报的社会效用

分析了高校理科学报的现状，提出了利于提高高校理科学报社会效用的设想．     

n维DCT的快速算法

提出了长度为Ｎ＝２＾ｍ（ｍ≥２）的ｎ维（ｎ≥２）余弦变换（ＤＣＴ）的一种一般性快速算法，并进行了理论证明和算法性能比较。算法的理论结果是，乘法次数为沿ｎ个方向计算的１／ｎ，加法次数在Ｎ≤８时略多于后者，在Ｎ≥１６以后少于后者，将以举例检验。     

多维力传感器的研究与应用

多维力传感器可以检测三维空间多个方向的力或力矩信息，自上世纪70年代问世以来，首先在智能机器人领域得到应用，近年来在航空、航天、机械装配与制造，以及体育竞技领域也获得了广泛的应用，由于其研究涉及多个学科领域，制作工艺也比较复杂，所以其技术至今仍在发展中。     

我国文化“走出去”的困境与出路

<正>作为国际服务贸易的一个重要组成部分,文化贸易已成为当今服务贸易的重点领域之一。文化贸易在发达国家国民经济产值中占有很大比重,是出口支持产业之一。在改革开放和经济全球化的形势下,我国的对外贸易一直在不断发展,然而文化贸易的发展却落后于对外贸易的总体发展,长期处于逆差的境地,面临着发展结构不合理以及技术水平和创新能力不够等多种问题。2014年     

新闻事件多维频繁模式挖掘——基于多维属性索引树方法

提出一种基于多维属性索引树的新闻事件多维频繁模式挖掘方法。该方法首先根据新闻事件属性建立多维关系数据库,然后将属性集按其特性分成非内容属性集和内容属性集两部分,依据非内容属性集创建多维属性索引树,同时利用概念分层对索引树属性进行概念泛化,以解决数据稀疏问题;最后基于多维索引树挖掘新闻事件多维频繁模式。通过真实数据集上的实验,验证了方法的有效性和优越性。     

基于电阻元件定性效用分析的电路可稳定振荡性判定方法

相量形式的电路起振条件中,在谐振频率■处环路增益的幅角对频率的偏导■符号是电路的一个关键特征．对于内含RLC串联结构或RLC并联结构作为谐振选频环节的电路,一般性地推导出了谐振选频环节中电阻元件的参量（电阻值或电导值）变化或频率变化所引起的环路增益模变化和幅角变化之间的关系．据此得到了判断这一偏导符号的严谨而方便的定性方法,此方法简单到只需分析谐振选频环节中电阻元件的参量（电阻值或电导值）变化对于环路增益的定性影响效用即可．论证了电路中同一位置处选取RLC串联结构或RLC并联结构作为谐振选频环节时,两种情况下得到的这一偏导符号相反．这一偏导的符号对于定性判断采用常规放大器件的电路是否具备依赖于内稳幅的可稳定振荡性起着重要作用．当这一偏导的符号不满足可稳定振荡的要求,则只需要将谐振选频环节的内部连接方式（串联或并联）变更一下就能解决问题．这种定性分析也为新型LC振荡器的设计提供了可能性．     

最低财富约束下隐性激励对机构投资策略的影响

在最低财富约束下,构建一个引入隐性激励的动态投资组合模型,探讨最低财富约束和隐性激励对机构投资策略的影响.通过鞅方法求解机构最优投资组合策略,发现不存在最低财富约束与中、低财富约束水平下,只有在机构管理的资产财富价值接近资金流动跳跃阈值时,隐性激励才会对机构最优投资策略产生影响;高约束水平下隐性激励不影响最优投资策略,中等约束水平下隐性激励对最优投资策略的影响与不存在最低财富约束和低约束水平下隐性激励的作用相反.进一步分析发现,最低财富约束造成机构的效用损失,其效用损失随着隐性激励强度增大而增大,随着隐性激励不对称程度增加而降低.     

古典戏剧大团圆结尾的多维透视

中国古典戏剧结尾的大团圆,是中华民族特有的文化现象。其形成的主要原因是:以"中和"为美、审美的伦理道德化、戏剧欣赏的娱乐性追求、强烈的结果期待意识及尚圆传统、对社会现实生活缺陷的补偿、统治者的提倡。     

多维近邻密度估计的Lp模强相合性

设X_1,…,X_n是i.i.d.的具有密度f(x)的d维随机变量。设S_(x,a(x))是中心在x且至少包含X_1,…,X_n中k_n个点的最小的球,则f_n(x)=R_n/(n|S_(x,a(x)|)是f(x)一个近邻估计。我们证明了:假如lim k_n/n=0,lim k_n/logn=∞以及flog~ f在任何有界Borel集上可积(或∫f'(x)dx<∞,p>1),则对任何有界Borel集A有(或p>1)。反之,如,则有∫f~p(x)dx<∞,lim n→∞k_n/n=0和lim n→∞k_n=∞。