差分放大器的理论与实验教学研究

讨论了差分式放大器教学中的几个典型问题,包括电路图的规范问题、小信号等效电路以及实验教学中的几个难点.     

关于一个特征值猜测的注记

给出一个特征值猜测的反例并得到该猜测成立的充要条件，改进了一个关于矩阵数值范围的定理。     

交通繁忙地段T梁采用横移落梁架设施工技术

介绍了在交通繁忙的狭窄地带T梁架设采用横移落梁的施工方法、有关注意事项及在设计上采取的相应措施。     

中国日本国公路交通安全生产法规比较

建立与国际接轨的公路交通法规和克服不良驾驶习惯，已成为当前公路交通安全生产的重要课题。分析了中国、日本国交通法规中安全相关条文的差异。借鉴日本国公路交通法规的有益经验，着重分析我国公路交通安全方面存在的问题，寻找科学的解决方法，以求建立符合国际潮流的公路交通法规。指出：需重新修订我国交通管理法规中安全生产条文使之与国际接轨、将管理区域内的交通安全状况纳入责任考核。     

一维连通流形的分类（Ⅰ）

连通的一维流形在同胚的意义之下恰可分成７类，它们分别以下列７个空间作为代表：１）紧致区间［０，１］；２）半实轴［０，∞）；３）实数轴Ｒ；４）单位圆周Ｓ１；５）超穷长半直线［０，ω１）；６）单向超穷长直线（－∞，ω１）；７）（双向）超穷长直线（－ω１，ω１）．     

自主式交通系统功能架构优化密度峰值聚类算法

自主式交通系统(autonomous transportation system, ATS)是为应对主动式智慧交通发展趋势而提出的新一代交通系统。为科学合理地构建ATS功能架构,提出了一种面向多属性文本的优化密度峰值聚类算法(density peaks clustering, DPC)。该算法结合交通系统功能架构的基本特征,通过改进的词频-逆向文档频率算法与文本向量空间模型,将多属性文本转化成空间维度坐标。再利用高斯函数和决策值优化DPC算法进行聚类,并结合轮廓系数对聚类结果进行评价。为了检验算法的合理性,在ATS道路自动驾驶场景下,基于道路载运工具运行服务域、交通基础设施管理服务域和交通安全管理服务域的功能数据集进行了算例分析,依据聚类结果绘制功能架构图。架构图由自主感知-自主学习-自主决策-自主响应4层构成,验证了ATS应用场景中功能架构优化算法的可行性和合理性。算例结果表明：该算法的构建具有鲁棒性,算例轮廓系数整体均值为0.84,与原算法相比解决了聚类过程中聚类中心难以划定的问题;与原智能交通系统中的各架构设计相比,该功能架构更具有层次性和逻辑性。该优化算法能够促进新一代交通系统...     

基于改进断裂点理论的机场吸引范围界定

合理界定机场吸引范围,是构建坚固民航运输网络的关键环节。现有的机场吸引范围界定方法,很少考虑与其衔接的地面交通网络,以及旅客出行偏好的影响。为提高机场吸引范围的实用性,本文以城市断裂点理论为基础,对其中的重要参数予以改进。首先,以综合交通运输为背景,指出发达的公路和铁路运输网络对民用机场具有很大的竞争与促进作用,并提出以地面交通出行时间为量化标准的吸引范围界定方法。然后,为分析旅客出行偏好的行为机理,针对于与机场衔接的地面交通网络来建立离散选择模型。其次,将研究区域的机场所在城市看作是一个整体,运用专家评价法和熵权法综合确定机场的吸引规模,并通过机场吞吐量与城市对外出行总量针对机场规模进行修正。最后,通过算例验证改进模型的实际可操作性,为确定多机场系统吸引范围界定提供新的思路和方法。     

基于Bert股吧舆情分析的特征融合股价走势预测研究

传统股价预测模型往往只考虑时序性数据且局限于模型自身机制,而忽略舆情对股价的影响,导致预测精度不高,针对该问题,提出基于 Bert 股吧舆情分析的特征融合预测模型对股价收盘价进行涨跌幅预测。 首先,采用Bert 自然语言处理对股吧舆情以及公司公告政策进行情感分类,并转化为虚拟变量,构建金融舆情情感特征库;然后将金融舆情特征库和时序性数据合并构建特征融合矩阵;最后输入长短期记忆网络模型(LSTM)进行股价收盘价预测,并得出股价的涨跌结果。 以华银电力(600744. SH)为例进行实证分析,实验结果表明:引入股票情感特征后的模型,得到的股价走势准确率上升了 8. 63%,预测收盘价的回归指标 FMAPE FRMSE 分别下降了 23. 59%、22. 9%,R2 提高了 8. 11%,证明引入新的舆情情感特征在实际预测中能提高股价预测的准确率,可以作为精准预测股价走势的手段。     

基于词-标签概率的多标签文本分类研究

针对多标签文本分类任务中如何有效地提取文本特征和获取标签之间潜在的相关性问题,提出一种CNN(convolutional neural networks)结合Bi-LSTM (bi-directional long short-term memory)的模型.首先,通过CNN网络和最大池化提取文本的特征;然后,利用训练的Labeled-LDA(labeled latent dirichlet allocation)模型获取所有词与标签之间的词-标签概率信息;接着,使用Bi-LSTM网络和CNN网络提取当前预测文本中每个词的词-标签信息特征;最后,结合提取的文本特征,预测与当前文本相关联的标签集.实验结果表明,使用词-标签概率获取文本中词与标签之间的相关性信息,能够有效提升模型的F1值.     

一种新的高距离分辨率脉压技术的研究

在频率进步雷达高距离分辨技术的荐,为解决压缩经的限制提出了在子冲引入线性调频体制的新型雷达波形。