试论建筑工程项目实施阶段造价控制与管理

文章就我国建筑工程项目实施阶段造价管理过程中存在的问题及其成因进行剖析,并在结合国情的基础上,提出了项目实施阶段造价控制与管理的相应策略,以期对我国的工程项目建设与管理有所裨益。     

Neural correlation of item recognition and voice source retrieval

An experiment was conducted using event-related potentials to investigate the old/new effects of the item recognition and the voice source retrieval tasks on drawing. The results indicated that (1) the old/new effect for the voice source retrieval task was much wider than that of the item recognition task; (2) the distributive characteristics of the voice source memory effect were different from those in previous studies; (3) the old/new effects for target and non-target-old drawings were similar. These results demonstrated that the voice source retrieval task is more difficult than the item recognition task for drawing, which supports the dual-process model. The experimental material and the source characteristic regulate the spatial and temporal distributions of the old/new effect for the voice source retrieval task together.     

不确定性因素对项目评估中确定值的影响分析

在项目评估中常常会产生许多不确定因素的影响,针对不确定性因素,对收益额、折现率、收益期确定值的影响度进行了分析,以提高收益法结论的可靠度,使收益法评估在对未来收益的预测时,建立在一个更科学合理的基础上。     

Apriori算法的一种变形

关联规则是数据挖掘的主要技术之一.本文针对目前最经典的关联规则挖掘Apriori算法的局限性,提出了一种只扫描一遍事务数据库的效率较高的Apriori_Tid-1算法,并给出了一个具体的实例,最后给出了该算法的实现.     

项目反应理论与认知诊断模型的参数估计:模型整合视角

将极大似然期望最大化(maximum likelihood estimation via the expectation maximization,MLE-EM)算法拓展到了广义诊断模型估计中,并详细描述了如何使用期望最大化算法计算模型参数的极大似然估计值.从理论上明确指出,在认知诊断模型中存在的2类参数,即项目参数和结构参数,都是从观察数据中自由估计获得的.据此对项目反应理论和认知诊断模型中所用的边际极大似然估计期望最大化(marginal maximum likelihood estimation via the expectation maximization,MMLE-EM)算法理论进行了澄清,指出以往一些研究出现错误结论的原因.最后从模型整合的视角上为后续的研究提出了4条建议.     

自适应形式的计算机等级考试的应用研究

目前,计算机等级考试采用的还是基于计算机的考试形式,计算机在整个考试中所起的作用仅局限于题目的呈现和成绩的统计,起到考试"执行者"的作用。由于考试并没有因材施测,考试不能很好地考察学生的真实水平,考生抽取试题时存在"运气",考试的合理性和公平性受到很大质疑。自适应形式的计算机等级考试可以解决传统计算机等级考试固有的弊病,可以实现"因材施测",并且考试的实施和组织更加经济。对自适应形式的计算机等级考试中所涉及的几个关键技术问题进行研究,探索大规模实施自适应形式的计算机等级考试的可行性,并进行模拟研究和实证研究。     

未来测验新趋势——计算机自适应测验

介绍了计算机自适应测验（CAT）的基本原理及优越性,指出它可以解决传统的纸笔测验自身无法解决的弊端,能够快速准确地估计出被试的真实水平,极大激发被试的考试动机,真正实现因人施测.     

分布式数据库约束性关联规则挖掘

针对分布式数据库和约束条件的特点,提出了2种在分布式环境下挖掘约束性关联规则的有效算法,即基于Apriori算法的DMAIC算法和基于频繁模式树的DAMICFP算法.此外,进行了实例验证和测试分析,指出了这2种算法各自的优缺点及适用条件.研究结果表明:DMAIC算法可靠性高,通信协议简单,适用于对通信性能要求不高的分布式数据库;DAMICFP算法执行效率高,通信性能好,适用于对通信性能要求较高的多项目分布式数据库;这2种算法均能有效地解决分布式挖掘约束性关联规则的问题.     

含2部分费用的订购费用和库存费的库存模型

传统的确定性经济批量模型所解决的问题都是假定订购费用和库存费是固定不变的,文章在放松这个假定的情况下,研究了常数需求率下,含2部分费用的订购费用和库存费的变质性物品的库存模型。在该模型中,假定订购费用和库存费都包含固定费用和可变费用2部分费用,此外,允许短缺发生且短缺部分延期供给,证明了模型最优解的存在性和唯一性,通过数值实例验证了模型的求解过程,并作了相关参数的灵敏度分析。     

融合位置信息和物品流行度的协同过滤算法

针对绝大多数用户消费习惯对地理位置的敏感性,以及推荐过程中的"长尾效应",提出融合位置信息和物品流行度的协同过滤算法。对传统的协同过滤算法作出2点改进:第一,将用户兴趣偏好与位置偏好相结合,提出一种新的基于地理位置的用户相似度计算方法;第二,在预测评分时,引入物品流行度权重,合理地调整流行物品和长尾物品的推荐期望值。使用Foursquare数据集作为实验数据集,与相关算法进行对比实验。结果表明,改进算法能有效提高推荐的精度和推荐结果的多样性。