论科学发展观的系统思维特征

当代系统思维作为反映现代科学研究方法论内在要求的社会思维范式，具有自身思维的开放性、复杂性、整体性和协调发展性等基本特点。当代系统思维是科学发展的思维基础。科学发展观本质上是属于系统思维发展观，具有发展思维的开放性、人之主体性、人之动因与目的性、发展形式的多样性、整体的协调性和有序调控性等系统思维特征及其时代内涵。     

广义支持向量机优化问题的极大熵方法

依据最优化理论中的KKT互补条件建立了广义支持向量机的无约束优化模型,并给出了一种有效的光滑化近似解法极大熵方法,为求解支持向量机优化问题提供了一种新途径.该方法特别易于计算机实现,理论分析和数值实验结果表明了模型和算法的可行性和有效性.     

微观力学中的对应原理

在连续介质微观力学中,有两类基于微结构信息确定非匀质介质有效性能的基本理论:基于物理的平均场理论和基于数学的渐近均匀化理论.讨论了采用渐近均匀化理论求解具有孔洞的、具有周期性微结构的线弹性复合材料的有效弹性张量的提法、解法和步骤.以渐近均匀化方法为例,讨论了对应原理在求解微观力学线粘弹性问题中的应用     

约束非线性l1问题的调节熵函数法

针对约束非线性l1问题不可微的特点,提出了一种光滑函数的近似逼近方法。该方法利用调节熵函数和罚函数技术将约束非线性l1问题转化为无约束可微优化问题,因而可利用光滑优化的经典算法求出原问题的近似最优解。给出了基于光滑优化问题的BFGS迭代,并介绍了约束非线性l1问题的调节熵函数的有关性质、算法的迭代步骤及其收敛性分析。最后通过数值实例表明了该算法的有效性。     

以矩形/长方体为周期复合材料的弹性力学问题的多尺度分析

针对呈矩形／长方体为周期的复合材料弹性力学问题，对具有高速震荡系数的弹性方程给出了一种多尺度渐进分析方法，描述了以矩形／长方体为周期的复合材料以及相关的弹性力学方程．对此种周期区域进行双尺度分析得到其计算力学性能参数的公式及相应位移场的一些理论结果，给出了基于双尺度方法来计算复合材料的多尺度计算程序．     

重庆市养老金支付存在的问题及建议

不合理的养老金支付条件、支付标准和较低的替代率，不仅导致重庆市退休职工生活水平下降，而且增大了社会养老保险金的支付压力。应根据重庆市老龄化及退休年龄及时调整养老保险金的支付条件和支付标准，提高养老金替代率。     

熵权非均质综合指数算法及其应用

利用熵权方法可以计算非均质综合指数 ,其方法包括确定对象的集合、指标因素的集合、指标矩阵、归一化指标值、指标权重以及计算综合指数等。熵权非均质综合指数算法可将数值有差异的属性参数对非均质指数的贡献进行弱化和强化 ,即去同存异 ;熵权非均质指数的大小能定量表征储层的非均质性。利用该方法在胜坨油田坨2 1断块进行了应用 ,定量地刻划了储层的层间、层内和平面非均质性 ,取得了满意的效果     

CCI土壤湿度产品在中国区的降尺度与融合研究

以欧洲航天局主/被动微波遥感融合的土壤湿度产品数据为主要数据源,结合地表参数、亮度温度、土壤质地、地形、降雨等辅助数据,提出基于移动窗口的线性、非线性联合的土壤湿度降尺度模型,对中国区域2003年1—12月的CCI土壤湿度产品数据进行降尺度,提高CCI土壤湿度数据的空间分辨率,使其更适用于农业、水文模拟等精细尺度的应用要求。为了克服CCI数据冬季缺失较多的情况,利用第3代再分析资料ERA-Interim表层土壤湿度的降尺度和重采样结果与之进行融合,生成空间覆盖完整的2003—2013年中国区月1 km土壤湿度数据集,并利用站点实测数据集对其进行了验证。结果表明,依据主/被动微波融合CCI、ERA-Interim再分析土壤湿度数据以及辅助数据的基于移动窗口和线性非线性集成的中国区地表土壤湿度降尺度和融合方法,提高了CCI土壤湿度数据集的空间分辨率和空间覆盖,同时还一定程度上提高了土壤湿度的估算精度。     

基于组合赋权法的岩质边坡稳定性敏感因素研究

边坡稳定性评价是一个涉及多因素、多层次的高度非线性系统。针对影响边坡稳定性因素的复杂性和不确定性以及敏感因素区分度的不显著性,结合G316抚州资溪花山界至南城黄狮渡段公路改扩建工程,以岩质边坡内部参数、几何形状以及外部荷载所包含的7个因素作为稳定性敏感分析对象。通过有限元强度折减法和单因素分析法确定评价指标因素的敏感度,得出两两因素间的相对重要程度关系,利用层次分析法将定性、定量分析相结合,合理确定各因素的权重。通过岩质边坡原始数据间的关系,运用熵值法来确定各因素的变异性和权重,最后借助主客观组合赋权法对各因素权重进行赋权,确定对边坡稳定性最为敏感的因素,以期为边坡治理和优化设计提供参考。     

基于SIFT的车标识别算法

针对车标识别过程中匹配阈值难、识别速度慢的问题,提出一种基于尺度不变特征变换(SIFT)的特征匹配车标识别算法.利用SIFT算子对图像的视角、平移、放射、亮度、旋转等不变特性进行提取,并采用BP神经网络算法自主选取车标图像特征进行分类、匹配和识别.仿真实验结果表明,简单车标和复杂车标的识别率平均值均达90%以上,该算法识别速度较快、识别率较高,能满足实际应用的需要.