用最大流-最小截原理进行工期一费用优化的分析

阐述了最大流-最小截的基本原理，并运用它对工程网络图实例进行了工期一费用优化分析．     

网络环境下组合体交互式3D动画的设计

工程制图组合体网络教学系统的特点是三维实体造型多,动画数据量大,交互性强,对网络带宽要求高,开发该系统的关键和难点在于实现组合体三维动画的网络快速传输和实时交互.介绍了建立组合网络3D模型、动画及交互式操作,以及如何提高三维模型网络传输速度的实现方法.实验表明,基于Java 3D的组合体动画具有网络响应速度快、交互性强、文件占用空间小的优点,对于开发组合体网络教学系统十分适用.     

一种改进的阈值分割算法在复合材料图像处理中的应用

针对纤维增强复合材料微观结构图像的特点,提出了一种改进的基于模糊思想的阈值分割算法,该算法利用整体阈值、局部阈值和像点梯度信息之间的关系,构造了一个双输入单输出的模糊逻辑系统,合理计算出像点的最佳分割阈值.实验结果证明了算法的有效性.     

用于可压缩Navier-Stokes方程的多速度级与多能级

构造了用于可压缩Navier Stokes方程的25 bit格子Boltzmann模型, 它具有3个速度级和3个能级. 令其局部平衡态分布函数具有质量、 动量和能量守恒, 同时假设平衡态分布函数满足高阶矩条件, 得到了具有二阶截断误差的可压缩Navier Stokes方程. 数值模拟表明, 所得结果比一阶模型的结果有较高的精度与分辨率.     

定态量子流体动力学模型解的一些估计

有关量子流体动力学模型的研究成为了一个热点问题。研究了当电子密度为正,引入新的变换ω=ρ后,得到稳定态半导体量子流体动力系统的解的L∞估计、H1估计和H2估计。     

基于混合编码框架的H.264/AVC核心新技术

介绍了H.264独有的特点,包括帧内预测、整数余弦变换、二进制自适应算术编码、概念性网络适配、多种块尺寸运动搜索、1/8像素运动估计精度等。     

小子样条件下幂律退化模型的加速因子分析

结合长寿命、高可靠性产品加速寿命试验的特点,在失效机理不变的条件下,提出了幂律退化模型加速因子的概念。推导了加速寿命试验条件下幂律退化模型参数的极大似然估计。并利用Bayes方法,结合额定应力环境下的小子样数据和加速因子的先验分布,推导出加速因子后验分布。在此基础上,给出了小子样条件下可靠性的一、二阶矩的估计公式,进而运用矩等效方法得到可靠性的验后分布,结合实例说明了方法的有效性。     

组织内收入偏好分布与主体激励——模型构建和模拟

组织成员的收入偏好影响其工作积极性，并最终作用于组织绩效。以往的相关研究主要把组织成员看作独立的主体进行分析，忽略了其他相关主体的收入偏好可能具有的影响。在特定组织中，各成员的收入偏好存在差异，因而在组织层面上表现出一定的分布特征，可以用均值、标准差、偏度和峰度等参数进行描述。本文通过建立一个多主体模型来分析组织内成员收入偏好的分布是如何影响特定主体的努力水平，进而影响亚组织（部门、项目团队等）的绩效。研究表明，组织内成员收入偏好的均值和标准差对其努力水平的影响较为显著，说明组织在招聘过程中要注意控制潜在员工收入偏好水平的高低和离散程度。     

Relationships of the Monetary Policy, Stock Market and Real Investment in China Based on Markov-Switching Model

This paper studies the relationships of the monetary policy, stock market and real investment in China based on Markov-Switching-Vector Error Correction Model. It shows that there is a cointegration relationship among the three ones. We disclose the riddle that the stock market is in recession, but the growth rate of economy is very high in recent years. We also find that Chinese economy operated stably most of the time during the past 8 years. But if the economy is difficult to continue its high growth, it is more likely to appear ＂hard landing＂ than ＂soft landing＂. The impulse response analysis indicates the asymmetry between the ＂too cold＂ economy regime and the ＂too hot＂ regime. And the economy will oscillate during the subsequent time when it is shocked under the ＂too hot＂ regime.     

Research on Chaotic Time Series Prediction Based on K-entropy and RBF Neural Networks

In this paper, a method of direct multi-step prediction of chaotic time series is proposed, which is based on Kolmogorov entropy and radial basis functions neural networks. This is done first by reconstructing a phase space using chaotic time series, then using K-entropy as a quantitative parameter to obtain the maximum predictability time of chaotic time series, finally the predicted chaotic time series data can be acquired by using RBFNN. The application considered is Lorenz system. Simulation results for direct multi-step prediction method are compared with recurrence multi-step prediction method. The results indicate that the direct multi-step prediction is more accurate and rapid than the recurrence multi-step prediction within the maximum predictability time of chaotic time series. So, it is convenient to forecast and control with real time using the method of direct multi-step prediction.