水样组织视角的人单合一模式激活组织逻辑探析——基于海尔模式研究

海尔人单合一模式的组织变革因应了数智时代的商业环境挑战和激活个体成就动机的需求,识别出大型企业组织变革发展的内在逻辑与动力。基于大企业病、员工与用户关系、不确定性复杂环境的逻辑起点,以合乎水样组织的特性推动企业从刚性的科层组织转型为柔性、动态、开放、迭代发展的水样组织,其转型成功的关键在于通过激活用户和员工两种“价值水源”从而激活了整个组织。人单合一模式对于研究者与实践者理解分析数智时代的组织特性、治理关系,创新组织发展模式具有理论与实践启发性。     

离心级联水力学的扰动分析

为了提高离心级联的分离效果,研究了各级机器参数扰动时所引起的流体状态偏移。在求解离心级联水力学静态特征根的基础上,以扰动级为界,通过对级联贫化、浓化部分分段求解,得到了水力学流体状态偏移的解析解,并用数值实验加以验证。结果表明:对于小扰动情况下的离心级联,用解析与数值2种方法得到的流体状态偏移曲线十分相似,主静态特征根Z2对级联中压强和流量的偏移起主导作用。因此,该解析解可以为实际离心级联参数的调整和设计提供参考依据。     

基于聚类的多样本复发拷贝数变异检测算法

拷贝数变异是人类基因组中一种重要的结构变异类型.不同样本中相同区域出现的拷贝数变异称作复发拷贝数变异.研究表明,复发拷贝数变异与人类复杂疾病紧密关联.提出一种基于聚类思想的多样本复发拷贝数变异的检测算法,该算法首先提取两种与复发拷贝数变异密切相关的特征:即多样本中每个位点的拷贝数变异比率和拷贝数变异幅度均值,然后利用聚...     

基于多级特征融合的视频火焰检测方法

火焰前期一般多为小目标,但一般的火焰检测方法对于小目标的检测能力较差.为检测早期火焰,提高火灾预防能力,提出了一种融合多级特征的视频火焰检测方法,针对下采样分辨率变小导致丢失目标的问题,引入了反卷积模块,并融合深层具有较强语义信息的特征和浅层具有较强细节信息的特征,从而有效提高了火焰的检测率.所提算法在Bilkent大...     

Fast Fractal Image Encoding Using an Improved Search Scheme

As fractal image encoding algorithms can yield high-resolution reconstructed images at very high compression ratio, and therefore, have a great potential for improving the efficiency of image storage and image transmission. However, the baseline fractal encoding algorithm requires a great deal of time to complete the best matching search between the range and domain blocks, which greatly limits practical applications of the algorithm. In order to solve this problem, a necessary condition of the best matching search based on an image feature is proposed in this paper. The proposed method can reduce the search space significantly and excludes the most inappropriate domain blocks for each range block before carrying out the best matching search. Experimental results show that the proposed algorithm can produce good quality reconstructed images and requires much less time than the baseline encoding algorithm. Specifically, the new algorithm can speed up encoding by about 85 times with a loss of just 3 dB in the peak signal to noise ratio (PSNR), and yields compression ratios close to 34.     

基于多流卷积和数据增强的声场景分类方法

针对单特征输入时,现有声场景分类方法分类准确率不高且泛化能力不强的问题,提出了一种基于多流卷积和数据增强的声场景分类方法．首先,介绍了卷积神经网络和混合数据增强的基本原理;其次,基于网络并行输入理论,设计了一种多流卷积神经网络模型以期实现多流特征融合,其由特征提取模块和特征融合模块组成;然后,为进一步提升模型的准确率并降低模型过拟合的概率,提出了一种多维混合数据增强方法以实现特征数据的平滑处理;最后,采用9种特征组合方案,基于Urbansound8K,ESC50和ESC10数据集分别开展了声场景分类实验．实验结果表明：模型的准确率分别为88.29%,77.75%和96.25%,验证了当使用该方法进行声场景分类研究时,模型具有较高的准确率和较强的泛化能力．     

基于依存语义注意力的词对上下位关系识别

针对现有上下位关系识别方法未能充分挖掘利用词对共现句中上下位关系语义的问题,提出一种基于依存语义注意力的词对上下位关系识别方法．利用词对共现句最短依存路径的路径向量训练Softmax分类器进行上下位关系识别,引入依存语义注意力机制,构建最短依存路径的注意力权重向量和路径评价函数,更细粒度挖掘和表示不同词和不同路径对上下位关系语义的不同贡献,从而更充分利用精细语义特征实现更准确的上下位关系识别．结果表明：相比HypeNet和NPM等代表性方法,本方法在中文和英文实验数据集上的识别准确率分别可提高2.0%和1.3%,且识别性能更稳定．     

基于迁移学习的双层单目标优化算法

提出一种基于迁移学习的双层优化算法(BLOA-TF)来求解双层单目标优化问题(BLSOPs),该算法融合了机器学习领域的迁移学习思想．首先,通过聚类算法挑选出有代表的个体进行下层优化,将获得的下层优化信息使用归档集记录;然后,将归档集记录的下层优化信息迁移给其他相近未经下层优化的个体,以此加速整个优化过程,并有效减少计算开销;最后,将所提出的算法与通常基于嵌套的双层优化算法在12个标准测试问题上进行比较,实验结果证明了所提算法用于处理双层单目标优化问题的有效性．     

关于最佳轨道引论(23)

在这篇文章中,《关于航天器最佳发射轨道的理论及其他问题的研究》中的一些结果被完善。     

基于改进量子遗传优化支持向量机的配电网故障分类

针对传统方法在解决现代配电网故障分类时存在的求解速度慢、分类精度差的问题,提出一种结合量子遗传算法的支持向量机配电网故障分类方法。首先采集故障信号并进行S变换处理,将处理结果的均方根与均值作为特征量,以提高特征量辨识度;其次在量子遗传算法的种群更新策略中引入自适应动态旋转角,避免算法在早期陷入局部收敛,增加算法的调参精度。以IEEE33节点配电网模型为研究对象的实验结果表明,所提的特征量提取方法有效提高了支持向量机的故障分类精度,改进后的量子遗传算法通过为支持向量机寻到更优参数从而进一步提高了故障的判别精度和分类速度,验证了方法的有效性与准确性。