知识经济时代的会计基本假设

本文就知识经济时代,会计四项基本假设的内涵和外延进行探讨。会计基本假设是会计活动得以进行的基本前提,是一种对会计活动进行时、空、量限定的理论。会计主体又称会计实体,是会计为其服务的特定单位和组织;持续经营是指会计或会计主体的生产经营将无限期的延续下去,在可预见的未来不会破产;货币计量指企业在会计核算过程中以货币为主要计量单位,记录反映企业的经营情况。这四项基本假设明确了会计工作的服务对象和处理对象,21世纪使人类社会进入了知识经济时代,经济的发展使会计也产生了巨大变化:会计主体有待突破;持续经营假设的内涵得到延伸;会计分期假设失去存在的必要性;以货币为主要计量单位,同时发展非货币计量单位。因此只有改革现行四大基本假设,才能全面适应知识经济的发展要求。     

英文字幕电影对词汇附带习得的影响

调查英文电影在词汇附带习得中的作用,以语言输入假设和任务投入量假设为理论依据,进行实证研究实验。结果显示：英语学习者在看英文字幕电影时能够附带习得词汇,并且任务中学习者投入量越大,词汇附带习得的效果越好。     

力学失配2A12铝合金搅拌摩擦焊接头拉伸性能分析

对2A12-T4与2A12-O铝合金搅拌摩擦焊接头试样进行拉伸试验,研究不同强度匹配条件下搅拌摩擦焊焊接接头的拉伸性能。针对接头组织非均质导致的变形不均匀问题,采用数字图像相关技术(DIC)与等应力假设相结合进行分析,定量得到了接头各区域的应力应变响应。结果表明焊接接头的应变分布存在显著差异,且断裂位置与组织非均匀性有关,2A12-T4应变集中发生在热机影响区与热影响区并断裂于热机影响区附近,2A12-O母材区出现应变集中并最终断裂。使用ABAQUS模拟接头试样拉伸过程中的变形行为,对比发现数值模拟结果与试验结果吻合度良好。     

基于UT变换的MMPHD机动目标跟踪

基于序列蒙特卡罗方法的多模概率假设密度(probability hypothesis density, PHD)滤波算法及其改进方法,在预测过程中依据多个并行的状态转移模型将大量粒子散布到下一时刻目标所有可能出现的状态空间,从而实现目标状态的捕获。由于这些方法大量使用粒子,造成计算量巨大、算法实时性差。为此,提出了基于无迹变换的多模PHD机动目标跟踪方法。该方法利用最新量测信息获得粒子预测过程中的建议密度函数,从而将粒子聚合在目标最可能出现的状态空间邻域中,充分实现粒子的有效利用。仿真实验表明,论文提出的算法不仅显著减少了多模PHD算法的计算量,而且在一定程度上提高了多模PHD算法的精度。     

哲人科学家眼中的科学理论的认知结构

本文在澄清“科学理论的认知结构”一语含义的基础上,讨论了哲人科学家眼中的科学理论的两种认知结构——经验归纳认知结构和假设演绎认知结构,着重论述了对后者中的基本假设的认知问题。     

控制混合方向误差的最优方法

假定有很多双尾备择假设需要同时检验,一旦零假设被拒绝,就需要进行方向性决策.在这种情况下,相较于常用的错误率FDR,混合方向错误率mdFDR更受欢迎,因为后者控制由所有拒绝所引起的第I类、第III类错误比例之和的期望.现有文献介绍了带方向决策的BH方法(dBH procedure) ,该方法是带有依据检验统计量的符号而作出方向决策的BH线性检验方法,可在显著水平α下控制mdFDR.除dBH方法外,由Sarkar和Zhou提出的一个方法(SZ procedure)也能控制mdFDR.他们从贝叶斯观点证明了其方法的最优性.本文从频率学派观点,即假定假设分布可从数据获知,来讨论SZ方法的最优性.根据讨论,SZ方法在控制mdFDR及正确地断言更多非零假设的意义上依然是最优的.模拟结果进一步验证了分析结果是成立的,并验证了SZ方法较之于dBH方法更为有效.     

气候变暖背景下黄河源区白河和黑河流域径流变化归因分析

使用Mann Kendall检验和STARS法对黄河源区白河和黑河流域1985-2016年水文气象序列进行趋势分析和突变点诊断,利用基于Budyko假设的傅抱璞公式定量评估气候变化(包括降水和潜在蒸散发)和人类活动对流域径流变化的影响程度.结果显示,两个流域气温上升趋势显著,年径流都呈减少趋势,降水和潜在蒸散发都增加,潜在蒸散发变化幅度大于降水.白河流域径流与降水均未发生突变,径流主要受气候变化影响.黑河流域径流发生两次突变,分别为1994和2012年.弹性系数计算结果显示,黑河径流的降水、潜在蒸散发以及下垫面弹性系数分别为3.82,-2.82,-0.74,表明与人类活动相比,黑河径流对气候变化更加敏感,降水比潜在蒸散发发挥的作用更大.归因分析表明,降水、潜在蒸散发和人类活动对两次黑河径流突变的相对贡献分别为-18.34%、30.12%、88.22%以及74.47%、-40.51%、66.04%,人类活动是导致黑河流域径流变化的主要原因.     

基于PHD滤波和数据关联的多目标跟踪

针对杂波环境下的多目标跟踪,概率假设密度（probability hypothesis density, PHD）滤波不能提供目标航迹信息的问题,提出一种基于PHD滤波和数据关联的多目标跟踪方法。利用PHD滤波消除杂波并得到各个时刻的目标个数和目标状态估计。将PHD滤波的结果重新定义为量测数据,通过数据关联进一步消除虚警和漏警并给出目标航迹。仿真结果表明,该算法可以在有效地提高杂波环境下多目标跟踪精度的同时提供各目标航迹信息。     

基于无迹粒子PHD滤波的序贯融合算法

针对在杂波、漏检和非线性情况下,粒子概率假设密度滤波（particle probability hypothesis density filter, P-PHDF）算法估计精度不高、滤波发散及粒子退化等问题,提出了一种基于无迹粒子概率假设密度滤波（unscented particle PHDF, UP-PHDF）的序贯融合算法。利用无迹粒子滤波（unscented particle filter, UPF）实现PHDF,由UKF算法得到更好更优的重要性密度函数并从中采样,使粒子的分布更接近多目标概率假设密度分布;另外,为进一步提高滤波算法的性能,实现基于雷达和红外传感器的UP-PHDF序贯融合算法,通过两传感器交替滤波保证目标状态的可观测性。在复杂环境下,仿真结果表明该算法的估计精度和稳定性明显优于单传感器P-PHDF算法。     

基于航迹概率假设密度的多传感器多目标跟踪

针对基于概率假设密度(probability hypothesis density, PHD)的分布式多传感器多目标跟踪(distributed multi-sensor multi-target tracking, DMMT)存在无法形成航迹、计算复杂度高、目标漏检等问题。本文基于航迹PHD后验估计提出了一种DMMT方法。为此,首先构建了各节点估计航迹间相似性度量矩阵,并采用匈牙利算法实现最优航迹匹配;其次采用协方差逆准则对关联航迹实现并行融合;最后基于概率生成泛函推导了一种鲁棒的DMMT方法。仿真实验验证了所提算法在目标状态估计精度、计算有效性和实时性方面的优势。