知识管理视角下的动态能力构成维度研究

基于知识管理视角对动态能力理论进行研究,通过回顾知识管理内涵与本质,评述现有动态能力的概念界定,探索知识、组织能力与动态能力三者关系,深层剖析动态能力的知识管理活动,提出一个基于知识基础观的新的动态能力的维度构成框架。     

政府采购情感绩效与任务绩效的多维度综合评价

政府采购情感绩效与任务绩效共同构成政府采购工作绩效.绩效评价由计划与目标、评价主体、绩效维度、信息来源、评价工具、评价结果使用等要素构成.政府采购绩效评价过程是动态、螺旋上升的PDCA(计划、执行、检查和处理)循环过程,可以借鉴PDCA循环原理,构建绩效评价指标体系,进行动态、多维度综合评价.     

物联网数据质量评估应用

目的 提出一个物联网数据质量评估方法,使用适当的评估维度和指标,对一个公开数据集进行质量评估。方法 基于传统的全面数据质量管理方法论,包含6个物联网数据质量评估维度,使用Python语言,评估空气质量数据集。结果与结论对数据集进行了6个维度的评估,通过实验数据得到物联网数据集准确性、完整性、及时性、一致性、数据量、可信度评估质量结果,以等级或评分的方式较为全面地对该数据集的质量进行评估,表明该空气质量数据集质量较好。另外,提出了一个通用的物联网数据质量评估方法,并进行了验证。     

基于时空维度变量的杭州市轨道交通站点聚类研究

为捕捉由轨道交通站点周边建成环境与客流时变特征的互动关系而反映的站点类型差异,基于地铁刷卡数据与站点周边兴趣点（Point of Interest,POI）数据,分别通过客流时间序列分析和地理加权回归模型进行时空维度聚类变量提取.应用K-means++聚类算法将杭州地铁1、2、4号线站点划分为工作导向型、居住导向型、商业型以及工作-居住混合型4种类型.研究结果表明：该方法相对于传统K-means算法具有更优的性能表现,其中轮廓系数、Davies-Bouldin指数与Calinski-Harabaz指数等3项聚类评价指标的改善幅度分别为30.43%、10.51%、9.02%,因而能够准确识别时空视角下的轨道交通站点类型并反映其客流出行模式,进而为站点客流预测、站城一体化建设等后续研究提供分析依据.     

基于自适应融合的实时车辆检测

针对传统的车辆检测技术检测速度慢和精度低的问题,提出了一种融合注意力的自适应金字塔网络的交通目标检测算法（fusion attentiont adaptive pyramid network,FAAP-Net）,可以显著降低交通事故的发生率。为了降低计算复杂度,设计了一种轻量级的互补池化结构（CPS）,该结构在宽度和高度上采用了两组不同的池化组合,在保持高精度的同时,显著降低了网络的浮点运算数（GFLOPs）和参数量。为了解决智能交通系统特征图生成过程中的信息损失问题,通过将自适应注意力模块（AAM）和特征增强模块（FEM）引入自适应融合特征金字塔网络（AF-FPN）,以融入车辆检测的形状特征。针对车辆细节特征表征弱的问题,引入了一种按通道维度分组的注意力（SA）机制,以增强主干网络对不同车辆检测细节特征的关注,有效提取车辆细节的显著特征。在BDD100K数据集上的实验结果表明,FAAP-Net算法相比于传统算法,平均精度从30.3%提升到43.7%。     

中国古代生态哲学的技术思想探析

中国古代生态哲学中蕴含着丰富的技术思想:道家生态哲学主要体现在道法自然的技术存在释义、有而不用的技术理性主义和技归复艺的技术审美情趣;儒家生态哲学主要是有天人合一的技术价值理想、以时取物的技术控制理念和仁民爱物的技术伦理情怀。这些生态智慧给我们这样一种启迪:人类的生存离不开技术,生态文明的建构更离不开技术,但人类对技术的使用必须立足于生存技术,首先遵循事物生长规律,其次要慎用少用甚至不用。     

诚信领导研究现状与展望

由于媒体上日益曝光的公司丑闻和亵渎管理现象,诚信领导作为领导学的一个新概念,受到了国内外学者的广泛关注。根据国内外诚信领导研究相关文献,阐发诚信领导的内涵、维度,总结影响诚信领导的相关因素,并对诚信领导的未来研究方向进行了展望。     

基于单增量和全局维度学习策略的萤火虫算法

萤火虫算法的搜索过程较依赖于最优萤火虫，而最优萤火虫并不进行有导向的寻优移动，算法易陷入局部最优.为此，提出了一种基于单增量和全局维度学习策略的萤火虫算法.在萤火虫个体移动时，该算法并不叠加萤火虫个体的当前位置，而是将累加的位置增量作为新的搜索方向，用于更新萤火虫的位置.该算法大大降低了萤火虫当前位置对搜索过程的影响，有利于算法更快的跳出当前局部最优，进行更大范围的寻优；其次，对最优萤火虫进行一定次数的单维度学习，将学习后的萤火虫引导种群进化.在基准测试函数上的实验结果表明，该算法优于其他几种改进的群智能优化算法，具有良好的跳出局部最优的能力.