消费者效用函数模型的改进与企业定价策略

尝试对前人所提出的消费者效用函数模型进行适当改进,在模型中同时引入个人对自己所处社区层次的重视程度,λ以及整个社区对个人所处层次的重视程度ρ.依托同时考虑λ和ρ两个参数的新模型,探讨在炫耀性社区环境中,炫耀性消费的原因结果及其经济效用等问题,并在此基础上分析企业定价策略。     

航材订货管理信息系统总体方案与设计模型

基于数据库技术和B/S体系结构,构建了海军航材订货管理信息系统的技术方案,详细进行了系统的体系结构分析和功能模块设计,并对各功能模块之间业务流转关系进行了研究。     

增长曲线模型中回归系数阵混合估计的Pitman优良性

在Pitman准则下比较了增长曲线模型中回归系数阵的最小二乘估计与混合估计的优劣，给出了混合估计在Pitman准则下优于最小二乘估计的条件．     

基于波特模型的图书馆核心竞争力分析

基于波特“五力”模型,从现有的竞争对手、潜在的进入者、替代品的威胁、供应商以及顾客的讨价还价能力等5个角度对当前图书馆的竞争态势进行了具体分析,并结合分析结论提出了构建图书馆核心竞争力的竞争策略。     

基于回归方程的流通企业破产风险模型

流通企业与生产企业所处行业性质的差异,决定了其与生产企业破产风险的差异。对企业破产风险的估计,目前流行两种模型:一种是F.Lundberg提出的专门研究保险企业破产风险的古典模型,另一种是A ltm an提出的Z值模型。该两种模型预测企业破产风险非常有效,但它们只预测经济学意义上的企业破产风险。法律意义上的破产风险不同于经济学意义上的破产风险,它的影响因素取决于国家法律的规定。中国破产法规定企业破产的原因有两个:支付不能和资不抵债。本文以此为依据,提出了法律意义上的流通企业破产风险回归模型,并对其进行了检验,最后对与模型相关的问题和改良思路进行了介绍。     

基于Dellavigna-Pollet模型的我国股票市场PEAD现象周历效应——以深圳主板市场为证据

基于Dellavigna-Pollet模型,分析投资者注意力对股票价格的周期性影响以及PEAD现象的周历特征,指出PEAD现象周历效应的根源是投资者注意力分散程度呈周历分布,并据此给出PEAD现象的存在性、周末效应、即时反应、后续修正效力等的理论解释。进一步,以深证主板市场A股为样本,对PEAD现象周历效应进行检验,研究发现:我国股票市场PEAD现象存在周历效应,但并不一定表现为周末效应;上市公司盈余公告后,期限越短反应不足现象越明显;且后续反应不能修正之前的反应不足,因此投资者无法利用对盈余惯性反应不足的后续修正来盈利。     

无线Mesh网多速率冲突和干扰模型研究

针对Net Simulator(NS)仿真工具用于无线Mesh网(Wireless Mesh Network,WMN)的不足,提出简化的WMN链路多速率冲突和干扰模型,建立最大干扰节点数评估和干扰概率的计算方法,最终为NS2.26增加实用的远程节点干扰模拟机制。仿真试验验证该机制可有效模拟WMN链路特征。     

坡面形态和含水率对三维细砂边坡失稳影响的模型试验研究

受周围土体约束的空间效应,边坡破坏常呈现三维特征。采用模型试验对顶部压载下三维边坡的破坏机制和滑动面特征进行研究。试验考虑了坡面形态(平、凸、凹)和坡体初始含水率的影响,通过坡顶加载分力板,触发边坡模型失稳破坏。采用位移计和土压力盒分别记录坡顶位移和坡内土压力的变化。利用白砂层测量方法找到临界滑动面位置,获取滑面立体形态,分析了边坡破坏的产生、发展、失稳。试验结果表明:坡面形态对滑动特性影响很大,相同坡角下凹坡能承受最大的顶部荷载,平坡次之,凸坡最小。边坡均为浅层破坏,凹坡滑面深度最浅,平坡最大,破坏有明显的三维效应。含水率高的边坡承受的顶部荷载和滑面深度均小于含水率低的边坡。     

基于Isight/Fluent联合仿真的热模型修正方法研究

为提高热模型的仿真精度,提出了一种基于Isight/Fluent协同仿真的热模型修正方法。首先运用Spearman相关级数对热模型的输入参数进行灵敏度分析,确定影响仿真精度的主要参数;然后以修正对象的实测温度值为目标,采用多岛群遗传算法对参数进行修正,得到初步修正后的模型;最后以此模型为基础,运用霍克基维斯算法对其进行精确修正。通过发热电阻对该修正方法进行验证,结果显示,在5~15 V电压下,发热电阻的仿真值与实测值误差小于5.4%,说明通过该修正方法获得的热仿真模型具有较高的精度。     

针对空中监控平台的异常行为检测方法

空中监控平台拍摄的视频具有背景移动、视距较远等特点,结合其特点提出适用于空中监控平台的人群异常行为检测方法。首先通过估计图像的深度信息,适当修正特征点的光流矢量,以减小透视现象导致的对特征点运动速度的估算误差;然后对特征点的光流矢量聚类,并结合背景运动一致性规律检测出前景特征点。通过双高斯混合模型检测异常特征点,用最大期望(EM)算法求取模型参数。最后采用一种时间队列机制检验误判;并通过简化的凝聚层次聚类算法对异常特征点的空间坐标进行聚类,去除孤立的异常特征点并标记出异常群体。多个场景下的实验结果验证了方法的有效性。