基于PERT与CPM的船舶分段建造计划协调与优化

分析了现代精益造船模式下要求的船舶分段建造流程以及国内船厂生产计划的制定方式,利用计划评审技术（PERT）,结合关键路径法（CPM）,自动生成船舶分段产品建造计划,并在工期和成本方面对建造计划进行了协调与优化．基于MS-Project软件,用VBA编制了实用程序,并以大连某船厂建造的某油船为实例进行了计划编排与优化．与生产实际对比表明,该计划方法是可行的,为船舶建造初期制定生产计划提供了一种实用简便的方法．     

我国B2C电子商务企业发展现状及营销策略建议

电子商务随着互联网的普及而逐渐为中国居民所认识,其中网络购物作为一种新兴的购物方式已开始为中国居民所接受.文章通过对相关文献的研究及个案分析,在对我国B2C电子商务的现状进行考察的基础上,提出了我国B2C企业在发展中应通过合理定价,提升用户购物体验;积极改善售后和客服;细分市场,积极开拓垂直类市场;深挖平台价值,丰富收入来源等建议和方法来开拓市场和应对竞争.     

应用在线整定广义最小方差多项式权值的测头控制方法

在曲面工件的高精度、高效率自动扫描测量过程中,为了提高测头自动跟踪扫瞄控制的精度和平稳性,提出了基于在线整定多项式权值的广义最小方差(OSPW_GMV)控制方法.该方法的主要思想是根据在线估计的被控对象参数及OSPW_GMV的输出,在线调整多项式的权值,实现测头自动跟踪扫瞄的控制.实验结果证明,使用具有高跟踪精度和强鲁棒性的OSPW_GMV控制器,可使测头跟踪过程的误差小于0.1mm的跟踪要求,且每次运算时间与广义最小方差控制器相差不大,因此该控制方法在一些实时性及控制精度要求较高的精密检测场合,有较好的应用价值.     

杜鹃花繁殖生物学研究进展

对杜鹃花孢粉学、繁育系统及传粉生物学方面的研究进展进行了分析,提出杜鹃花属植物繁殖生物学未来的研究可以主要从以下几个方面开展：（1）探讨杜鹃花属孢粉学线形结构的花粉呈现的进化意义;（2）在中国喜马拉雅地区,研究不同地点的相同物种和不同物种繁育系统,分析杜鹃花繁育系统多样性的相关因子,了解传粉系统及传粉昆虫的多样性,揭示杜鹃花属的传粉者特点;（3）选取合适的基因片段,重建杜鹃花属的系统,通过系统树找出可能是杂交起源的种类,纠正经典分类学在杜鹃花属系统位置构建方面的偏差;（4）对比不同杂交群体的繁殖生物学特性,找出传粉昆虫对不同亲本和杂交个体施加选择压力的差别,明确在物种的杂交形成过程中传粉昆虫对生殖隔离的选择作用。     

浅谈建设工程项目的造价控制

作者以工程项目主要的几个阶段:设计阶段、建设阶段以及结算审核阶段为着眼点,就工程造价控制的要点进行了分析及阐述。     

浅谈如何做好安装工程结算的审核

文章给合笔者多年的工作实践经验,浅析了安装工程结算的准备工作、结算审核方法以及应该掌握的要领,以供参考。     

数据挖掘分类算法研究综述

随着数据库应用的不断深化,数据库的规模急剧膨胀,数据挖掘已成为当今研究的热点;特别是其中的分类问题,由于其使用的广泛性,现已引起了越来越多的关注。对数据挖掘分类问题的研究现状进行了综述:首先对研究比较多的基于判定树的归纳分类、基于人工神经网络的分类和基于统计的贝叶斯分类作了详细的讨论;然后对目前新提出的几种算法作了简要分析;最后根据数据挖掘的发展现状和研究重点对数据挖掘分类算法的发展趋势作了展望。     

普通网络教育市场与价值链研究

普通网络教育包括基础网络教育、幼儿网络教育和在线职业与认证培训3类。利用价值链的基本原理,对普通网络教育的价值链进行了论述,重点阐述了价值链的组成环节、各环节功能、所需核心能力、主要参与者以及未来的发展趋势。     

面向农产品安全的关键质量链分析

针对农产品质量安全控制问题,在传统过程能力分析的基础上,将农产品食品链视为一个过程网络,应用PERT/CPM的基本思想,提出了基于质量损失的关键质量链分析评价方法。最后以菠菜产品的种植加工进行了实例分析。     

Dynamic Latent Class Model Averaging for Online Prediction

We consider the problem of online prediction when it is uncertain what the best prediction model to use is. We develop a method called dynamic latent class model averaging, which combines a state‐space model for the parameters of each of the candidate models of the system with a Markov chain model for the best model. We propose a polychotomous regression model for the transition weights to assume that the probability of a change in time depends on the past through the values of the most recent time periods and spatial correlation among the regions. The evolution of the parameters in each submodel is defined by exponential forgetting. This structure allows the ‘correct’ model to vary over both time and regions. In contrast to existing methods, the proposed model naturally incorporates clustering and prediction analysis in a single unified framework. We develop an efficient Gibbs algorithm for computation, and we demonstrate the value of our framework on simulated experiments and on a real‐world problem: forecasting IBM's corporate revenue. Copyright © 2014 John Wiley & Sons, Ltd.