共享自动驾驶汽车使用意愿模型及其影响因素

为了构建共享自动驾驶汽车(shared autonomous vehicles，SAV) 的使用意愿模型并分析其影响因素，通过使用时机和使用频率来体现公众对SAV的使用意愿；采用验证性因子分析将态度潜变量转化为潜变量得分，以此将态度潜变量引入传统的有序Logit模型；提出SAV使用意愿的有序Logit模型构建方法，并建立基于个人属性、通勤特征、态度潜变量的SAV使用意愿模型.研究发现:是否使用过滴滴拼车、工作单位停车费、自动驾驶态度对使用时机和3种价格(1，2，3元/km) 下的使用频率有显著影响；使用过滴滴拼车、工作单位收取停车费、支持自动驾驶的群体倾向于频繁地、更早地使用SAV出行；公众期望以1元/km或 2元/km即不超过目前滴滴拼车的价格使用SAV.     

高低温环境航天机构力矩特性测试平台研制

为了测试在太空环境下航天机构中弹性机构的性能指标,研制了高低温环境下测量角度-力矩特性的测试平台.分析测试平台测试原理后,设计了平台的机械结构、设计电气系统结构并搭建软件系统.机械结构考虑对被测对象的保护,针对高低温测试带有高低温箱,可以为被测对象提供-100℃～100℃的温度环境,具有热变形偏差测量与补偿设计,减少温度变化对测量精度的影响.软件系统具备收集、处理、存储数据和图形化显示能力.分析平台不确定度的组成,对传感器进行测试校准并对航天弹性机构进行测试,测试结果验证了:该测试平台的力矩检测范围为0～50 N·m,力矩检测精度≤0.5％FS,角度测量扩展不确定度为U=35.6″,得到了被测对象的角度-力矩特性曲线图.     

一种基于类不平衡学习的情感分析方法

针对网络评论中普遍存在的负面评论较少而影响力却较大的类不平衡问题, 提出一种基于类不平衡学习的情感分析方法. 该方法利用深度学习训练过程中的概率输出, 以计算样例的信息熵作为影响因子构建交叉信息熵损失函数. 在IMDB公开数据集上进行实验验证的结果表明, 基于集成信息熵损失函数的双向长短期记忆网络能处理类不平衡问题; 对数据的统计分析结果表明, 该策略能提升基于双向长短期记忆网络的评论情感极性分类性能. 针对AUC(area under curve)指标, 使用集成信息熵损失函数的双向长短期记忆网络模型比未考虑类不平衡的深度学习模型在中位数上最多提升15.3%.     

高陡横坡段桩柱式桥梁双桩基础受力分析

基于高陡横坡段桩柱式桥梁双桩基础承载特性,提出了一种改进有限杆单元计算分析方法.分析了高陡横坡段桩柱式桥梁双桩基础承载机理及受力特性,建立了双桩基础计算分析模型.其次,根据前、后桩与边坡相对位置关系,给出了后桩所受剩余下滑力与前桩所受土压力的比例关系.在传统有限杆单元分析方法基础上,结合陡坡桩受力特征,导得了考虑桩土共同作用与"P-Δ"效应的单元刚度矩阵修正方法,并在此基础上编制了适用于高陡横坡段桩柱式桥梁双桩基础的有限杆单元分析MATLAB计算程序.采用室内模型试验对本文计算方法进行验证,给出了适用于陡坡段桥梁桩基的设计流程图.研究结果表明:本文理论计算值与模型试验实测结果吻合良好,表明本文计算方法正确可行,可为同类工程设计提供参考.     

运用图像重构误差控制的骨架简化方法

将贝叶斯模型方法运用于基于图像重构误差控制下的骨架简化问题,通过建立平衡算法实现重构精度与骨架简化的平衡统一.在算法的设计中,通过对骨架分支级别的设置,运用重构误差和骨架简洁度两个控制参数以及平衡算法,在骨架主轴的基础上通过添加相关各级别的骨架分支,实现对骨架分支的优选,最终获得图像的最优近似骨架.实验结果表明:本算法对于边界扰动具有较好的鲁棒性,与其它方法相比,本算法复杂度较低,运算速度更快,得到的骨架也更简洁.     

高斯信道中功率分配问题的一种优化方法

信号检测中,检测概率一直是作为衡量检测性能的一个重要标准.众所周知,Neyman-Pearson准则下的最优检测是似然比检测.然而多传感器系统下随着信号维数增加,似然比检测门限的计算涉及高维积分,计算困难相当大,因此文中考虑的高斯信号检测模型,没有直接计算检测概率而是将两个密度函数的相对熵作为衡量检测性能的一个度量来研究高斯信号检测中功率的分配,并且建立了目标优化模型.针对文中建立的优化问题,首先由加强的Fritz John(F-J)必要条件证明了优化问题的局部最优解满足KKT(Karush-Kuhn-Tucker)条件,并且进一步证明存在惟一的拉格朗日乘子.然后利用凸函数的性质我们说明了D(P1‖P0)是tr(∑s)的非减函数,最后在此基础上得到了优化问题的最优解,即得到了功率分配矩阵.同时也给出了特殊信道下的功率分配矩阵.     

具有奇性的时滞Rayleigh方程周期正解存在性

研究了含有奇性的时滞Rayleigh方程x″(t)+f(x'(t))+g(t,x(t-σ))=0周期正解的存在性问题,其中f:R→R连续,g:R×(0,∞)→R连续,关于t为T周期,且在x=0处具有奇性,即limx→0+g(t,x)=∞.利用Mawhin重合度延拓定理,证明了上述方程至少存在一个T周期正解.     

巨灾风险大数据处理应急分类、分解、分拣算法与应用

本文主要研究巨灾风险大数据处理的应急分类、分解、分拣算法,给出了相应的算法原理和可操作的步骤.首先根据巨灾风险大数据灾害规模巨大的特征,提出了一种用来解决巨灾风险大数据中一级事件的应急分类与二级事件及以下更低级事件的应急分解算法,并以特大地震灾害作为实例进行了算法应用.接着定义了事故灾难度,用来对巨灾风险大数据处理过程中,对各种级别的事故灾难后果进行不同的数字标识.然后提出一种用来解决巨灾风险中大数据快速处理的应急分拣算法,并在汶川地震中大规模灾害的应急救援计划中进行应用.经过采用这样的应急分拣原理,就可以在面对巨灾风险大数据的复杂、繁多和零乱的重灾事件状态下,使整个应急救援方案优化,并能够有条不紊地进行救援.     

基于盖洛普Q12的实习期定向医学生敬业度调查分析研究

通过研究实习期定向医学生的敬业度情况并分析管理对策,以提高实习期定向医学生的实习效果。对200名实习期定向医学生运用盖洛普Q12调查表对其敬业度进行调查,根据测评内容调整定向医学生的管理政策,据此不断改进,达到最佳管理效果。干预后6个月再次进行调查,比较干预前后实习期定向医学生的盖洛普Q12敬业度得分情况。针对盖洛普Q12表相关内容,对满意度低的项目进行了重点管理和改进,实习期定向医学生的盖洛普Q12满意度不断提高。干预前后实习期定向医学生敬业度得分比较差异有统计学意义(P0.05)。在实习期定向医学生管理中运用盖洛普Q12分析方法,能提高实习期定向医学生的敬业度。同时也能更好地促进医院管理者人本精神的培养及提高医院的管理效果。