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.     

时滞测试能量函数的局限性分析和改进模型

针对时滞试能量函数，分析了它在无冒险强健测试矢量生成时存在局限性和表达式较复杂的不足。在此基础上建立了无冒险条件下的时滞试能量函数，从而完善了Chakradhar提出的时滞测试能量和相应的测试生成算法。     

生态治理中政府部门代理人道德风险因素分析

针对我国生态环境治理存在政府部门代理人道德风险的社会现象,认为影响代理人个人道德风险的因素主要有诚实履约的正常收益、道德风险行为被发现的概率、贴现因子、道德风险行为的额外收益以及道德风险行为被发现后的次优收益,并且以预期收益为目标建立数学模型,分析政府部门代理人个人道德风险行为动机与影响因素之间的关系。进一步扩展模型,讨论了社会监督成本以及随机因素的影响作用。最后,提出了相关的监督、激励及协作策略。     

二阶循环数列方程的特征根解法

就应用常微分方程的常系数线性微分方程解法的理论解决递归数列中二阶循环数列方程问题进行了论述 ,由此可看到高等数学对初等数学的指导作用 .     

因子分析法在评价各省市优劣势方面的应用

以全国31个省、直辖市、自治区为研究对象,用因子分析法分析了各省市的优劣势,并给出了一些地区增强自主创新能力的建议。     

基于词-标签概率的多标签文本分类研究

针对多标签文本分类任务中如何有效地提取文本特征和获取标签之间潜在的相关性问题,提出一种CNN(convolutional neural networks)结合Bi-LSTM (bi-directional long short-term memory)的模型.首先,通过CNN网络和最大池化提取文本的特征;然后,利用训练的Labeled-LDA(labeled latent dirichlet allocation)模型获取所有词与标签之间的词-标签概率信息;接着,使用Bi-LSTM网络和CNN网络提取当前预测文本中每个词的词-标签信息特征;最后,结合提取的文本特征,预测与当前文本相关联的标签集.实验结果表明,使用词-标签概率获取文本中词与标签之间的相关性信息,能够有效提升模型的F1值.     

潜在表示学习框架下的低冗余多视图聚类算法

基于潜在空间学习的多视图聚类研究得到了较大发展,但其通常忽略了原始数据中冗余信息的存在可能会带来不理想的聚类结果。为解决这个问题,提出一种潜在表示学习框架下的低冗余多视图聚类算法。基于k-means的方法,直接从各视图数据学习其低维表示,由于该低维表示的各个特征相互正交,学习到的低维表示通常含有较少的冗余信息。基于潜在空间的假设,各视图的低维表示可由同一个潜在表示投影得到。将两者结合,就能得到一个具有低冗余信息的统一的潜在表示。设计了一个优化算法来求解目标问题,在多个公开数据集上的实验表明了该算法的有效性。     

规避道德危害的信贷决策机制

研究了在不完全信息的信贷市场中,规避风险厌恶型企业道德危害的信贷决策机制,考察了在该机制中贷款利率、抵押品需求量和信贷配给对规避企业道德危害的作用．提出了这种机制作用下均衡的贷款合同应满足的一些性质．     

唐山城市防灾的地质灾害分区评价

根据唐山市区曾发生过的地质灾害及其相关的活动构造、第四纪沉积物厚度和地貌条件,从城市建设和安全的角度进行唐山市地质灾害分区评价。     

浅析保险活动中道德风险的成因及防范

分析保险活动中道德风险成因的基础，指出信息博弈、射幸性与传统价值观念的迷失以及代理制度固有的缺陷等是我国保险市场道德风险的产生及扩大化的原因所在。本文以实践需要为首要目标，阐述了通过增进不同主体利益趋同性，建立信息共享机制，健全保险中介制度；完善法律法规及保险合同中免责条款的内容，对射幸性、非等价性等负面作用进行有力制约，并对人身保险与财产保险区别对待等以切实、有效地防范道德风险的发生。