对外开放对区域经济增长和产业转型的动态影响——基于GVAR模型的实证研究

新常态下,我国对外开放增速放缓,一定程度上影响了我国区域经济发展和产业转型.因此选取2005年-2015年的季度数据,通过全球向量自回归模型(GVAR)实证分析对外开放对区域经济增长和产业转型的动态影响.研究结果显示:1)外资引进的增加对区域经济增长有显著的拉动作用,而对产业高级化的作用有明显的区域特征,除南部沿海经济区和大西北经济区受到抑制外,其他的都呈现带动效果.2)对外贸易对区域经济增长和产业高级化都呈现出了阻碍作用.     

广义强向量拟均衡问题解集的通有稳定性

研究广义强向量拟均衡问题(GSVQEP)解集的通有稳定性.在约束集值映射满足一定连续与目标映射是锥-真拟凸的集值映射条件下,证明了广义强向量拟均衡问题构成的空间M中,在Baire分类意义下,广义强向量拟均衡问题解集是通有稳定的,且给出了空间M中对每个广义强向量拟均衡问题的解集至少存在一个本质连通区.     

基于LIBS技术的水泥粉末在线成分分析

在工业现场生产水泥的过程中，各种成分的含量直接影响着水泥的质量，因此如何快速准确地监测水泥中各个成分的含量意义重大。采用的实验方式为，将不经过任何预处理的水泥粉末直接放入位于二维移动平台上的物料盒中，通过激光诱导击穿光谱(LIBS)直接对水泥粉末表面的不同位置进行激发检测，对得到的光谱数据首先进行归一化和主成分分析等预处理操作，然后针对水泥中Ca, Si, Al, Fe, Mg五种元素，分别建立偏最小二乘(PLS)和支持向量回归(SVR)两种定量分析模型进行方法比较。此外，对比了粉末状水泥与压片式水泥两种测量方式的结果。实验结果表明，采用粉末状水泥直接测量的方式下，针对水泥样品元素浓度与所得到的光谱中特征线强度的关系，SVR方法比PLS方法更具优势，粉末状水泥直接测量的精度接近压片式测量的精度，说明LIBS技术对水泥粉末状样品直接在线测量具有可行性。     

参数广义弱向量拟平衡问题解映射的H-连续性刻画

研究了Hausdorff拓扑向量空间中的一类参数广义弱向量拟平衡问题(PGWVQEP)的稳定性.首先，给出了此问题的参数间隙函数，研究了参数间隙函数的连续性.然后, 提出了一个与参数间隙函数相关的关键假设，讨论了它的连续性，并给出关键假设的等价刻画.最后， 借助于假设，获得了PGWVQEP解映射Hausdorff半连续的充分必要条件.并举例验证了所得结果.     

基于高斯过程的中心差分卡尔曼滤波在BDS/INS组合导航中的应用

针对扩展卡尔曼滤波器在BDS/INS组合导航系统模型不确定时精度下降的问题,提出了一种基于高斯过程的中心差分卡尔曼滤波算法(GP-CDKF)。在训练数据有限的情况下,用中心差分卡尔曼滤波(CDKF)来估计组合导航系统的状态向量;同时高斯过程可以考虑CDKF中的噪声和不确定性。因此,将高斯过程引入到CDKF中,可以进一步提升导航性能。试验结果表明,GP-CDKF与CDKF算法相比,东向、北向位置误差分别降低16.4%、57.1%,东向、北向速度误差分别降低15.9%、23.3%,说明GP-CDKF算法在动态系统状态估计方面优于CDKF算法。将GP-CDKF应用于BDS/INS组合导航系统中,可以有效提高导航性能。     

排序支持的交互数据分类算法及其应用

交互分类是解决数据复杂分类问题的主要手段之一。在现有的大多交互分类系统中，用户能准确识别数据类别，但在有些分类场景中,类别之间的顺序关系更容易被识别，为此，提出一种排序支持的交互数据分类算法。为提升交互分类精度，引入数据的顺序信息，为降低标记难度，提出候选样本推荐策略。另外,提出一种评估分类算法性能的可视化方法，用包含基本车况、交通违法记录、交通事故记录等信息的车辆数据集进行实验验证，将相关车辆分为高危车辆、中危车辆、低危车辆3类，算法的分类结果模型一致度达近98%，验证了方法的有效性。     

从一道向量题出发复习向量题的各种解法

在涉及向量的填空题中,历年来都是考察的重点和难点,很多学生拿到向量题就感觉没方向,下面是我个人对一道经典向量题的剖析,仅供老师和同学们参考.题目已知O是△ABC的外心,AB=6,AC=10,若AO→=x·AB→＋y·AC→且2x＋10y=5,则cos∠BAC=.     

一个平面向量题的四种解法及分析

平面向量内容在中学数学有其特殊的位置,它是数形结合的桥梁,下面的填空题较多地体现了平面向量问题的特点.题目如图1所示,Rt△ABC中,∠ACD为直角,｜CB｜=1,     

基于改进最小二乘支持向量机的惯性测量组件故障在线检测方法

为提高惯导系统工作的可靠性和导航性能,对其惯性测量组件的故障模式和检测模型进行了分析。针对最小二乘支持向量机(LS-SVM)回归算法做了两点改进,具体方法是先对输入样本观察窗平移更新的每个样本数据进行异常点滤波判断并用牛顿插值法进行处理,接着通过对在线LS-SVM回归过程的研究,提出了一种递推求解的快速算法,将惯性测量组件的输出量、舵偏角改变量并辅以环境因素作为观测样本序列,应用该算法来提高模型检测的准确性和时效性。最后对惯性测量组件无故障和出现卡滞、恒偏差时的故障模式进行了仿真实验,结果表明,与应用LS-SVM、SVM和BP神经网络算法相比,提出的惯性测量组件故障在线检测方法具有较强的鲁棒性和较快的速度。     

基于改进的PSO-SVM的音频信号特征识别和分类

针对音频信号准确性分类的问题,提出一种基于改进的的粒子群优化算法(PSO)的支持向量机(SVM)音频信号分类的方法,简称IPSO-SVM.首先用Mel倒谱系数法对4种音频信号进行特征提取.其次在PSO中引入自适应变异因子,能够成功地跳出局部极小值点;然后对PSO中的惯性权重进行了改进,将惯性权重由常数变为指数型递减函数.随着迭代的进行,使权重逐渐减小,这样做有利于粒子进行局部寻优.最后用改进的PSO不断优化SVM中的惩罚因子c和核函数参数g来提高预测精度.实验结果表明,与传统的SVM、PSO-SVM、GA-SVM相比,我们提出的IPSO-SVM算法分类结果更精确.