基于SBM-DEA模型及Malmquist指数的中国与欧盟航空运输企业能源效率比较研究

航空运输企业是高排放高污染行业,研究其能源利用效率有着重要意义.基于SBM-DEA模型,利用2010年到2015年能源投入与能源产出的相关数据,对中国和欧盟共16家航空运输企业能源利用情况进行分析研究.结果表明,总体看欧盟航空运输企业能源效率优于中国企业;动态Malmquist指数分析结果表明,中国航空企业全要素生产率波动较大,欧盟企业则更为平缓,中国企业的全要素生产率与综合效率变化指数的变动情况基本保持一致,而欧盟企业的全要素生产率则与技术进步变化指数波动保持一致;在不考虑环境因素情况下会高估TFP增长率以及技术进步增长率.中国企业应加大技术投入和管理,才能有效提升能源利用效率及全要素生产率.     

等式约束优化非单调信赖域算法

设计了一个新的求解等式约束优化问题的非单调信赖域算法.该算法不需要罚函数也无需滤子.在每次迭代过程中只需求解满足下降条件的拟法向步及切向步.新算法产生的迭代步比滤子方法更易接受,计算量比单调算法小.在一般条件下,算法具有全局收敛性.     

关于排队模型中任务完成所需时间的讨论

为了更好的模拟和解释人类的活动,针对优先权决定机制模型中任务完成所需时间展开讨论,分别分析了任务完成所需时间满足幂律分布和均匀分布两种情况下任务等待时间的分布规律。数值模拟显示任务等待时间的幂律分布不是来源于任务完成所需时间,而是来源于优先权决定的机制,从而验证了原模型中关于任务完成所需时间假设的合理性。     

工程项目调度技术研究综述

研究了工程项目调度技术和求解算法的发展历程.首先概述了项目调度技术,并对近年来项目调度问题种类和算法的研究进行总结.最后就项目调度技术的新研究方向和应用作了简要探讨.     

张量积型二元数值积分研究

基于张量积型的二元牛顿插值多项式,构造了矩形网格上的二元求积公式,其对一些二元多项式精确成立,数值算例说明了求积公式的可行性.     

二元三次样条空间S31,2(Δmn(2)) 的样条拟插值

本文首先利用由两组具有局部最小支集的样条所组成的基函数,构造非均匀2 型三角剖分上二元三次样条空间S₃^1,2(Δ_mn⁽²⁾)的若干样条拟插值算子. 这些变差缩减算子由样条函数B_ij¹支集上5 个网格点或中心和样条函数B_ij²支集上5 个网格点处函数值定义. 这些样条拟插值算子具有较好的逼近性,甚至算子V_mn（f） 能保持近最优的三次多项式性. 然后利用连续模,分析样条拟插值算子V_mn（f）一致逼近于充分光滑的实函数. 最后推导误差估计.     

隐函数不存在的一个判别定理

本文给出了函数F(x,y)满足一定条件时,由方程F(x,y)=0不能确定隐函数的判别方法.     

高光谱图像和叶绿素含量的水稻纹枯病早期检测识别

基于高光谱成像技术和化学计量方法,实现了对水稻纹枯病病害的早期检测识别。以幼苗时期的水稻植株为研究对象,对其进行纹枯病病菌侵染,获得染病植株,采集358～1 021 nm波段范围的高光谱图像,三次实验共240个样本,包括染病植株120个样本和健康植株120个样本。根据高光谱图像的光谱维,对染病水稻叶片和健康水稻叶片提取感兴趣区域（ROI）,利用感兴趣区域的光谱数据,对其进行Savitzky-Golay（SG）平滑、Savitzky-Golay（SG）一阶求导、Savitzky-Golay（SG）二阶求导、变量标准化（SNV）和多元散射校正（MSC）预处理,建立线性判别分析（LDA）和支持向量机（SVM）分类模型,结果表明：采用SG二阶求导预处理后的线性判别分析（LDA）模型取得了较好的性能,正确识别率在建模集达98.3%,在预测集达95%;利用载荷系数法（x-loading weights, x-LW）对原始光谱和5种预处理的光谱数据进行特征波长提取,然后根据选取的特征波长建立线性判别分析（LDA）和支持向量机（SVM）分类模型,其中采用SG二阶求导预处理后提取的12个特征波长的线性判别分析（LDA）模型取得了较好的性能,其正确识别率在建模集达97.8%,在预测集达95%,而且基于载荷系数法建立的模型性能与全波段相当,可以通过载荷系数法减少数据量对水稻纹枯病病害进行识别;根据高光谱图像的图像维,研究了基于图像主成分分析、基于概率滤波和基于二阶概率滤波的图像特征提取方法,利用提取的特征变量建立反向传播神经网络(BPNN)和支持向量机（SVM）分类模型,其中基于图像主成分分析的反向传播神经网络（BPNN）模型取得了较好的性能,建模集准确识别率达90.6%,预测集的准确识别率达83.3%;根据高光谱图像光谱维和图像维的最优模型,特将叶绿素含量作为建模的另一个特征,分别与光谱特征、图像特征组合,建立反向传播神经网络（BPNN）和线性判别分析（LDA）模型,提出基于光谱特征加叶绿素含量、图像特征加叶绿素含量和光谱、图像特征加叶绿素含量三种组合方式,其中,光谱特征和图像特征分别与叶绿素组合的方式比之前单独的光谱和图像特征建模性能都有所提升,而且三种组合方式中光谱特征加叶绿素含量的反向传播神经网络（BPNN）建模方式取得本研究所有建模方式中较优的性能,其准确识别率在建模集达100%,在预测集达96.7%。以上研究表明,基于高光谱图像和叶绿素含量对水稻纹枯病病害进行早期识别是可行的,为水稻病害的早期识别提供了一种新方法。     

傅里叶中红外光谱结合稀疏表示分类方法鉴别小麦赤霉病感染等级

旨在探索感染不同等级赤霉病的小麦中主要成分含量变化引起的傅里叶中红外光谱信息响应,并结合模式识别方法实现基于傅里叶变换中红外光谱的小麦赤霉病等级无损检测。以感染不同等级赤霉病小麦为研究对象,在4 000~400 cm-1波数范围内采集95个小麦样本的傅里叶中红外光谱数据,利用载荷系数法（XLW）与随机森林算法（RF）分析选取小麦样本傅里叶中红外光谱中的敏感波长,利用稀疏表示分类（SRC）算法建模识别小麦感染赤霉病等级。结果表明：XLW算法和RF算法选择的特征波长作为定性分析模型的输入时模型鉴别准确率与全波段光谱数据作输入时均达90%以上,特征波长提取算法可以有效简化模型并提高效率。RF-SRC模型鉴别效果最好,建模集鉴别准确率达97%,测试集鉴别准确率达96%。小麦感染赤霉病等级的不同会引起小麦中水分、淀粉、纤维素、可溶性氮素、蛋白质、脂肪等物质含量的变化,采用RF算法选择的特征波长均反映了这些物质所对应的傅里叶中红外光谱透射光谱特征的差异,结合SRC模型进行小麦赤霉病等级鉴别可达到最好的鉴别效果。因此,利用傅里叶中红外光谱技术结合模式识别方法对小麦赤霉病等级鉴别是可行的,解释了傅里叶中红外光谱技术检测小麦赤霉病等级的机理。     

推广的失活网络动力学同步优化

在不改变网络度分布的条件下,研究了推广的失活网络的同步行为. 应用特征值比R来衡量网络的同步能力,发现同步能力可以通过改变结构参数——激活节点数M来进行优化.特征值比R随M的变化非常敏感,激活节点数M越大,特征值比R越小,同步能力就越强,且在一定范围内遵循R～M^-2.0的幂律关系.通过引入结构微扰,该网络的同步能力也可以得到有效优化. 关键词： 推广的失活网络 同步 特征值比 优化