基于深度学习的人体行为识别算法

目前,针对深度学习的人体行为识别研究,往往采用视频中的全局信息对人体行为进行分析.然而,局部信息缺失造成的特征提取不完备,同样会导致识别精度急剧下降.由此,提出了基于多流深度学习的人体行为识别方法,将人体局部信息与全局信息相结合,通过局部不同特征的精确识别,使人体行为识别更加准确.实验表明,与现有深度学习方法相比,提出的方法在数据集UCF101和HMDB51上识别精度分别平均提高了约4.0%和6.2%.     

不确定环境下基于时间、费用及鲁棒性权衡的多目标项目调度优化

项目调度中的时间和费用是两个重要的指标,而在不确定环境下进度计划的鲁棒性则是保证项目平稳实施的关键。本文研究不确定环境下的多目标项目调度优化问题,以优化项目的工期、鲁棒值和成本为目标安排各活动的开始时间。基于此,作者构建多目标项目调度优化模型,将模型分解为三个子模型分析目标间的权衡关系,然后设计非劣排序遗传算法进行求解,应用精英保留策略和基于子模型权衡关系的优化策略优化算法,进行算法测试和算例参数敏感性分析。最后,应用上述方法研究一个项目实例,计算得到非劣解集,实例的敏感性分析结果进一步验证了三个目标间的权衡关系,据此提出资源的有效利用策略。本文的研究可以为多目标项目调度制定进度计划提供定量化决策支持。     

云制造平台加工能力分享调度优化研究

云制造平台加工能力分享的调度优化是云制造模式的核心运营问题。为提高云制造平台对参与能力分享企业资源的利用率,解决实际云制造需求环境下企业级制造资源调度问题,达到云制造平台动态实时的要求,以最小化工期和成本为目标函数,构建了基于平台并面向分享的云加工能力调度模型。为快速求解多个云任务订单的最优调度序列,引入任务简易编码和随机权重,设计了改进的二阶粒子群算法,并提出可分享加工能力时间窗的更新策略。最后,通过算例验证云制造平台加工能力调度机制的可行性和有效性。     

具有HollingⅡ型功能反应相互干扰捕食系统的全局吸引性

研究了一类具有HollingⅡ型功能反应相互干扰捕食系统,利用比较原理和迭代法得到了系统正平衡点全局吸引的充分条件.最后,通过数值模拟阐述了所得结论的正确性.     

基于正交试验设计的我国高科技企业技术创新获取途径选择对创新能力的影响研究

技术获取途径的选择对于高科技企业的创新驱动发展具有重要的影响,正确的获取途径选择,可以有效提高企业的竞争力。本文通过广义试验方法,以企业技术研发或改造项目的成功率、企业整体创新能力以及企业整体创新能力孕育潜力为试验指标,进行多指标试验,通过对试验结果进行部分正交多项式回归分析,讨论内部创新技术研发程度、购买新技术程度和合作开发新技术程度对试验指标的影响规律,得出了加强对企业内部技术研发投入以及扩大与科技院所合作来提高企业创新能力的相关建议。     

差异化需求下考虑患者预约行为的医疗服务供需匹配方法

如何根据患者的差异化需求,撮合医生与患者双方形成合理有效的医疗服务供需匹配,是医疗服务运作管理中重要的研究问题。本文针对医疗服务中医生与患者的实际需求,提出了一种考虑患者预约行为的匹配决策方法。在该方法中,首先依据患者的预约行为及特征分类;然后,通过计算不同情形下医患双方的差异度,获得了医患双方的满意度矩阵;在此基础上,提出了匹配预约患者与医生的E-HR算法,并进一步构建了匹配剩余患者和医生的多目标优化模型,通过模型求解得到最优匹配结果;最后,通过算例说明了本文提出方法的可行性和实用性。     

企业自主研发与合作创新的风险测度及组合优化

企业在整合内部创新要素进行自主研发的同时,也会寻求外部创新资源进行合作创新,当前同时从事多个R&D项目已成为常见的企业经营活动,如何在不确定条件下分析多个R&D项目投资的策略选择及风险优化,对于企业的长期发展具有重要意义。根据企业是否采取合作创新策略,可将其R&D项目分为自主研发与合作创新两类,以项目的研发成功率和投资收益率代表技术风险和市场风险,分别测度自主研发与合作创新项目的风险特性,并在此基础上构建企业R&D项目投资组合优化模型,以在自主研发与合作创新项目之间进行权衡取舍。结果表明,企业对于自主研发与合作创新项目投资组合的最优投资权重,主要取决于这两类组合的期望收益率、收益率方差、期望成功率以及两组合之间的协方差。企业可基于关键参数制定出最优的R&D项目投资组合选择策略,合理分配资金以达到风险最小化的投资目标。     

基于复化梯形公式的NGM(1,1,k)模型背景值优化

针对经典NGM(1,1,k)在背景值的影响下模型精度(拟合精度与预测精度)不高这一现状,结合复化求积公式中的复化梯形公式,推导了一种新的背景值优化公式.通过7类测试数据和2类实际数据的验证表明:推导的NGM(1,1,k)背景值优化公式显著地提高了NGM(1,1,k)的模型精度和实用性.