新型城镇化评价指标体系构建

党的十九大报告会议上习近平总书记提出走中国特色新型城镇化道路、全面提高城镇化质量的新要求。强调了新型城镇化在中国特色社会主义发展道路上的重要性。因此积极推进新型城镇化是一个至关重要的决定。为克服大多学者采用单一指标衡量新型城镇化的缺陷,选取新型城镇化的四类指标基于主成分分析方法选取全国31个省的截面数据构建新型城镇化衡量指标。结果说明我国及各省市间新型城镇化发展不平衡,具有明显的区域差异性,并提出相关政策建议。

基于深度特征的稀疏表示目标跟踪算法

基于稀疏表示的目标跟踪算法速度快、精度高,但这类算法使用灰度特征来描述目标外观,因此在跟踪外观变化较大的目标时容易发生漂移。为了解决该问题,研究提出一种基于深度特征的稀疏表示目标跟踪算法。首先,使用预训练的卷积神经网络提取目标的深度特征;其次,根据采集到的模板集对候选样本计算重构误差;然后,选择具有最小重构误差的候选样本作为当前帧的目标;最后,根据已跟踪到的目标更新模板集。实验结果表明,本算法与传统的稀疏表示算法相比更具有鲁棒性。

沪深300股指期货对股票市场的影响研究

沪深300股指期货是以沪深300指数为合约标的物的金融期货合约,并且在交割日期以沪深300指数的现货价格作为基准计算结算价。作为一种具有高杠杆性的金融衍生工具,文章通过对比沪深300股指期货推出前后对股票市场波动性的影响来研究其运行机制,并为投资者选择投资时提供相关的理论支持及建议。

基于局部稀疏表示的目标跟踪算法

目标跟踪是计算机视觉领域重要的研究方向之一。基于l1最小化稀疏表示的目标跟踪算法跟踪精度高,但是在跟踪部分遮挡目标或当背景中存在与目标相似的干扰物时会发生漂移。这主要是因为算法仅关注目标的整体特征,而忽略了目标局部特征的变化情况。为了解决该问题,提出基于目标外观局部稀疏表示的跟踪算法。首先,对待选样本进行分块,然后利用采集得到的模板对各分块进行稀疏表示并计算重构误差,最后选取累积误差最小的待选样本作为跟踪目标。实验结果表明,该算法在跟踪被部分遮挡的目标时相比l1跟踪算法有更高的准确度。