社保支出增长与经济增长的周期性协调及长期适度均衡——基于OECD国家的经验研究

各国调控社保支出的目标在于维护社会稳定和平滑经济增长,实现社保支出增长与经济增长的周期性协调与长期适度均衡。OECD国家的社会保障实践证明了社保收入增长与支出增长之间的不对称关系;社保支出具有刚性增长且在经济危机期间需增加支出的双重约束特征。相较于社保支出顺周期的增长策略,社保支出“周期性平滑增长”的机制更可持续。对OECD国家社保支出周期性操作经验的考察也进一步检验了“周期性平滑增长”机制的可行性。随着中国人口老龄化问题日益显现和经济增长步入新常态,社保支出增速长期高于经济增速的模式将难以为继。对此,中国未来的社保支出调控需做到经济周期内的平滑增长和人口周期内的平滑增长。

姿态特征结合2维傅里叶变换的步态识别

目的针对现有步态识别方法易受携带物品、衣服变化等影响的问题,提出了将无肩姿态能量图、步态参数等姿态特征与步态参数的2维傅里叶变换相结合的步态识别算法。方法基于姿态关节点序列提出忽略肩膀宽度信息的无肩姿态能量图,用以减弱衣服变化的影响;由于下肢受衣物及背包影响较小,提取3个或3个以上的下肢关节点局部结构参数,即提取中臀点与左右膝关节点、中臀点与左右踝关节点构成的两个三角形面积以及所有下肢关节点构成的多边形面积作为步态参数,增强下肢参数在步态识别中的作用;人在行走时,单肢体的运动具有一定的周期性,且肢体之间运动具有一定的协调性,用步态参数的2维幅度谱来表示单肢体运动的周期性与肢体之间运动的协调性,以提高步态参数的可区别性;在现有典型步态特征的基础上,融合本文提出的无肩姿态能量图、步态参数及其2维傅里叶变换幅度谱,采用多特征表示步态的方法,充分利用各特征的优点,提出加权平均与最大池化相结合的两层分数融合策略进行步态识别,提高了步态识别算法在携带物品、衣服变化和跨视角等条件下的正确率。结果实验结果表明,在中国科学院自动化研究所发布的步态数据集CASIA-B上,本文方法在相同视角条件下,正常状态、背包状态和穿大衣状态的平均识别率分别为99.56%、99.23%和94.25%;在跨视角条件下,正常状态、背包状态和穿大衣状态的平均识别率分别为91.32%、85.34%和69.51%。与典型算法相比,穿大衣状态的识别率有显著提升。结论本文方法采用加权平均与最大池化相结合的两层分数融合策略,综合利用各特征的优点及其适用场景,有效提高了步态识别的准确率,特别是减弱了衣服厚度、样式等变化对步态识别的影响。