地方政府对跨行政边界集群创新网络企业隐性知识共享行为的影响——基于演化博弈论的研究

跨行政边界集群创新网络的发展是知识的共享和整合过程,地方政府在集群创新网络中的作用十分重要。运用演化博弈论的方法,将地方政府激励、惩罚、公共投入水平作为研究问题的主要因素,分析地方政府对跨行政边界集群企业隐性知识共享行为的稳定性及演化趋势的影响。最后,以社会福利函数为切入点,进一步揭示企业与地方经济协同发展的本质,并以此为基础,从地方政府角度提出相关促进企业隐性知识共享的措施。

基于限流可行方案边界集的最优支路投切

针对在最优支路投切中难以处理非凸非线形的短路电流约束问题,基于限流全方案的性质,定义了一种可通过少量方案判断所有投切方案短路电流状况的可行方案边界集,将其代替节点自阻抗约束,建立了考虑短路电流约束的最优支路投切模型并提出了求解方法。将原问题分解为最优支路投切主问题和短路电流约束子问题;子问题利用可行方案边界集对主问题求解结果进行检验,当短路电流约束不满足时向主问题添加割平面约束;主问题迭代求解直至满足限流要求。实际电网算例表明,限流可行方案边界集在线路投切方案中占比很小,不会造成计算机的存储负担,其与最优支路投切的结合可提升系统运行经济性并兼顾短路电流安全。

边界点集规划与注塑模具浇口位置的优化

根据平衡流动路径特点 ,提出了以理想流动模式为目标、基于制件边界几何信息的浇口位置优化选取的原则 ;并以平板制件单浇口注射成型工艺为例 ,研究了最佳浇口位置的描述方法并建立了相应的数学模型 ,给出了优化算法及制件边界特征点集的规划提取方法 ;根据所建数学模型和所选用优化计算方法 ,开发了相应的计算软件 ,经实例验证 。

基于粗糙集边界的v-支持向量机混合分类算法

针对v-支持向量机在样本集规模较大的情况下,需要占用大量训练时间的问题,提出基于粗糙集边界的v-支持向量机混合分类算法。该算法根据粗糙集理论边界区域的优点,生成分类数据的边界集,使其包括全部的支持向量,用此边界向量集替代原始样本作为训练集,减少训练集的数量,则可以在不影响分类精度和泛化性能的前提下显著缩短v-支持向量机的训练时间。仿真结果表明该算法的有效性。

企业集群边界均衡影响因素分析——基于空间区位架构

文章以企业集群为研究对象,从空间区位的角度研究集群边界均衡问题。通过salop圆形选址模型的集群区位架构,应用C-D形效用函数的扩展微观方程组,经过推演得到的渐进解析解显示,区位市场容量和谈判成本对集群边界有最直接的制约作用。如果谈判成本不存在,集群边界可以无限大;如果谈判成本存在,在市场价格稳定不变、投入成本系数固定的情况下,谈判成本系数与集群边界负相关,区位市场容量与集群边界正相关。在分别满足这两种情况的数值条件下,集群边界达到均衡。而区位企业密度结构对集群边界扩张速度具有调节作用,帮助集群以最优效率发展。从均衡结论入手,文章指出如果一种类型的产品是盈利的,那么应该重点关注于找出最合理的集群空间密度结构,调控边界增速,同时尽可能降低谈判成本,作为治理集群边界的核心渠道。文章对认识集群边界扩张的演化发展有一定的理论创新性,从空间区位架构的视角来研究集群扩张边界问题,扩展了现有的文献研究。

基于边界标记集的专利文献术语抽取方法

目前,大部分术语边界的确定方法是通过选取合适的统计量,设置合适的阈值计算字符串之间的紧密程度,但该类方法在抽取长术语时不能得到很好的效果。为了解决在术语抽取过程中长术语抽取召回率低的问题,在研究了大量专利文献的基础上,提出了一种基于专利术语边界标记集的术语抽取方法。方法中提出了边界标记集的概念,并结合专利文献中术语边界的特点构建专利术语边界标记集;提出了一种种子术语权重计算方法抽取种子术语;使用人民日报语料作为对比语料抽取专利文献术语部件词库,提高候选术语的术语度;最后采用左右边界熵的方法对识别出的术语进行过滤。实验表明,所提出的方法具有较好的实验结果,正确率81.67%,召回率71.92%,F值0.765,较对比实验有较大提高。

目标边界点集的层次化描述及其形状检索应用

提出用于轮廓线形状和区域形状图像检索的形状描述方法,该方法将目标形状的边界(包括内边界)表示为一个无序的点集,沿各方向对点集的迭代分割,建立层次化的边界点集描述模型.通过对各层形状边界的分割比和分散度的几何特征度量,产生各层的形状特征描述,对它们进行组合,建立对目标形状的层次化描述.两个目标形状的差异性度量定义为它们的层次化描述子的 L-1 距离.该方法具有:(1)通用性.能够描述轮廓线形状和区域形状这两种不同类型的形状;(2)可扩展性.基于所提出的分层描述框架,可以将分割比和分散度这两种几何度量进行扩展,纳入更多其他几何特征度量,以进一步提高形状描述的精度;(3)多尺度描述特性.提出的分层的描述机制,使得描述子具有内在的由粗到细的形状表征能力;(4)较低的计算复杂性.由于仅仅计算目标图像的边界像素点,使得算法具有较高的计算效率.用 MPEG-7 CE-2区域形状图像库和 MPEG-7 CE-1轮廓线形状图像库这两个标准测试集对该方法进行评估,并与同类的其他形状描述方法进行比较,实验结果表明:提出的方法在综合考虑检索精确率、检索效率和一般应用能力等指标的情况下,其性能上要优于各种参与比较的方法.

集群航天器球形边界控制

集群航天器由于其独特的优势,在未来航天任务中将举足轻重,其边界控制也随即成为研究热点.针对近距离伴飞的圆轨道集群航天器,以集群航天器蜂拥控制模型为基础,通过集群航天器球形边界的定义,运用粒子群优化算法,实现了稳定状态下集群航天器的边界参数寻优.采用球形空腔势函数的控制方法,结合集群航天器边界参数反馈信息,实现了对集群航天器球形边界控制,并仿真验证了算法的可行性.

拓扑空间中某个边界点集的讨论

设(X,ζ)是一个拓扑空间,EX。对此拓扑空间中的边界点集问题的结论:(1)(E)=E;(2)(…(E))n=(…(E))n-1(n∈N,n>2)是否正确进行讨论,并给出相应的证明。

关于集群安全域边界设备负载均衡策略的研究与优化

安全域边界设备是目前使用最多的网络安全设备之一。随着网络数据流量的日益增加,其承受的负载压力也逐渐增大,尤其对处于数据传输枢纽位置的大型信息处理单位而言,仅依靠单台设备已无法满足对大规模数据进行过滤与保护的需求。将安全域边界设备集群化,共同分摊大规模数据包的处理需求,实现数据流的并行分析和处理,以提高该类系统的性能表现已经势在必行。在集群设备的优化技术中,其关键环节就在于负载均衡策略的选择与应用。论文对集群安全与边界设备的负载均衡策略进行研究,提出一种基于动态自适应算法的全新解决方案。经过仿真验证,该策略明显提高了集群系统的数据吞吐量,有效改善了数据处理的效率、可靠性和安全性。

中小企业集群无边界组织创新

随着市场竞争的日益激烈、信息技术的迅速发展，中小企业集群的外部经营环境由稳定性变为极具变化眭和复杂性，现实和理论都迫切需要集群组织创新，要求集群将更多创新力转移到寻求提升和挖掘企业集群的外部效率。此时，无边界组织就更加注重外部效率的新型的集群组织创新形式。

基于粗糙集与支持向量机的分类算法

针对高维大样本环境下支持向量机训练算法面临的耗时增大与维数灾问题,将序列最小优化算法(SMO)与粗糙集(RS)的数据处理功能相结合,提出一种新的基于粗糙集与支持向量机的分类算法RS-SMO.该算法依据属性的重要性对数据集作属性约简,用粗糙边界集法生成类边界集作为SMO的训练子集,使训练集比原始训练集的维数与规模都有一定程度的减少,可构造出具有较好时空性能的算法.实验结果表明,RS-SMO算法能实现结构风险最小化,且性能优于SMO算法.

特性关系下概率粗糙集中的属性核计算方法

提出了在特性关系下的概率粗糙集模型中的概率近似精度的增量更新机制,通过比较概率近似精度的更新值得到属性核,最后提出了一种在特性关系下概率粗糙集模型中的属性核求解算法,并举例说明了所提算法的有效性和可行性.

基于数据流的频繁集挖掘

针对数据流特殊的数据类型,提出了一种新的数据流挖掘算法.该算法引入了一个全新的优化方法,将边界集和频繁产生集结合起来.频繁产生集是频繁集的一种无损简缩表达方式.它所包含的模式数量比频繁集所包含的模式数量小若干数量级.边界集是频繁产生模式和其他模式之间的边界,通过观察边界集的变化可以生成新的频繁产生模式.实验结果表明,该算法的性能有明显的提高.

基于粗糙集的支持向量回归机混合算法

利用粗糙集(RS)对不精确数据的处理能力,生成分类数据的边界集,替代原始样本作为训练集,减少训练集与获取的支持向量的数量,然后使用支持向量机的最小序列优化(SMO)算法改进回归学习机的性能。将粗糙集与SMO回归算法结合提出一种混合函数回归算法RS-SMO-RA。在常用SMO回归算法SMO-RA基础上,扩增一段简短的生成边界样本的算法程序。仿真结果表明,算法RS-SMO-RA的效率更高,且能够改进学习结果的性能。

基于超越集群的视角认知文化产业集群

文化产业集群具有不同于传统产业集群的特征,从集群邻近、集群网络关联、集群边界和集群创新环境等角度分析两者的差异,发现文化产业集群更注重认知邻近和关系邻近,它是由经济网络和社会网络构成的复杂的网络体系,倾向于无边界的发展趋势,文化整合和跨边界网络知识整合是文化产业集群发展的新思路,创新是决定文化产业集群竞争优势的关键要素。

关于拓扑空间中一些点集的注记

本文首先给出了拓扑空间中的一个集合为闭集的充要条件,从而进一步得到拓扑空间中的一个集合的闭包和边界集必为闭集并且它的闭包是包含着这个集合的最小的闭集。其次我们知道在一般的度量空间中一个集合的导集必是闭集,但是在一般拓扑空间中此结论不一定成立,所以本文主要给出了在拓扑空间中一个集合的导集为闭集的的充分条件和充分必要条件。

基于均匀分布的平面点集的凸包加速算法研究

研究了对于平面点集如何进行凸包算法加速,主要思想是计算一个点集的边界,摒弃边界范围内的点集。其加速方法独到、对于均匀分布计算了最适合的加速因子,得到了在这种点集上时间代价为O(n)的凸包算法。

一个关于凸集强分离的充分必要条件及其应用

该文首先给出了关于两个非紧凸集可被强分离的充分必要条件，它是[1，2]中一个定理的改进，然后利用它改进了[4-7]中一些定理和[8]中的一个结果．

基于平面的均匀分布和正态分布点集的凸包加速算法研究

研究怎样对于平面散乱点集进行的凸包算法的加速,主要的思想是计算一个点集的边界,摒弃边界范围内的点集,并且对于均匀分布和正态分布分别计算了最适合的加速因子,得到了平均意义上的O(n)的凸包算法。