高校帮困资助政策及其育人性功能发挥研究——以上海立信会计学院为例

随着我国高等教育大众化的发展,大学生的群体构成成分却越来越多元,覆盖到社会各个层面。其中,家庭经济困难的学生成为教育平等大众化的重要受益群体之一。为了更多的贫困生能够实现大学梦想,政府给予了高度重视,并出台相关文件,积极支持这部分学生顺利完成学业。但同时,接受资助的学生群体中,也存在着不懂感恩的不良现象,部分学生将国家和社会给予的资助视为理所当然,并大肆挥霍相应资金。因此,如何将资助政策的育人性发挥出来,培养大学生的感恩情结,成为亟待解决的课题。

网络信息传播绩效评估的基本要素分析

基于对网络信息传播绩效评估的关注,文章系统分析了网络信息传播绩效评估活动中所涉及到的基本要素,主要包括评估目标、评估原则、评估模式、评估主体、评估对象和评估指标等,并探讨了各基本要素在评估活动中的地位及相互关系。

大学生创新能力的信息化动态评估模型

在知识经济的新时代,高校担负着培养创新型人才的重要社会责任。本文就大学生创新能力的培养与评估问题,进行了实践尝试和探索研究。

基于公共权重DEA模型的证券信息公司服务模式选择研究

证券信息公司是知识密集型现代服务企业,以往研究从定性分析的角度注意到证券信息服务的多种模式选择问题,但尚未结合科学的定量分析工具对证券信息服务模式进行评价。本文选取证券信息公司典型的19种信息服务模式作为决策单元,建立评价指标体系,对5家有代表性的证券信息公司进行数据采集,采用公共权重DEA模型进行实证分析,得出这19种服务模式的选择顺序。研究表明,互联网络广告服务、电子邮件邮寄资讯、产品包装服务模式和移动证券信息服务是证券信息公司的主营服务模式;提供投资资讯是主要的内容精加工服务模式;咨询服务模式是主营服务模式发展的有力推手;内容粗加工服务模式是最劣选择。针对这一研究结果,文章最后给出了证券信息公司服务模式选择的建议。

基于SUPER的证券信息公司服务模式选择

本文从理论与实证两个角度分析证券信息公司的服务模式选择。实证分析时,选取证券信息市场典型的19种业务类型为决策单元,建立评价指标体系,对5家有代表性的证券信息公司进行数据采集,采用SUPER模型、CCR模型和波达数处理方法,得出证券信息公司服务模式选择顺序为:内容传播、内容包装、内容精加工、咨询、平台和内容粗加工服务模式。最后,从企业资源的角度为现有或拟进入的同类型企业的服务模式选择给出建议。

基于贝叶斯网络分类器的财务信息失真识别研究

企业财务信息失真识别越来越多地受到关注。本文使用条件高斯函数代替边缘高斯函数的乘积进行叠加,给出新的多元高斯核函数,在此基础上,建立扩展的连续属性朴素贝叶斯分类器,并将该分类器用于企业财务信息失真识别,实验结果显示,这种分类器具有良好的分类性能。

自然电位测井数学模型与求解方法

对石油勘探开发中常用的自然电位测井方法,在以往散见于各处的研究成果及近期研究的基础上,系统地总结了其相应的数学模型,并补充了众多算例,为自然电位测井在轴对称情况下建立了完整的理论框架。有关内容包括自然电位测井数学模型及其适定性,解的极限状态及相应的简化模型,有效求解的数值方法,并揭示了有关自然电位测井方法的算例及应用。

基于数学模型的混泥土泵车液压系统的Simulink动态仿真(英文)

介绍了混泥土泵车液压控制系统的工作原理。针对液压系统动力控制的功率键合图给出Matlab/Simulink模拟数学模型,分析泵车的输出压、活塞杆位移、泵不同频率的流量和反转时间。根据分析结果得出影响液压响应时间的重要因素。

RepTrust:P2P环境下基于声誉的信任模型

声誉是一种新型的信任建立机制,在P2P网络中,利用基于声誉的信任机制可以孤立劣质节点,选择更为可信的节点进行交互,以规避和减少风险。针对目前研究中存在的与网络结构耦合过紧、防止联合欺诈和声誉时效性处理不佳等问题,提出了一种新的基于声誉的信任模型RepTrust。模型采用与获取路径甚至评价者rater无关的声誉信息计算信任度,利用基于大多数原则的算法过滤不实声誉,利用衰减因子处理声誉的动态性。仿真实验表明模型在信任度计算、对付欺诈和动态声誉处理等方面效果明显。

一种基于自主短信平台的移动学习系统

为了给学生提供一种全方位的移动学习环境,设计和开发了一种基于自主短信平台的移动学习系统。客户端按照知识体系结构设计,基于J2ME技术开发。客户端植入手机中,用来提出问题和获得答案。手机短信以XML格式表达,以方便信息解析。系统通过GSM Modem连接起了计算机和移动通信网络,具有方便、易操作和低代价的特点,可以给学生提供更多的学习机会。

贝叶斯网络参数学习中的噪声平滑

对于存在噪声的贝叶斯网络参数学习,目前主要通过调整贝叶斯网络的结构来增强其抗噪声能力,但调整后的结构往往会降低网络的可靠性,不易实现持续学习,而且不能从源头上排除或减少噪声对参数的影响。将贝叶斯网络与Gibbs抽样相结合,以变量作为基本单位,使用马尔科夫毯提供的信息平滑一个变量对应的数据,可有效地避免上述问题。

电阻率测井的数学模型

电阻率测井是石油勘探和开发中一种常用和重要的技术。介绍一种适用于各种电阻率测井的具有等值面边界条件的边值问题数学模型,这类数学模型不同于以往电阻率测井采用的局部边值问题模型,在实际应用中产生了巨大的效果。

探索建立符合中国国情的银行排队系统

本文运用运筹学中的排队论M/M/C模型,从不同角度分析了我国银行排队的原因,探索与研究了我国银行排队系统存在的问题及解决思路,为银行管理者合理地设置窗口、优化系统、提高效率,提供了决策参考。

经管类高等数学教学改革探索

高等数学是经济管理类院校各专业必修的且很重要的基础课程之一,也是培养学生能力和提高学生素质的一门重要学科。但目前在经管类的部分学生学习动力不足、兴趣不大,严重影响了他们的学习。本文结合自己的教学经验,在教学内容上、教学手段、教学方法、教学的组织形式上进行了探索。

连续属性完全贝叶斯分类器的学习与优化

针对连续属性朴素贝叶斯分类器不能有效利用属性之间的条件依赖信息,而依赖扩展又很难实现属性条件联合密度估计和结构学习协同优化的问题,文中在使用多元高斯核函数估计属性条件联合密度的基础上,建立了具有多平滑参数的连续属性完全贝叶斯分类器,并给出将分类准确性标准与区间异步长划分完全搜索相结合的平滑参数优化方法,再通过时序扩展构建了动态完全贝叶斯分类器.我们使用UCI机器学习数据仓库中连续属性分类数据和宏观经济数据进行实验,结果显示,经过优化的两种分类器均具有良好的分类准确性.

小数据集的贝叶斯网络结构学习

针对直接基于小数据集贝叶斯网络结构学习不可靠,以及目前对小数据集的处理只强调扩展而忽略对扩展数据的修正等,提出了将扩展与修正相结合的小数据集处理机制,以及在此基础上的基于结点排序和局部打分-搜索的贝叶斯网络结构学习方法,可不需要完全结点顺序的先验知识,但能够结合专家的部分结点顺序信息,实验结果显示了这种方法的有效性和可靠性。

基于高斯Copula的约束贝叶斯网络分类器研究

具有连续属性的分类问题普遍存在,目前主要采用两种方法来处理连续属性:一种是将连续属性进行离散化;另一种是基于高斯函数或高斯核函数来估计属性密度.连续属性的离散化可能导致信息丢失、引入噪声和类对属性的变化不够敏感等问题,而高斯函数和高斯核函数在属性密度估计中各有优势与不足,但它们具有很强的互补性.该文依据Copula和贝叶斯网络理论,结合高斯Copula密度函数、引入平滑参数的高斯核函数和以分类准确性为标准的属性父结点贪婪选择,建立连续属性约束贝叶斯网络分类器,既可以避免连续属性离散化所带来的问题,又能够实现高斯函数和高斯核函数在属性密度估计方面的优势互补.分别采用真实数据和模拟数据进行实验,结果显示,使用结合边缘高斯核函数的高斯Copula估计属性密度的约束贝叶斯网络分类器具有良好的分类准确性.

图的一类新双变量色多项式

根据Klaus Dohmen等提出的图的新双变量色多项式概念,探究了一般图关于此定义的减边公式,利用它反复迭代后可以方便地求得任何图的新双变量色多项式,还利用它深入探讨了一些特殊图的新双变量色多项式公式.同时还探究了运用包含等偏序关系,利用Mobius反演法和"格子剖分"法求得图的新双变量色多项式.最后探讨了共点图的新双变量色多项式公式以及图的顶点和边与色多项式的关系.

图形处理器通用计算的研究综述

从2004年开始,图形处理器GPU的通用计算成为一个新研究热点,此后GPGPU(Gen-eral-Purpose Graphics Processing Unit)在最近几年中取得长足发展。从介绍GPGPU硬件体系结构的改变和软件技术的发展开始,阐述GPGPU主要应用领域中的研究成果及最新发展。针对各种应用领域中计算数据大规模增加的趋势,出现单个GPU计算节点无法克服的硬件限制问题,为解决该问题出现多GPU计算和GPU集群的解决方案。详细地讨论通用计算GPU集群的研究进展和应用技术,包括GPU集群硬件异构性的问题和软件框架的三个研究趋势,对几种典型的软件框架Glift、Zippy、CUDASA的特性和缺点进行较详细的分析。最后,总结GPU通用计算研究发展中存在的问题和未来的挑战。

连续属性朴素贝叶斯分类器的依赖扩展研究

针对朴素贝叶斯分类器不能有效利用属性之间依赖信息的问题,在将连续属性条件互信息计算、条件密度计算与通过建立类约束属性最大权重跨度树的父结点选择相结合的基础上,提出了连续属性朴素贝叶斯分类器选择性树结构依赖扩展方法.通过对比实验和分析,证实了扩展后分类器的分类准确率得到明显的改进.