孔子课堂设立的影响因素——基于负二项模型的实证分析

孔子课堂是孔子学院与所在国中小学合作开展基础汉语教学的分支机构,与孔子学院都属于中国语言教育服务出口的重要模式。文章以2004-2016年的孔子课堂数量的面板数据为基础,采用负二项模型,基于经济、政治和文化三层面来考察全球孔子课堂设立的影响因素。研究结果表明,所在国经济规模、中外经贸关系以及所在国中资企业因素对孔子课堂设立具有显著的积极影响,中外文化差异因素和政治互动因素对所在国孔子课堂设立也具有正向影响,而所在国孔子学院和中外政治制度差异因素对孔子课堂的设立没有显著作用。最后,结合研究结论,为孔子课堂在全球更好地布局与发展提出相应的政策建议,以更好地推动中国基础语言教育服务的出口。     

基于广义估计方程的时间相关性事故频次建模

研究目的：创新要点：研究方法：重要结论：采用广义估计方程模型对存在时间相关件的事故频次数据进行建模,并与传统广义线性模型的估计效果进行对比。 通过广义估计方程来考虑事故频次建模中数据的时间相关性,从而提高参数估计准确度以及模型预测精度。基于4年高速公路交通事故频次数据,建立考虑时间相关性的广义估计方程以及传统的广义线性模型,并采用统计指标对模型效果进行对比。1．事故频次数据样本最对预测精度影响很大;2．广义估引方程能够有效考虑事故频次数据中存住的时间相关性;3．广义估计方程的参数估计比传统广义线性模型史准确,且精度更高。     

基于偏置继电反馈的多变量对象闭环辨识方法

由于工业中多变量控制对象的复杂性、耦合性等特点,使得在针对这类对象的辨识过程中往往存在较大难度。提出一种基于偏置继电反馈的多变量闭环辨识方法,主要通过偏置继电反馈实验获取多变量闭环对象从振荡到稳定的输入输出信号,根据获取信号在主要频率段的频率特性辨识对象模型,有效克服了传统继电反馈法测试时间长,辨识模型精度不高的缺点。     

用于交通事故分析的基于贝叶斯方法的条件自回归负二项模型(英文)

为了改进用于分析大量影响因素的交通事故模型,采用基于马尔可夫链蒙特卡罗法和吉布斯抽样的条件自回归负二项模型来拟合过度散布性(由负二项过程拟合)、未观察异质性和空间相关性(由条件自回归过程拟合).统计检验显示,由于具有更小的预测误差和更强的参数估计,条件自回归负二项模型优于条件自回归泊松模型、负二项模型、零膨胀泊松模型和零膨胀负二项模型.研究结果表明,交通事故率和死亡人数与车道数、曲线长度、车道年平均日交通量和降雨量成正比.最大限速和最近医院距离与交通事故次数成反比,而与死亡事故次数成正比,这可能是由于过高的速度会引发更严重的事故以及救援伤者时丧失较长时间.     

一种基于Dijkstra算法的高速公路交通应急疏导方法

高速公路上发生的交通事故,容易引发严重的交通堵塞,甚至会产生的二次交通事故,极大地影响了其他车辆的安全畅通行驶.对此,选取高速公路交通路网为研究的对象,根据当前路网的交通流量,采用Dijkstra算法设计一种交通应急疏导方案,旨在为堵塞的车辆选择一条安全的、费用最小的行驶路径.实例分析和仿真模拟论证了该方案的可行性.     

一种基于拓扑结构射影不变量的三维模型检索方法

融合点特征拓扑结构射影不变量和空间统计分布特征提出1种三维模型检索新方法,在统一框架中结合模型的拓扑结构特征和统计特征进行模型检索。首先,通过模型数据预处理完成各模型的姿态标准化和缩放标准化;然后,引入空间区域划分和随机分布采样方法,构建三维模型的点特征拓扑结构射影不变量进行三维模型检索,提高三维模型检索的准确率与鲁棒性;最后,对比分析了本文算法与其他算法的Recall-Precision,验证了算法的有效性。     

基于GRA-PCA的RBF神经网络预测方法应用研究

多因素时间序列预测是时间序列数据挖掘的一个重要分支,被广泛地应用于各种领域.文中利用灰色关联分析(GRA)和主成分分析(PCA)对RBF网络的输入空间进行降维重构,选取与输出变量关联度相对大的影响因素,并消除各因素之间相关性,解决了RBF网络在多因素时间序列预测模型设计中的影响因素约简问题.通过粮食产量实例仿真,验证了模型的有效性.     

基于DEA模型的高等职业院校校内实训基地建设绩效评价研究

实训基地建设是高等职业教育办学工作的重要组成部分,是提高实训教学质量的基本保障。以江苏农林职业技术学院每个系为1个决策单元,通过建立数据包络分析模型,对8个决策单元的校内实训基地建设进行绩效评价。结果表明,8个决策单元的实训基地运行状况较为理想,技术效率DEA有效的结果优于规模效率。通过绩效评价能使实训基地管理效率得到不断提升,实训资源配置更加优化。