基于UWN的协同创新知识网络中知识流动效率测度

知识流动效率对创新绩效有着重要影响,在协同创新领域更是如此。为有效测度协同创新知识网络的知识流动效率,本文提出一种基于无向加权网络（Undirected Weighted Network, UWN）的知识流动效率测度模型。首先,基于协同创新知识网络的节点特性、节点间关系特性,构建协同创新知识网络的UWN模型;综合考虑协同创新知识网络中知识流动效率的多重影响因素,提出一个新的知识流动效率测度模型,并进一步提出该模型在成员管理中的延伸应用;最后,通过某智能手机开发企业的应用案例验证本文所提模型与方法的可行性与有效性。     

粒子群优化的加权核范数低秩矩阵补全算法

针对加权核范数最小化矩阵补全方法存在阈值决策函数单一、收敛精度不高等问题,提出一种粒子群优化的加权核范数最小化低秩矩阵补全算法。改进算法利用粒子群的启发式智能搜索能力,为待恢复矩阵的奇异值自适应地匹配恰当的阈值,以提升算法的收敛性能。改进工作主要包括：（1）设计多种奇异值阈值决策函数,为矩阵提供多种阈值分配策略;（2）改进粒子群的速度迭代公式,提出基于余弦函数的速度惯性调节公式以增强粒子群的全局搜索性能;（3）利用改进的粒子群优化算法为阈值决策函数搜索最优的参数组合,然后再通过阈值决策函数生成奇异值的阈值,重构恢复结果并提升算法的收敛精度。在人工数据和图像数据上的实验结果表明,与加权核范数最小化方法、奇异值阈值化方法以及低秩矩阵拟合方法相比,改进方法具有收敛精度更高、恢复结果更清晰等优势。     

带有竞争的非线性捕食者-食饵模型解的有界性

主要研究了一类带有竞争机制的非线性捕食者-食饵模型.通过对试验函数φ(w)的精细构造,对加权积分∫_Ωu^pφ(w)和∫_Ωv^pφ(w)的计算,可以得到u和v在L^p(Ω)中对任何有限p的有界性.并通过Moser-Alikakos迭代技巧,成功证明在某种参数条件下该模型具有全局有界经典解.     

次线性期望下负相依随机序列加权和的完全收敛性

目的:研究次线性期望下负相依(ND)随机变量阵列加权和的完全收敛性。方法:通过容度公式Hoffmann-Jorgensen型不等式,局部Lipschitz函数,充分利用次线性期望的性质。结果:建立了次线性期望下ND随机变量阵列加权和的完全收敛性的一般性结论。结论:次线性期望下ND随机变量阵列加权和的完全收敛性。     

区间毕达哥拉斯模糊幂加权几何Bonferroni平均算子及其应用

研究变量值为区间毕达哥拉斯模糊数的决策问题,针对决策者、属性间的支撑度及权重对决策的影响,提出基于区间毕达哥拉斯模糊幂加权几何Bonferroni平均(IVPFPW-GBM)算子的模糊多属性群决策方法,定义IVPFPW-GBM算子并讨论其性质;构造应用IVPFPW-GBM算子的MAGDM模型,通过排序方法进行决策.最后...     

基于最小鉴别信息加权的伪等组等值应用探究

在无锚情况下,国外学者提出可利用被试背景信息变量对非等组的被试进行最小鉴别信息加权构建伪等组实现分数连接。为探讨和分析伪等组等值在我国测验情境中应用的准确性,采用实证数据,对比分析了伪等组等值与传统锚题等值的结果。结果显示,在被试背景信息变量与待等值测验分数的相关达到0.75左右时,伪等组等值所产生的等值误差接近传统锚题等值,其等值分数与传统锚题等值分数的对比结果也显示,伪等组等值不存在等值重要差异,即二者的差异不会带来实际影响。结果表明,在一定测验情境下,伪等组等值可以成为传统等值的有效替代。未来研究可对伪等组等值在不同测验情境中应用的准确性进行更多验证。     

基于BP算法的地下水模拟中 加速因子的确定

在大型线性方程组的超松弛迭代法求解中,加速因子经常难以确定.应用BP神经网络对其进行训练学习,经过对比分析,得到最佳模型,应用该模型可快速确定加速因子.将该方法应用于石家庄市栾城水文试验基地,计算结果表明,BP人工神经网络有效地解决了地下水数值模拟中加速因子难以确定的问题.     

Calderón-Zygmund型算子在加权Herz型Hardy空间上的有界性

文章主要讨论Calderón - Zygmund型算子在加权Herz型Hardy空间上的有界性.