简介：循环经济模式是现代社会提倡的发展模式,地区循环经济的现状评价是循环经济研究的重要内容之一.本文基于现有的循环经济评价,以浙江省作为研究案例,采用了熵值法设定了该指标体系的权重,并建立循环经济效率评价模型,构建浙江省循环经济评价指标体系.通过对2013年浙江省的循环经济实证评价,对省域各地区环境效益、资源效益、经济效益进行分类评价,主要结论有：在三种效益中,浙江省环境效益最差,资源效益中等,经济效益最优;其中经济效益最优的是杭州,环境效益最优的是绍兴,资源效益最优的是温州;杭州、温州地区的循环经济效率较高.

简介：针对观缆车主轴系统难以拆卸的特点,将声发射检测技术应用于观缆车轴承的故障诊断中,提出一种经验模态分解(Empiricalmodedecomposition,EMD)与近似熵相结合的观缆车轴承故障诊断方法.即利用观缆车试验台对滚动轴承无故障、内圈故障和滚动体故障进行模拟,采集其声发射信号.通过EMD方法将获取的声发射信号分解为若干个本征模态函数(Intrinsicmodefunction,IMF)分量,然后利用能量和相关系数法选取IMF分量,最后对筛选的IMF分量进行近似熵计算.实验结果表明,该方法能够有效判断观缆车滚动轴承是否存在故障.

简介：高温蠕变是影响金属结构失效的主要原因之一，而对金属材料高温蠕变寿命的评价则是工业安全生产的重要组成部分．文章介绍三类常用的蠕变寿命评价方法：持久强度实验外推法，微观组织分析法，超声波测定法，并对其原理、表征参数、国内外的研究进展、优缺点等方面进行了总结，认为综合运用这三类方法对高温蠕变状态评价及剩余寿命预测是当前采用的主要方式．最后，通过分析与比较，指出了非线性超声技术具有灵敏度高、在线无损检测等优点，是高温蠕变评价未来发展的重要方向．

简介：在视频编码中,DCT系数分布模型是率失真理论模型的基础,视频量化一般可分别为硬判决量化（HDQ）以及软判决量化（SDQ）,SDQ算法能实现最优编码性能,但其中维特比算法会导致严重的系数间串行处理依赖.比较而言,基于死区（deadzone）的HDQ算法率失真性能略有损失,但是不考虑系数间的相关性.提出了一种基于分段逼近TCM模型（TransparentCompositeModel）的自适应硬判决量化算法,采用更精确的DCT分布估计模型,估算不同频率分量DCT系数的分布参数.根据模型参数及DCT系数分布参数,优化构造自适应的死区偏移量模型.实验表明,相对于固定偏移量HDQ算法,其编码性能非常接近于SDQ算法.

简介：针对深度信念网络无法科学有效地确定网络模型深度和隐层神经元数目等问题，根据贪心算法思想，提出了一种动态构建深度信念网络模型的新方法.即从底层逐层构建深度信念网络的过程中，根据验证集错误分类率调整当前层神经元数目，使当前模型达到最优后，固定当前层神经数目，网络深度增加一层；继续调整下一层神经元数目，直至整个模型构建完成.最后，根据重构误差微调各层神经元数目.结果表明，与依据重构误差构建的深度信念模型相比，利用此方法构建的深度信念网络模型的分类准确率更高.

简介：提出了一种变比为3的交流-交流升压型开关电容变换器.该变换器结构十分简单，输出效率高，功率密度大，而且其开关元件的PWM控制方式简单，主要基于开关电容原理实现电能转换.文中给出了该变换器电路的工作过程和控制驱动方法，对交-交变换时的电压变比进行了基于工作过程中暂态方程的理论建模分析，建立了等效内阻的数学模型，分析了稳态电压变比，并建立电路参数和变换器性能之间的函数关系.搭建了原型样机，通过实验验证理论的正确性.

简介：LDA主题模型是文本挖掘领域的重要算法，同时在推荐系统当中也有不错的表现.通过LDA主题模型挖掘用户感兴趣的主题，是目前最常用的用户兴趣主题挖掘方法之一.为了提高LDA主题模型应用在推荐系统时的推荐质量，我们提出了一种基于负样本进行学习的方法negLDA.通过创造出负样本来学习用户对物品的负面预测评分，同时结合正样本学习得到的正面预测评分，从正反两个方面进行综合评测，从而更加精确地衡量出用户对物品的预测评分.通过在MoviesLens-100k、MovieLens-1M、FilmTrust这三个数据集上的实验，表明所提出的算法在精确率、召回率、AUC三个指标上相比传统算法均有一定改进.

简介：研究一类中立时变时滞系统的稳定性和H∞滤波器设计问题．通过构建一个新的李雅普诺夫泛函，采用新的积分不等式方法和交互式凸组合方法，得到了该中立时变时滞系统线性矩阵不等式形式的稳定性判据，给出了中立时变时滞系统H∞滤波器的设计方法．仿真实例表明，采用提出的上述方法得到的结果具有更小的保守性，且所设计的中立时变时滞系统H∞滤波器是有效的.

简介：马尔科夫预测模型具有＂无后效性＂,即预测未来的销售情况只与当前的销售数据有关,而与过去的销售数据无关.事实上,过去不同的时间点对当前的销售结果会有不同程度的影响.而指数平滑法恰好弥补了马尔科夫预测模型的缺点,它认为最近的过去销售数据,在某种程度上会持续到未来.因此本文利用二次指数平滑系数法优化马尔科夫预测模型,并以某品牌电动车的销售情况为例进行验证,发现优化后预测模型的绝对误差均小于马尔科夫模型的预测结果.由此得出结论,基于二次指数平滑法优化的马尔科夫预测模型具有可行性.

简介：针对因影响因素众多而难以预测的隧道沉降问题,使用粒子群算法（PSO）优化支持向量回归模型（SVR）并结合灰色理论中的等维新息,提出了混合模型对隧道沉降时间序列数据进行预测研究.与ELM极限学习机预测模型及PSO-BP神经网络预测模型进行了对比实验.发现等维新息SVR模型在预测精度上要优于其它两个模型,于是得出该模型可以有效地应用于隧道沉降时间序列的预测研究.