好的表演需要好的观众——顾客察觉准确性在员工情绪劳动影响中的作用

基于385对顾客和员工的问卷调查的配对数据，考察了员工的情绪劳动如何影响顾客的信任和忠诚，以及顾客察觉准确性在其中的调节作用。研究结果表明员工的深层表演会促进顾客的信任，进而促进顾客忠诚；顾客对深层扮演的高察觉准确性会加强员工的深层扮演与顾客信任之间的正向关系，而当顾客对表面扮演察觉准确性低时，员工的表面扮演会对顾客信任有正向的影响；顾客的深层/表面扮演察觉准确性加强了深层/表面扮演、顾客信任和忠诚之间的中介效应。研究帮助从情绪的视角更好地理解服务情境中信任的前因变量，发现顾客的察觉准确性在情绪劳动影响过程中的重要作用，有助于服务企业从情绪劳动的角度来建立顾客信任和忠诚。     

低山丘陵区高标准基本农田建设限制性因子识别与建设方向

[目的]识别低山丘陵区高标准基本农田建设的限制性因素。[方法]基于GIS平台,运用AHP-熵权法,以重庆市高标准基本农田建设的6个典型项目区为例,从田块禀赋、设施配套、投入产出水平、社会经济水平及生态环境等5方面选取15项指标,识别低山丘陵区高标准基本农田建设的限制性因素。[结果](1)低山丘陵区高标准基本农田建设限制性因素依次存在中低山缓坡区丘陵宽谷区河谷平坝区的趋势,且不同微地貌条件下的限制性因素存在一定差异。(2)从项目区评价分值来看,河谷平坝区耕地质量分值最高,为高标准基本农田重点建设区域;丘陵宽谷区建设条件与耕地质量较好,是高标准基本农田建设次重点区域;而中低山缓坡区限制性因子较多,高标准基本农田建设适宜性较差。(3)文章研究的AHP-熵权法可以适用于其他地貌类型单元下高标准基本农田建设限制性因素识别研究。[结论]因地制宜,科学合理安排低山丘陵区微地貌类型下的高标准基本农田建设内容与整治任务。     

信息技术产业创新发展的演化复杂路径研究

信息技术产业创新发展的研究具有现实意义。通过文献研究建立信息技术产业创新演化复杂系统研究框架，汇总认知角度的创新层次、产业演化以及演化研究工具和方法等相关研究情况，认为应重视动态、演化和复杂系统的特点，政府介入推动自组织网络的高效率演化和发展，促进网络化学习，避免低端依赖，促进创新效率。创新系统研究应包含认知领域的相关成果，利用演化计算和机器学习方法构建模型，提升对真实行为的模拟仿真和解释能力。     

复杂地质条件下高面板堆石坝工程质量控制措施阐述

在复杂地质条件下,需要加强高面板堆石坝工程质量管控工作,严格地按照国家出台的质量安全责任规章,提高建设质量。论文主要围绕高面板堆石坝工程、工程质量控制措施两个方面进行探讨,确保混凝土面板堆石坝的施工质量。     

强化食品抽样检验推动食品安全深度监管

做好食品抽样检验工作是确保食品质量和安全的关键,本研究对目前国内食品抽样检验管理现状进行了分析,针对食品安全抽样检验管理存在的问题提出要强化制度建设、强化技术团队建设、制定统一检测标准等方法,并提出进一步深化改革食品安全抽样检验管理办法,旨在保障公众食品安全,提高食品抽样监管力度。     

基于大规模街景图片人工智能分析的精细化城市修补方法研究

在中国快速城镇化阶段“重量”而“轻质”的建设过程中，城市建成区尤其是老城区的景观环境产生了诸如景观视廊受阻、风貌破败等大量问题。对此，自2015年中央城市工作会议以来，各地相继开展了城市修补专项规划，以修复及更新城市建成环境，促进城市空间品质提升。然而，由于缺乏对城市环境整体效应的统筹考虑，故在城市实际修补过程中，城市局部地块的品质提升反而对城市整体品质构成负面影响。因此，在人工智能及大数据技术深度介入城市规划和设计实践探索的基础上，研究基于全卷积神经网络模型(FCN)和城市场景要素深度学习数据集，对城市景观环境中的各要素进行了大规模且高颗粒度的精确识别，同时与空间数据叠加，对复杂建成环境中的景观问题进行精确分析，并基于分析成果辅助后续城市规划设计实践，逐层递进地对城市复杂建成环境进行精细化修补。选择位于嵩山脚下的登封市作为案例，探索人工智能技术在辅助城市修补等规划领域的前瞻性应用。     

基于深度学习的跳频信号识别

针对跳频信号分选存在人工提取参数特征具有复杂性的问题，提出了一种基于深度学习的识别方法。首先对跳频信号进行短时傅里叶变换，得到二维的时频矩阵；接着提取信号的轮廓特征，构造三维矩阵作等高线图，并对等高线图进行预处理；最后把预处理后的等高线图输入到卷积神经网络中进行训练、测试，进而实现分类识别。仿真结果表明，在不需要复杂的人工提取参数特征的基础上，在分选率为100〖WT《Times New Roman》〗%〖WTBZ〗时，所提方法经裁剪处理下的信噪比为-15 dB，比支持向量机和传统K-Means聚类算法都低10 dB。实测数据的算法验证表明，所提方法能够将大疆精灵4Pro、hm无人机、司马航模X8HW以及大疆悟2这四类无人机正确分类。     

互联网金融的信用风险评估与预警研究

随着互联网金融的蓬勃发展，用户对消费金融的需求也越来越丰富多样。满足用户的多样化需求与建立健全风险监管体系成为互联网金融发展的重中之重。如何实现数据驱动服务升级、技术辅助市场监管成为研究的热点问题。本文通过数据处理与特征工程实现用户认证信息、金融信息、行为信息的融合，利用深度森林算法建立模型进行信用风险评估。结果表明，该方法能有效挖掘数据潜在价值，提高信用风险评估与预警效果。最后，本文针对互联网金融的信用风险预警与市场监管提出了建议。     

一种利用优先经验回放深度Q-Learning的频谱接入算法

针对认知无线传感器网络中频谱接入算法的频谱利用率不高、重要经验利用率不足、收敛速度慢等问题，提出了一种采用优先经验回放双深度Q-Learning的动态频谱接入算法。该算法的次用户对经验库进行抽样时，采用基于优先级抽样的方式，以打破样本相关性并充分利用重要的经验样本，并采用一种非排序批量删除方式删除经验库的无用经验样本，以降低能量开销。仿真结果表明，该算法与采用双深度Q-Learning的频谱接入算法相比提高了收敛速度；与传统随机频谱接入算法相比，其阻塞概率降低了6%~10%，吞吐量提高了18%~20%，提高了系统的性能。     

一种基于微波雷达回波信号的车型分类方法

车辆类型识别方法是智能交通系统的关键技术之一。利用深度学习的高维特征泛化学习能力，将改进的LeNet-5卷积神经网络用于基于交通微波雷达的大小车型分类识别。首先，以雷达触发前的N帧信号为基础，对雷达的回波信号进行分析并构建数据集；然后，分析LeNet-5卷积神经网络的特点；最后提出一种改进的LeNet-5卷积神经网络。实验结果表明，与传统的支持向量机方法相比，所提方法能够智能学习大小车的雷达时频信号特征，大小车型识别准确率达到97%以上，可为交通场景下的车型识别研究提供新的技术途径。