产品开发中企业引入消费者参与的时机决策：一个基于消费者偏好信号传递的分析

针对“企业可以在产品开发的不同阶段引入消费者参与”的实践观察，本文构建消费者与企业之间的不完全信息动态博弈模型来研究“在何种条件下，企业选择产品开发前端（后端）引入消费者参与，从而激励消费者真实传递其偏好信息”这一问题。研究表明：存在外生参数（消费者讨价还价能力和参与净效用表征），使得前端和后端引入消费者参与均（或二者中只有一个）能够实现消费者真实传递其偏好信息的分离均衡；前端参与时，分离均衡要求企业通过新产品价格分担（攫取）消费者的负（正）参与净效用，而后端参与不需要这种分担（攫取）机制；在前端和后端参与均能实现消费者真实传递其偏好时，前者优于后者的条件是参与净效用为正。     

商业银行无介质服务的研究与思考

随着数字化智能时代的发展,基于移动互联网和智能设备的高度普及,围绕着生物识别、光学字符识别(Optical Character Recognition,OCR)、网证等新技术的场景运用,大部分金融机构已实现了线上化的银行金融服务,新技术应用促进了商业银行无介质服务体系的建设和创新,进一步提升了客户体验。     

关于对义务机构受益所有人身份识别工作的思考及建议

随着反洗钱金融特别工作组(FATF)第四轮互评估的进行,反洗钱监管形势趋严,为更好的配合互评估工作的进行,人民银行先后印发了系列文件,其中包括加强对非自然人客户受益所有人身份识别工作,旨在提高受益所有人信息透明度,防范因复杂股权或控制权结构而导致的洗钱和恐怖融资风险。本文通过对义务机构调研,发现其在完成受益所有人身份识别工作中遇到了一定的问题及困难,并就如何解决问题及困难提出几点建议。     

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。     

用户凭什么留存？提供别人提供不了的价值

私域流量是指不用付费,可以任意时间、任意频次,直接触达到用户的渠道,比如自媒体、用户群、微信号等。私域流量有几个特点:首先,流量更可控。假设百度有1000万用户,然而这1000万用户跟我们没有任何关系,只有把用户导入到自己的平台,才算自己的用户,后续针对用户的服务才有可能发生。     

企业风险管理调查研究——基于成熟国企和创业企业的对比分析

本文从风险识别,风险评价和风险应对三方面对成熟国企和创业企业进行对比分析,并发现二者在企业风险管理中的不同。在风险识别中将风险分为现有风险和潜在风险,并从运营、市场、财务、人力、法律和管理等多个维度进行细分。在风险应对技术中,根据企业特点采取财务型应对技术和控制型应对技术。即实现客户和销售渠道的多元化、非核心业务外包以及形成战略联盟来增强竞争优势等。     

一种基于CNN与LSTM结合的微表情识别算法

微表情表现强度微弱且非常短暂。针对微表情识别效果不理想的问题，以视觉几何组（Visual Geometry Group，VGG）网络为基础，提出卷积神经网络（Convolutionnal Neural Network，CNN）与长短期记忆网络（Long Short-Term Memory，LSTM）结合的识别算法。CNN提取数据集CASME II的空域特征，LSTM处理时域特征，实现空域与时域特征的结合。针对深度学习训练困难以及过拟合问题，加入批量归一化算法与丢弃法，提高网络训练速度，有效防止过拟合。针对数据集稀缺的问题，固定每次读取帧序列的长度，随机生成起始帧的位置，不断循环读取以遍历整个数据集并达到数据扩增。根据实验结果，五类微表情(高兴、惊讶、厌恶、抑郁、其他)识别率最高可达72.3%。     

一种基于Radon变换的微表情识别算法

微表情是人们处在一些与平时生活环境不同的高强度环境下试图控制和掩饰的情感表现，也是一种不曾意识到的瞬时脸部表情,持续时间短，强度弱。为了提高其准确率，提出了基于Radon变换的微表情识别算法。首先，对数据库中的视频序列进行灰度归一化、尺寸归一化和二维主成分分析法（Two-dimensional Principal Component Analysis，2DPCA）降维预处理，使用光流法对降维后图像提取运动特征；然后使用Radon变换算法对光流图像进行处理，得到对应微表情的特征值和特征图像；最后使用支持向量机进行微表情分类识别。实验结果表明，使用Radon变换后得到的微表情特征图像得到了较好的识别效果，在微表情数据集CASME和CASMEⅡ上识别率分别为81.48%和82.17%，通过与选取的其他方法对比说明了该方法具有更好的识别性能。