中小企业群的形成及其对地区经济发展的影响

中小企业群是指许多中小企业为实现共同目的而形成的互相依赖和作用的集合体,在现实经济中,它们通常集中于同一或相邻区域,分享专业化分工带来的利益与外在经济的好处。中小企业群的形成原因多种多样。由于群集效应的存在,中小企业群的出现对地方经济发展会产生巨大经济效应,这些效应表现为竞争所产生的效率、企业聚集所产生的外在经济与范围经济及专业化分工的利益等。     

企业群理论的形成与演进

企业群理论,一直是西方经济学界讨论的焦点,它主要在地区和产业的层次上研究企业的外部竞争环境,以及对提高企业竞争力的积极作用。本文人企业的外部经济性出发,对企业群的定义,特点、内在机制和与专业化分工,工业区之间的联系进行探讨,从演化的角度,剖析了企业群在社会化大生产中的内在演进过程,最后讨论企业群理论在现实中的应用。     

外部非局部自相似先验的图像去噪

针对在噪声水平比较高的情况下难以从噪声图像本身提取准确先验信息的问题,提出一种从外部干净图像数据集学习非局部自相似先验信息的图像去噪方法。首先用高斯混合模型学习外部干净图像的非局部自相似先验信息,其次利用最大后验概率估计的方法找到与噪声图像块最匹配的外部先验信息,最后利用外部先验对噪声图像块进行稀疏表示。实验对比表明,所提算法在去除噪声的同时可以较好地保留图像的细节信息,使图像数据集的平均峰值信噪比提高0.18 dB以上。     

应用加权高斯模型的非理想稀疏信道估计

在高速通信系统中,由于多径信道通常存在一些小的散射体,使得抽头向量不满足理想的稀疏特性,导致经典的稀疏估计算法存在一定的性能损失。针对上述非理想稀疏特性问题,提出了一种基于酉变换近似消息传递（Unitary Transform Approximate Message Passing,UT-AMP）和加权高斯（Weighting-Gaussian,WG）先验模型的稀疏估计算法。首先,由非理想稀疏信道的构造分析,导出了WG先验模型和参数;其次,利用贝叶斯公式对正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统进行因式分解和因子图建模,归纳了在消息传递框架内期望最大化（Expectation Maximization,EM）算法嵌入方式,推导了联合UT-AMP和EM的信道估计算法;最后,建立仿真环境对所提算法进行复杂度分析和数值仿真。仿真结果表明,所提算法能够以同阶复杂度实现信道估计性能和频带利用率的提升,具有很高的应用和推广价值。     

卓越计划背景下机械专业课程群建设实践

课程改革是专业教育改革的基石,构建适应卓越计划发展需要的课程群及其内容是工程教育改革的重要保障。文章以郑州航空工业管理学院机械专业卓越计划改革为背景,阐述了课程群的内涵及其建设思路,并总结了课程群的具体建设经验,为高校工程专业进行卓越计划改革提供借鉴与参考。     

基于PSO的PPE模型的民生评价研究——吉林森工集团178户职工的调查数据

利用基于PSO(粒子群优化算法)构建的PPE(投影寻踪评价)模型,运用吉林森工集团泉阳、湾沟、三岔子3个林业局178户林业职工的调查数据,根据实证分析的计算结果对吉林森工集团3个林业局民生状况进行全面综合评价,以期对该区域的民生水平进行有效的检测。在研究结果的基础上,对吉林森工集团3个林业局的民生发展提出需要狠抓林区经济社会发展整体水平、加大教育投入力度、提高林区职工的就业质量、提升林区整体社会保障等公共服务水平、打造精品小区等相关对策建议。     

簇群城市多维分形空间结构模型及其特性研究

新型城镇化发展对城市空间提出了新的要求,运用非线性的复杂思维对簇群式空间结构进行深化,证明簇群式空间结构具有分形特征,提出簇群城市多维分形空间结构模型,即区域簇群城市组合模型、大城市都市区簇群城市模型、簇群单元结构模型。在模型分析的基础上得出簇群城市多维分形空间结构模式具有分层次可联结的特性,并且这种特性是在触媒催化的作用下发生的。城市空间不同层面在催化的作用下得以成功联结,产生城市活性,是未来城市和谐发展的新路径。     

基于课程群与项目驱动的卓越工程师培养体系研究

本文结合电气工程专业课程群建设,详细阐述项目驱动教学模式的内容、具体的实施方案及实施效果。将此人才培养模式应用于卓越工程师培养体系,该体系的建立遵循"行业指导、校企合作、分类实施、形式多样"的原则,根据电气工程行业人才培养需求,指导电气专业和相关企业在本行业领域卓越计划的实施。支持不同类型的教师和学生参与卓越计划,采取多种方式培养电气工程师后备人才。     

战略性新兴产业上市公司财务风险智能预警研究

本文以中国战略性新兴产业上市公司为研究对象,运用主成分分析(PCA)方法提取出对财务风险具有显著影响的特征指标,以此作为输入变量将粒子群算法(PSO)、遗传算法(GA)、网格搜索法(GS)分别与支持向量机(SVM)相结合构建财务风险预警模型,进而以样本集分类准确率和第一、二类错误率为标准对模型的可靠性进行对比研究。实证结果表明,PCA-PSO-SVM模型具有最为优越的学习能力与泛化推广能力,能够最为准确地预测财务风险,从而为我国监管机构和企业管理层提供可操作性的应用工具与方法。     

基于反向学习策略粒子群的物流配送路径优化研究

针对粒子群优化算法后期寻优能力,并易陷入局部最优等不足,提出了一种反向学习粒子群的物流配送路径优化算法(OBLPSO)。首先建立物流配送路径优化的数学模型,然后通过粒子之间的相互协作和信息交流进行求解,并引入反向学习机制提高粒子群寻优能力和收敛速度,最后在Matlab2012平台上对OBLPSO算法性能进行仿真测试。仿真结果表明,相对其它物流配送路径优化算法,OBLPSO算法可以获得时间短、路径合理的物流配送方案,具有一定的实用价值。