中国轿车企业分销渠道管理问题解析

中国加入WTO,轿车工业面临着严峻的挑战。文章结合目前中国轿车企业在分销渠道管理中所存在的问题,提出了解决现存问题,加强轿车生产企业分销渠道管理的若干对策。     

一种新的职位评价模式探讨研究

文章先对职位评价在企业的实际管理工作中的意义进行分析,并就现存的一些职位方法进行比较,并发现存在的问题。在此基础上提出一种新的职位评价模式:运用层次分析法确定评价要素的权重,再采用多方位评分体系对各要素进行打分,最终得出职位的评价分值,文中以H公司D职位为例对此     

日本制造企业变革特征探析

数十年来日本制造业一直在采取措施改善其经营和管理，特别是上个世纪的90年代末和21世纪初。如果我们对20世纪90年代末和21世纪初日本制造企业为了应对经济衰退和巨额亏损所采取的变革措施进行一次归纳和总结的话，我们不难从中发现日本制造企业变革所具有的一些基本的特征，例如人力资源变革、战略变革、质量管理上的变革、管理制度上的变革等，而这些特征对于中国制造企业而言也无疑有着十分重要的借鉴意义。     

乡镇企业如何创建和谐的劳动关系

乡镇企业劳动关系普遍不够规范、和谐,是制约乡镇企业进一步发展的重要因素之一。劳资双方的矛盾冲突内容广泛且积重难返。造成这一局面的原因既有乡镇企业先天不足、劳资双方人员构成及素质局限等原因,也有政府部门疏于管理监督和引导等原因。创建乡镇企业和谐劳动关系也应当对症下药,在法律、行政管理、企业内部管理机制、劳资双方素质提升等各方面采取有效对策。     

全球化时代的数字文化出海与新"民族寓言"

全球化时代的文化输出并非易事,国家之间不同的文化理解度和包容性造成了文化出海的难题,疫情爆发加剧了文化割裂,后疫情时代文化出海的理论解读与立场明确迫在眉睫.数字文化出海需要建立在以民族想象为基石的吸引力上,发挥其寓言性质的内容特点,打造以意见领袖为主体的出海主力军.新"民族寓言"采用"认知图绘"应对文化出海难题,重视数字文化历史再现的文化功能,尊重民族寓言的社会功能,对网络公民进行网络素养培育.新"民族寓言"尝试为数字文化出海及其立场提供理论依据,丰富中国故事和民族文化的全球化阐释途径,为发展中国家突破后疫情时代文化壁垒、争夺文化话语权、反抗资本主义文化全球倾销贡献力量.     

基于高光谱高分融合数据在喀斯特地貌环境下的林分分类

喀斯特地区的传统林区保护和统计多靠大量人工测绘及高分影像目视解译勾绘,不仅工作量大耗时耗力,且最终成果精度也不能得到保证.为了尽量弥补这种主观性误差,采用10 m分辨率的高光谱卫星影像与0.8 m分辨率的高分卫星影像多源数据融合的方式,并结合地面目标地物样本光谱采集方法,对贵州六盘水地区乌蒙山地质公园西北段的林分进行分类研究.结果表明,基于高光谱、高分融合影像数据SAM分类方法的分类精度较单一数据源的都高,其中基于融合影像的分类精度为85.9％,基本满足地物分类应用及调绘的精度要求.     

上市公司财务舞弊手段及其审计研究

越来越多的上市公司选择利用财务舞弊手段来谋求利润.研究发现,常见的上市公司财务舞弊手段主要有虚增资产、隐瞒负债、虚增收入、利用关联方交易舞弊4种,而目前中国的审查制度还不够完善,对于复杂的舞弊手段往往不能监察到位.为了经济市场的稳定运行,结合超华科技的具体案例进行分析,从公司内部、政府机关和中介机构3个角度总结出针对中国上市公司财务舞弊手段的防范对策.     

国内粤港澳大湾区研究综述——基于CiteSpace的知识图谱分析

粤港澳大湾区作为国家战略,引起众多研究者的关注。本文以CNKI数据库中"粤港澳大湾区"主题的CSSCI和核心期刊论文为样本,运用CiteSpace可视化软件进行文献计量分析。研究结果表明,当前我国在该领域的学者和研究机构主要集中在广东省内;研究学科以经济学为主导;研究热点聚焦于粤港澳大湾区建设的战略和目标、国际湾区建设的经验借鉴、机制协同和制度衔接以及一些重点研究领域。未来在研究内容、研究视角和研究方法等方面仍有很大空间。     

协同创新视角下的大学生学业引导与管理模式研究

高校融入、参与并开展协同创新的目标和价值一方面在于提升在开放经济环境下推动知识转化、技术革新的优势作用,另一方面则是人才培养方面同样融入开放动态的经济社会与市场环境.从这个意义出发,对大学生学业的引导与管理需要从宏观战略高度出发,以协同创新为目标指导,在充分研判协同创新对高等教育人才培养、学科建设等基本问题的影响机制基础上,通过分析当前高校基于产学研用一体化模式而在学业指导问题上表现出来的问题,从而有针对性地对照协同创新的目标诉求,整合性、指导性地提出当代大学生学业引导与管理的路径.     

基于机器学习的斜坡堤越浪量预测方法研究

针对斜坡堤越浪量预测方法,分别建立集成神经网络(ensemble neural network,ENN)、随机森林(random for-eset,RF)和支持向量回归机(suppport vector regression,SVR)3种机器学习模型对斜坡堤越浪量进行预测,并利用决定系数R2和均方根误差RMSE来评估模型性能.最后,对3种模型的性能进行分析.结果显示,集成神经网络模型的决定系数R2和均方根误差RM S E分别约为0.96和0.0018,随机森林模型的决定系数R2和均方根误差RMSE分别约为0.97和0.0014,支持向量回归机模型的决定系数R2和均方根误差RMSE分别约为0.94和0.002.对比发现,3种模型的决定系数都达到0.9以上,都具有较高的预测精度,随机森林相比其他两个模型精度更高.