河南工资水平与劳动生产率偏离实证探析

长期以来河南省职工工资的增长幅度与劳动生产率的增长速度严重偏离,虽然近些年在岗职工工资总额稳步增长,但仍然低于生产率的增长速度,造成河南目前人均工资稳步提高的同时,却与其他省份人均工资的差距越来越大的局面.依据历史数据,实证分析了河南省工资水平与劳动生产率增长偏离的原因,为进一步提高河南省工资水平,解决工资水平与劳动生产率增长偏离问题提供了参考依据.     

基于Web的通用商品报价系统的研究与实现

本文对国内企业现有的商品报价系统的现状进行了分析,并且对现有的商品报价系统进行研究和改进,阐述了基于Web的通用商品报价系统的系统构架及主要功能。     

基于小波倒谱模型的滤波处理技术及其在超声应力检测中的应用

在超声检测中,应力是通过超声时间延迟来测量的,而超声回波的时间延迟对噪声非常敏感。噪声严重影响应力的测量精度,噪声引起的时间延迟甚至与应力引起的时间延迟处于同一量级。而以往消噪处理都是基于盲信息,没有考虑系统响应特点,消噪效果不好,需一种有效的消噪方法。提出了一种基于倒谱模型新的滤波处理技术,从系统响应的角度,建立超声通道的小波倒谱模型,并通过对钢轨应力测试信号进行滤波处理,试验结果令人满意。     

目的论视角下服装品牌的翻译

随着全球化飞速发展,海内外服装贸易竞争日益激烈,服装品牌的译名日益显示出其重要性。以服装类品牌为研究对象,旨在探讨目的论下的服装品牌的翻译策略。目的论认为,目的原则是翻译中的首要原则。经分析发现,为使译名达到传达信息、传递美感或呼唤消费的目的,译者在翻译时应灵活运用音译、直译、意译、音意译几种译法,创造出达意传神、刺激消费的译名。     

基于权值分配及多特征表示的在线多示例学习跟踪

针对复杂环境下目标跟踪过程中由于遮挡、目标姿势及光照条件变化引起跟踪漂移的问题,提出一种基于多示例学习（MIL）框架的在线视觉目标跟踪算法。该算法针对多示例跟踪算法采用单一haar-like特征不能准确描述目标外观变化及在学习过程中对样本包中各正负样本示例采用相同权值,忽略不同正负样本示例在学习过程中对包的重要性不同的特点,采用多特征联合表示目标外观构造分类器,通过将多特征互补特性融入在线多示例学习过程中,利用多特征的互补属性建立准确的目标外观模型,克服在线多示例跟踪算法对目标外观变化描述不足的问题;同时,依据不同正负样本示例对样本包的重要程度进行权值分配,提高跟踪精度。实验结果表明,本文跟踪算法对场景光线剧烈变化、遮挡、尺度变化及平面旋转等干扰具有较强的跟踪鲁棒性,通过对不同视频序列进行测试,文中算法在5组测试视频序列上的平均中心位置误差远小于对比增量式学习跟踪,仅为10.14像素,其对比算法IVT、MIL和OAB的中心位置误差分别为17.99、20.29和33.64像素。      

汽轮机末级三维非定常流动数值模拟

采用三维粘性非定常数值模拟方法,对某汽轮机设计状态末级非定常流动进行了模拟,并对设计状态下各因素引起末级动叶表面产生非定常力的大小和作用机理进行了分析。结果表明,本文中的汽轮机末级在设计条件下,上游静叶尾缘激波和位势场对下游转子的影响比尾迹作用的影响更大,静叶尾缘激波和位势场导致下游转子叶片表面非定常力大小呈周期性变化;此外上游静子尾迹以及动叶尾缘出口膨胀波等也是产生转子叶片表面非定常力的因素。      

论展示环境的色彩设计

色彩是展示设计的重要组成部分,是创造展示环境气氛不可缺少的表现形式之一。本文从色彩的特性与色彩构成的艺术角度,对展示设计各方面的色彩搭配进行探讨。     

浅谈环境会计核算方法

生态环境的恶化使环境保护问题日益受到关注,各国不断加强对环境会计核算体系的研究,并取得一定的成果。但是,在我国有关环境会计核算的理论和实务研究尚处于起步阶段。本文从环境会计的内涵着手,对企业环境会计事项包含的内容,以及大循环成本理论下的账户设置进行了较为深入的探讨和研究。以期能对我国相关会计准则的建设、提高环境会计信息的可比性有所助益。     

河北省创新型中小企业知识产权融资与政策支持研究

本课题以河北省创新型中小企业为研究对象,在对创新型中小企业知识产权融资现状进行分析研究的基础上,针对创新型中小企业知识产权融资的现实需求,提出创新型中小企业知识产权融资的实现路径,以及为政府扶持创新型中小企业知识产权融资发展提出相应的政策建议。     

基于聚类的多标记选择性集成

多标记学习和选择性集成是机器学习中的两个热点研究问题。本文利用聚类思想探究多标记学习中的选择性集成, 提出了两种具体的多标记选择性集成算法：基于最小距离的簇中心选择算法（Minimum distance based cluster center selection,MDCCS）和基于K-means的簇中心选择算法（K-means based cluster center selection, KMCCS）。在所提出的算法中,如何度量学习器之间的距离是其能否成功的关键因素。本文首先基于学习器的分类结果对其进行重新表示,在此基础上给出了学习器之间距离的计算方式。此外, 对于算法中的空簇问题给出了两种解决方法。基于Mulan数据库中的多标记数据集和5种评价指标对所提算法进行了详细的分析,实验结果表明了所提算法的有效性。