再论房地产调控中的房产税

2011年1月28日上海、重庆出台住宅房产税的试点.这是继去年4月始,政府相继推出多项房地产新政调控房价,房地产过热市场得到初步控制后的又一重要新政管理.由于房地产市场的复杂性,宏观调控的艰难性,政府在房地产调控金融杠杆都屡已使用的前提下,于今年推出争议颇多,但调控力度较大的财政杠杆.强化房产税是保证市场稳健发展的必要条件.     

我国高校女子英式"七人制"橄榄球运动队发展现状及对策研究

为结合高校现有资源开展英式"七人制"橄榄球运动,在促进高校竞技体育发展的同时为国家培养出更多优秀的橄榄球人才,从而实现奥运金牌战略目标.本文运用问卷调查、专家访谈等方法对现阶段我国高校女子"七人制"橄榄球运动队发展现状进行分析,找出高校女子"七人制"橄榄球运动发展中的优势和不足,提出相应的解决方案,为女子"七人制"橄榄球运动在高校中快速、健康发展提出合理化建议.     

基于AT89C51和ADC0804的数字压力仪的设计与实现

概述了基于AT89C51和ADC0804的数字压力仪的设计与实现过程,其中包含了硬件设计和软件设计两个方面.硬件设计包含电源模块、压力检测模块、模数转换模块、主机和数字显示模块的设计；软件设计包含查询读取模块、求值运算模块、数字显示模块的设计.系统具有结构简单、性能可靠、显示直观等特点.     

关于我国食盐专营制度改革的思考

食盐作为人们日常调味品中的必需品,涉及到国计民生,在我国以专营制度作为保障,仍采取计划经济管理。然而,面对我国市场化经济的不断发展,食盐专营制度也面临着严峻的挑战。文章对我国食盐体制进行分析,探索食盐体制存在的问题,并提出解决思路。     

中美博弈视角下中国稀土资源供应风险研究

稀土是先进装备制造业、新能源、新兴产业和众多武器系统等不可或缺的原材料。中美两国在稀土生产和加工方面存在非对称的依赖关系。本文利用复杂网络识别中美两国在国际稀土市场中竞合关系的演化过程,并构建指标从稀土资源的市场集中度,生产国的供应能力和意愿三个方面对未来中国可能面临的稀土供应风险进行识别和量化,以期在中美资源博弈中,为中国制定应对措施提供参考。结果表明,中美两国在国际稀土市场的竞合关系具有时变特征,当中国从外部获取资源维持市场优势的时候,将面临潜在的供应风险。从市场集中度来看,中国对稀土市场的影响力不断下降;从供应能力来看,中国的前两大供应国的供应能力偏弱;从供应意愿来看,中国的主要稀土贸易伙伴具有较大的断供可能。     

云环境下P2P流媒体传输关键技术

随着流媒体应用需求的日益增加,不断改进和完善现有流媒体系统性能势在必行,将云计算引入流媒体系统成为未来流媒体系统的一大趋势．本文简单分析了云计算、CDN（ContentDeliveryNetwork）St]P2P（PeertoPeer）网络的优缺点和研究现状．主要讨论并分析了云环境下的P2P流媒体传输系统所面临的带宽问题、流媒体数据处理、服务质量问题和系统中的关键技术——虚拟化技术、存储管理技术、调度技术和复制技术．此外,从搭建云计算实验环境角度。本文列举了目前比较流行的5种仿真实验手段．     

Ruby On Rails在中医药数据共享平台的应用

Ruby on Rails(简称ROR)是一个Web应用程序框架,以其能快速开发而备受敏捷开发实践者的推崇,它包含的重要概念有MVC模式、DSL、习惯约定优于配置、生成器、低重复等.以一个实际课题"中医药数据库共享平台"为例,研究如何应用ROR技术来满足一个实际需求的项目,涉及的技术有MVC模式、RESTful SOA、AJAX、Lighttpd&FCGI等.     

元学习的不确定性特征构建及初步分析

元学习即应用机器学习的方法(元算法)寻求问题的特征(元特征)与算法相对性能测度间的映射,从而形成元知识的学习过程,如何构建和提取元特征是其重要的研究内容.针对目前相关研究所用到的元特征大部分是数据的统计特征的问题,提出不确定性建模并研究不确定性对于学习系统的影响.根据样本的不一致性、边界的复杂性、模型输出的不确定性、线...     

基于聚类粒化和簇间散度的属性约简算法

属性约简是粗糙集理论中的研究热点,对连续值数据进行属性约简的算法大多基于优势关系或邻域关系。然而连续值数据集的属性不一定具有优势关系;而基于邻域关系的属性约简算法虽然可以通过邻域半径调整粒化程度,不过由于各属性量纲不同且半径参数为连续值使半径难以统一,导致整个参数粒化过程计算量较大。为解决此问题,提出一种基于聚类粒化的多粒度属性约简策略。首先,利用聚类方法将相似样本归类,并提出了基于聚类的近似集、相对正域及正域约简概念;其次,根据JS（Jensen-Shannon）散度理论对簇间各属性数据分布进行差异性度量,并选择出具有代表性的特征用以区分不同类簇;最后,利用可辨识矩阵设计了属性约简算法。所提算法不要求属性具有序关系,且不同于邻域半径,聚类参数为离散值,调节此参数就能够对数据集形成不同粒化程度的划分。在UCI与Kent Ridge数据集上进行的实验结果表明,该属性约简算法可以直接处理连续值数据,且该算法在较小范围内离散地调节聚类参数便能在保持甚至提高分类精度的前提下去除数据集中的冗余特征。     

基于改进的3D-CNN的高光谱遥感图像地物分类

高光谱遥感影像波段众多,包含丰富的辐射、空间和光谱信息,是多种信息的综合载体,应用广泛。但是传统的高光谱影像地物分类方法多着重于光谱维度的特征提取,却忽略了空间维度上的特征,进而影响了分类的准确性。三维卷积神经网络（Three-dimensional convolutional neural network, 3D-CNN）可以同时在3个维度上对数据进行卷积处理,故本文采用3D-CNN深度网络进行高光谱影像地物分类,并针对3D-CNN网络存在的问题,提出了一种基于改进的3D-CNN的高光谱遥感影像地物分类方法。本文方法对提取到的空间和光谱特征实现融合复用,尽可能发挥特征的价值。此外,本文引入浅层特征细节保存网络的思想,提出一种综合浅层特征细节保存的影像分类深度网络模型,进一步提高了高光谱影像地物分类的准确度。在Tensorflow框架下对2个常用的高光谱遥感影像数据集（Indian Pines和Pavia University）的实验结果表明,相比基础的3D-CNN网络,本文方法的分类精度提高了近2%,而且类别边界更准确。