基于投入产出和DEA的重庆主导产业选择研究

本文以重庆经济社会发展所呈现的重大战略机遇期为背景,以重庆市的投入产出数据为依据,结合产业经济学中有关主导产业选择的理论,根据投入产出法、层次分析法和数据包络分析法的相关原理,构建了一个重庆主导产业选择的模型并进行了实证研究,最终选择出重庆的主导产业,并指出了研究的不足之处和以后的研究方向.     

基于小样本SVR的迁移学习及其应用

当前机器学习的技术已经运用到很多工程项目中,但大部分机器学习的算法只有在样本数量充足且运用在单一场景中的时候,才能获得良好的结果。其中,经典的支持向量回归机是一种具有良好泛化能力的回归算法。但若当前场景的样本数量较少时,则得到的回归模型泛化能力较差。针对此问题,以加权ε支持向量回归机为基础,提出了一种小样本数据的迁移学习支持向量回归机算法。该算法以加权ε支持向量回归机为Bagging算法的基学习器,使用与目标任务相关联的源域数据,通过自助采样生成多个子回归模型,采用简单平均法合成一个总回归模型。在UCI数据集和现实数据集——玉米棒与花生粒储藏环节损失数据集上的实验结果表明,该算法较标准ε-SVR算法与改进的RMTL算法在小数据样本上有更好的泛化能力。     

基于RDPSO-SVM的粮食产后储藏环节损耗智能评估方法

粮食产后储藏损耗是困扰粮食储藏企业的一大难题,也是影响企业经济效益的重要因素,因此对粮食储藏环节中损耗的评估,对于粮食产后减损具有重要的意义。本文通过调查问卷,对粮食储藏中影响损耗的因素进行调查,将获得的数据通过支持向量机（Support Vector Machine, SVM）模型进行建模,对储藏环节中的粮食损耗进行智能评估。同时,为了提高模型的精度,采用随机漂移粒子群优化（Random Drift Particle Swarm Optimization, RDPSO）算法对SVM的参数进行训练,充分利用RDPSO算法的全局搜索能力找到模型参数的最优解。实验结果表明运用RDPSO算法优化的SVM模型,能够得到比基本的SVM模型和线性回归模型更准确的粮食损耗预测。     

论重庆产业结构高级化趋势及制度环境构建

运用钱纳里-赛尔奎因准,分析了重庆市产业结构高级化演进的状况和趋势,并与同期全国平均水平进行了比较。对构建重庆市产业结构高级化的制度环境提出了建议。     

智慧城市发展八大趋势

智慧城市是建设数字中国、智慧社会的核心载体,我国智慧城市建设已进入以人为本、成效导向、统筹集约、协同创新的新发展阶段,发展重心也逐渐从满足政府管理需求向营造优质环境、构建长效发展机制转变.     

论重庆产业结构高级化趋势及制度环境构建

运用钱纳里-赛尔奎因准,分析了重庆市产业结构高级化演进的状况和趋势,并与同期全国平均水平进行了比较.对构建重庆市产业结构高级化的制度环境提出了建议.