项目视角下领导力的国际研究热点与演化趋势可视化分析

领导力是影响项目成功的关键因素,而复杂的项目情境对领导力提出了严峻挑战与更高诉求。本研究基于1998—2020年来自工程管理和项目管理领域的国际期刊,通过Web of Science核心合集数据库获得579篇数据,借助Biblioshiny程序包进行文献计量与可视化分析,展示项目领导力研究领域的学术合作关系、演进路径、研究热点等。结果发现：项目领导力研究整体呈逐年上升趋势,在2009年进入快速发展阶段;该领域可划分为起步、融合与拓展三个阶段,涉及项目管理者技能构成、对项目成功的影响等研究热点,其中项目管理者技能是基础研究,而领导力在工程项目中的影响是高潜热点,其在大型项目、工程安全中的应用是潜在的新兴热点。未来可考虑结合复杂项目情境或不同项目类型,探究适配的新领导力类型及其作用。     

基于空域与频域关系建模的篡改文本图像检测

近年来,篡改文本图像在互联网的广泛传播为文本图像安全带来严重威胁。然而,相应的篡改文本检测（TTD,tamperedtextdetection）方法却未得到充分的探索。TTD任务旨在定位图像中所有文本区域,同时根据纹理的真实性判断文本区域是否被篡改。与一般的文本检测任务不同,TTD任务需要进一步感知真实文本和篡改文本分类的细粒度信息。TTD任务有两个主要挑战：一方面,由于真实文本和篡改文本的纹理具有较高的相似性,仅在空域（RGB）进行纹理特征学习的篡改文本检测方法不能很好地区分两类文本;另一方面,由于检测真实文本和篡改文本的难度不同,检测模型无法平衡两类文本的学习过程,从而造成两类文本检测精度的不平衡问题。相较于空域特征,文本纹理在频域中的不连续性能够帮助网络鉴别文本实例的真伪,根据上述依据,提出基于空域和频域（RGB and frequency）关系建模的篡改文本检测方法。采用空域和频域特征提取器分别提取空域和频域特征,通过引入频域信息增强网络对篡改纹理的鉴别能力;使用全局空频域关系模块建模不同文本实例的纹理真实性关系,通过参考同幅图像中其他文本实例的空频域特征来辅助判断当前文本实例...     

国际视阈下的建设工程创新研究文献计量分析

创新是关乎重大工程实施及成败的重要因素,文章选取工程与项目管理领域重要国际期刊,依托Web of Science数据库1998—2021年299篇相关文献,对国际视阈下建设工程创新研究展开系统梳理和文献计量。研究发现建设工程创新研究起步较早,于2018年起快速发展,产出多集中在中美两国的学者或研究机构,但合作网络稀疏且关系单一。研究热点聚焦建设工程创新影响因素、创新过程模型、建筑业企业能力发展、创新活动对项目绩效的影响,研究方法多采用案例分析、实证研究等。未来可从组织能力、知识管理、人力资源等视角,对建设工程创新的实现组态和多方位驱动策略、项目参与方间知识流转影响等方面进行深入研究,并紧密结合重大基础设施等工程实践,拓展与应用建设工程创新相关理论。     

整合LOB与CPM的重复性项目调度方法研究

工程项目中的重复性活动对建设项目的调度与计划提出了新的挑战,传统的关键路径法并不适用于重复性项目的调度,而平衡线方法缺乏关键路径方法所具有的分析功能,因此有必要发展一种结合重复性项目特点的调度与计划技术。将平衡线方法与关键路径法相结合的简易非图形方法用于重复性项目的调度,该方法能够同时考虑工序间的逻辑相依关系及资源连续性约束,通过搭接典型工作单元活动来模型化重复性活动的持续时间与逻辑关系。     

基于JPEG的自适应量化算法

JPEG的关键是对DCT系数的量化过程 .自适应量化的基本思想是 :在FDCT过程中加入自适应处理 ,生成新的量化表代替固定量化表 ,再将其数据与FDCT处理的数据一起传送到熵编码器 .该算法运用后的结果表明 ,自适应量化算法优于标准JPEG算法     

基于契约治理的建筑业企业间技术合作与创新绩效研究

建筑业的技术创新与制造业不同,具有组织临时性和分散性的特征,阻碍了知识的交流与创新绩效的提高。基于国内建筑业企业的技术合作实践调查,从契约治理的视角探讨了技术合作对创新绩效的影响机制。研究结果显示,建筑业企业间的技术合作会显著促进创新绩效的提高,但在不同的治理机制下对创新绩效产生不一样的影响:正式契约治理会倒U 型调节建筑业企业间的技术合作对创新绩效的正向影响,关系契约会线性强化建筑业企业间的技术合作对创新绩效的正向影响。建筑业企业间的技术合作应与特定形式的契约治理机制相配合,才能取得更好的创新绩效。     

凝胶单推–3流变性研究

制备了凝胶单推–3推进剂,并进行了流变性研究。结果表明,凝胶单推–3为假塑性非牛顿流体,稠度系数和假塑性系数与凝胶剂质量分数和胶体温度有关,胶体无触变性,屈服应力较小。     

基于GPU的快速图像拷贝检测

为了利用GPU强大的并行处理能力提高图像拷贝检测速度,提出一种基于GPU的图像拷贝检测方法.首先结合GPU的架构设计了尺度不变特征点提取算法——Harris-Hessian算法,通过在低尺度图像上检测特征点,在图像的一系列尺度空间中根据Hessian矩阵的行列式精确确定特征点的位置和尺度,显著地减少了像素级的计算量,并具有更好的并行性;在此基础上建立了图像拷贝检测系统,检测速度得到显著提升.实验结果表明,与基于CPU实现的传统算法相比,Harris-Hessian算法可以获得10～20倍的加速比,并可保证较高的检测精度.在11 250幅的图像库中,使用文中系统检测一幅640×480图像平均只需19.8 ms,并具有95%的正确率,满足了大规模数据下实时应用的需求.     

外观和运动模式感知的有丝分裂细胞检测

目的 在癌症筛查和药物研发等医学研究和诊疗过程中，显微图像中的有丝分裂细胞检测可以提供重要的生物学判据。然而，不同培养条件下图像分布差异明显，且细胞密度逐渐增大导致场景变得复杂，常规预处理方法难以进行有效的区域筛选；不同阶段细胞外观相似、运动过程模糊，现有方法缺乏对区域特征编码的显式监督，容易因为语义区分能力不足导致错误预测。为此，本文提出基于外观和运动模式感知的检测框架，通过两阶段预处理和对细胞状态模式的判别性学习，实现复杂场景下的精准预测。方法 本文方法采用3阶段检测框架：在预处理阶段结合区域分割网络和先验优化算法来充分精简候选区域；在预训练阶段构造基于图像分类和重构的两种辅助任务，为候选区域的外观和运动编码提供直接监督，使编码网络具备对不同细胞状态的语义感知能力；在全模型训练和预测阶段，以预处理得到的候选区域序列作为输入，用预训练的编码网络提取候选区域特征，最终通过时序网络融合序列上下文信息得到细胞检测结果。结果 在C2C12-16数据集上的实验结果表明，本文方法的平均性能达到：验证集精准率85.3%，召回率89.3%,F得分87.2%；测试集精准率86.4%，召回率86.1%,...