导读:本文包含了层级模型论文开题报告文献综述及选题提纲参考文献，主要关键词:层级数据空间经济计量模型,广义矩估计,可行的广义最小二乘估计,蒙特卡洛仿真
层级模型论文文献综述
叶倩婷,龙志和,林光平,梁华杰[1]（2019）在《层级数据空间经济计量模型估计量的仿真比较》一文中研究指出在回顾层级数据空间滞后(HSLAG)模型和层级数据空间误差自回归(HSEAR)模型的基础上,构建可同时考虑数据空间误差局部冲击效应与嵌套随机效应的层级数据空间误差移动平均(HSEMA)模型.在广义矩(GMM)估计的框架下,推导出HSEMA模型的18个矩条件元素,并得到各参数的估计量.通过蒙特卡洛仿真实验对比HSEMA模型、HSLAG模型和HSEAR模型各估计量的估计残差分布,以衡量各估计量的估计精度,并比较其有限样本性质.(本文来源于《控制与决策》期刊2019年12期）
张佳书,田嘉琳,向叙昭,傅晋华[2]（2019）在《基于多层级耦合协调模型的京津冀农业协同发展研究》一文中研究指出农业是京津冀可持续发展的依托,农业协同发展是京津冀协同发展的重要内容。了解京津冀农业的协同发展程度,针对不足提出解决方案,具有一定的现实意义。然而,目前对京津冀农业协同程度的定量研究较少。因此,本文以2004—2017年京津冀农业产业数据为研究样本,分为京、津、冀,京津、京冀、津冀,京津冀3个层级,采用多层级耦合协调模型对农业产业数据进行挖掘和分析。研究发现,京津冀内部两两之间耦合协调度不断上升,但3地整体的农业耦合协调度自2010年进入勉强协调阶段,2013年后出现增长迟缓态势,这与各地优势产业的发展和各地当前发展与定位间的差异有关。最后,本文基于研究结果提出政策建议。(本文来源于《世界农业》期刊2019年11期）
黄鸿,赵志鹏,张磊[3]（2019）在《一种顾及精细层级的室内拓扑模型》一文中研究指出针对室内精细化管理的需求,提出了一种顾及精细层级的室内拓扑模型。该模型首先将室内空间构件分为"主体对象-连通对象-虚拟对象"叁种类型;接着以主体对象为基准,在垂直方向上又将室内空间划分为"楼栋-楼层-房间-设备"4个级别,并抽象出虚拟对象实现对对象的二次划分;然后针对同级别对象和跨级别对象建立了拓扑组织规则;最后结合叁维引擎Cesium.js对模型进行了管理可视化验证。结果表明,该数据模型能够有效地满足精细场景的数据管理需求。(本文来源于《测绘通报》期刊2019年10期）
魏琴芳,袁岳义,胡向东[4]（2019）在《基于骨干节点安全角色层级化的WSN安全模型》一文中研究指出限于高度开放、节点众多且资源严重不足等因素,无线传感网(wireless sensor network,WSN)的安全管理面临着巨大挑战。提出了一种基于骨干节点安全角色层级化的WSN安全模型,通过遴选安全管理节点,划分子网的方式实现能量优化以及节点信任管理,从能效和安全角度提升网络性能。仿真测试结果表明,该方案在强化WSN安全性的同时,仍可节省约25.9%的网络能量消耗,且随着网络规模的扩大其优势将更加明显,为提升WSN的安全管理效率提供了可行的新思路。(本文来源于《重庆邮电大学学报(自然科学版)》期刊2019年05期）
王倩,汪桃红,蔡霞[5]（2019）在《基于层级子群模型的组织学习绩效研究》一文中研究指出文章建立了以不同组织结构形态为基础的层级子群学习模型,并将问题复杂性和高管团队学习能力这两个影响因素纳入其中,构建了多种不同的学习场景。研究发现,完全结构化的组织设计会阻碍组织学习绩效;高管团队学习能力对组织学习绩效的影响受组织结构和问题复杂性的调节。问题复杂性低时,高管团队学习能力与组织学习绩效在结构化组织中正相关关系,在非结构化组织中负相关。在问题复杂性高时,高管团队学习能力在结构化组织中不能对组织学习绩效产生明显影响,在非完全结构化组织中与组织学习绩效负相关。(本文来源于《现代管理科学》期刊2019年10期）
王淑云,干宗良,刘峰[6]（2019）在《基于层级聚类回归模型的人脸超分辨率重建算法》一文中研究指出人脸超分辨率重建是指从一幅低分辨率人脸图像重建出相应的高分辨率图像的过程。大部分的人脸超分辨率重建算法都假设输入图像是对齐且不含噪声的。当输入的人脸图像为非对齐时,超分辨率重建的性能将降低。为此,提出一种基于学习的层级聚类回归算法,其主要针对非对齐的单帧人脸图像的超分辨率重建。该算法分为两部分:聚类和回归。聚类阶段,将训练样本的尺寸统一成某个小尺寸的人脸图像,用于训练人脸图像字典。该字典的字典原子为聚类中心,对原始的人脸图像进行聚类,得到各个子空间的人脸图像簇。该算法充分利用了人脸结构的先验信息,能获得更准确的聚类结果。在回归阶段,仅需要训练一个全局字典,各个子空间的人脸图像共享这些字典原子。在每个簇内,搜索各个驻点的邻域,以生成对应的邻域子空间。然后,学习低分辨率与高分辨率样本特征之间的映射关系,以得到每个子空间的回归模型。该算法的核心是所有的人脸图像类共享一个全局字典,但对于同一个驻点,在不同的人脸图像簇内,邻域样本各不相同,这样能够更准确地学习局部映射关系。该算法不仅可以缩短训练时间,还可以提高人脸超分辨率重建的质量。对比实验的结果表明,该算法的PSNR至少可以提升0.39 dB,SSIM可以提升0.01～0.18。(本文来源于《计算机科学》期刊2019年08期）
夏立新,曾杰妍,毕崇武,叶光辉[7]（2019）在《基于LDA主题模型的用户兴趣层级演化研究》一文中研究指出【目的】探究用户兴趣层级结构,揭示用户兴趣层级演化规律,以提高个性化信息服务的质量,满足用户信息需求。【方法】利用LDA主题模型获取用户标签主题;通过定义标签兴趣度计算公式,并结合提取的用户标签主题,动态感知用户兴趣;依据构建的兴趣网络划分用户兴趣核心–边缘结构,进而分析用户兴趣层级结构的演化规律。【结果】用户兴趣的核心–边缘结构会随着用户兴趣领域的确定而逐渐收敛并趋于稳定。时间序列下用户兴趣层级的升降级演化主要包括始终处于核心层、核心层向边缘层淡化和边缘层向核心层晋升叁种。【局限】基于已有用户兴趣层级演化规律进行未来时间节点下的用户兴趣预测和评估需要进一步探究。【结论】该方法能够更加精准地感知和预测用户动态变化的兴趣,评估时间序列下用户各兴趣程度的高低并划分用户兴趣层级,进而得到用户兴趣层级演化规律,有助于优化个性化信息服务。(本文来源于《数据分析与知识发现》期刊2019年07期）
方晓成,王永春[8]（2019）在《基于用户参与层级模型的互联网企业价值评估》一文中研究指出以用户参与层级模型为理论依据,从用户数量预计、留存率、营销费用叁个方面对以用户为基础的价值评估模型进行改进;并以某互联网企业为案例,说明评估过程。(本文来源于《安徽工业大学学报(社会科学版)》期刊2019年03期）
石力文[9]（2019）在《基于点云的宋式斗栱典型构件多层级BIM模型构建研究》一文中研究指出古木建筑遗产传承璀璨文化,是我国最重要的一类不可移动文物。如何面向不同阶段的不同保护需求,高效准确记录以构件尺寸为典型代表的古木建筑遗产现状,是其安全性能评估与提升以及历史文化传承的重要基础。本文面向古木建筑遗产保护与发展的关键难点问题——高效、高精度获取典型构件多层级参数化数学模型的特征参数(即多LoD数学模型特征参数),以宋式斗栱典型构件为基本研究对象,重点研究了宋式古木建筑典型构件的标准化构件特征、面向不同保护需求的多LoD参数化数学模型和基于点云数据的典型构件多LoD特征参数提取方法,主要研究内容和结论如下:(1)基于营造法式归纳了古木建筑典型构件的标准化特征,总结了该类构件的模数化营造方法和形状特征,为面向不同保护需求的多LoD参数化数学模型(包括尺寸和形状)的提出奠定了理论基础。(2)面向古木建筑遗产不同阶段的不同保护需求,结合构件的标准化特征,提出了适用于典型构件的多LoD参数化数学模型,建议了可表征多LoD尺寸信息的特征参数和形状语法,在BIM平台中集成了典型构件的多层级参数化数学模型,为基于高保真点云数据的高效、高精度特征参数提取明确了目标。(3)提出了基于高保真点云数据的多LoD特征参数自动化提取方法,由点云切片算法、轮廓线提取算法、关键点识别算法和特征参数提取算法组成,研究了算法参数对提取精度和效率的影响规律,识别了关键参数并建议了关键参数的取值方法。(4)对典型构件进行了实例验证,结果表明本文所提出的方法的提取结果与实际数据之间的绝对误差均未超过1mm,其中93%未超过0.5mm,相对误差均未超出5%,其中89%未超过2%,整体来说精度较高,验证了该特征参数自动化提取方法的可靠性。该方法可在7分钟内完成百万级点云数据的信息提取,验证了该方法的高效性。BIM模型与点云模型的叁维偏差对比分析结果表明,两者最大距离小于1.8mm,平均距离小于0.3mm,标准偏差和RMS Estimate均未超过0.5,整体偏差较小,验证了本文所提出的参数化表达方法的合理性和可靠性。(本文来源于《北京建筑大学》期刊2019-06-01）
查建平,钱醒豹,赵倩倩,谭庭[10]（2019）在《中国旅游效率与全要素生产率的测算与分解——基于叁层级共同前沿SBM-DEA模型的实证分析》一文中研究指出基于行业异质性和区域异质性假设,本文构建叁层级共同前沿SBM-DEA模型(Slack Based Measure-Data Envelopment Analysis model),测定2000年至2014年我国3类旅游企业(旅行社、星级酒店、景区)无效率与Luenberger生产率,并对其进行分解。基于异质性考虑将无效率指标分解为行业异质性无效率、区域异质性无效率、管理差异无效率3部分,探讨其对3类旅游企业效率水平及全要素生产率变化的影响。主要结论有:(1)区域异质性和管理差异是旅行社无效率的主要原因,行业异质性是酒店和景区无效率的主要原因,导致3种类型旅游企业无效率的关键是产出不足;(2)不同区域的旅游企业无效率水平变化的主导原因存在差异,旅行社在我国东部地区无效率增长的原因为管理差异,中、西部地区无效率增长原因为区域异质性和管理差异,星级酒店和景区在3个地区无效率增长原因均为行业异质性,同时区域异质性和管理差异也是景区无效率的重要原因;(3)管理差异和区域异质性对旅行社生产率变化贡献最大,行业异质性对星级酒店和景区生产率变化贡献最大。同时,我国3类旅游企业管理差异引致的效率提升的增长动力不同。针对以上结论,本文提出相关政策建议,并指出本文研究不足及未来研究方向。(本文来源于《旅游导刊》期刊2019年03期）
层级模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
农业是京津冀可持续发展的依托,农业协同发展是京津冀协同发展的重要内容。了解京津冀农业的协同发展程度,针对不足提出解决方案,具有一定的现实意义。然而,目前对京津冀农业协同程度的定量研究较少。因此,本文以2004—2017年京津冀农业产业数据为研究样本,分为京、津、冀,京津、京冀、津冀,京津冀3个层级,采用多层级耦合协调模型对农业产业数据进行挖掘和分析。研究发现,京津冀内部两两之间耦合协调度不断上升,但3地整体的农业耦合协调度自2010年进入勉强协调阶段,2013年后出现增长迟缓态势,这与各地优势产业的发展和各地当前发展与定位间的差异有关。最后,本文基于研究结果提出政策建议。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
层级模型论文参考文献
[1].叶倩婷,龙志和,林光平,梁华杰.层级数据空间经济计量模型估计量的仿真比较[J].控制与决策.2019
[2].张佳书,田嘉琳,向叙昭,傅晋华.基于多层级耦合协调模型的京津冀农业协同发展研究[J].世界农业.2019
[3].黄鸿,赵志鹏,张磊.一种顾及精细层级的室内拓扑模型[J].测绘通报.2019
[4].魏琴芳,袁岳义,胡向东.基于骨干节点安全角色层级化的WSN安全模型[J].重庆邮电大学学报(自然科学版).2019
[5].王倩,汪桃红,蔡霞.基于层级子群模型的组织学习绩效研究[J].现代管理科学.2019
[6].王淑云,干宗良,刘峰.基于层级聚类回归模型的人脸超分辨率重建算法[J].计算机科学.2019
[7].夏立新,曾杰妍,毕崇武,叶光辉.基于LDA主题模型的用户兴趣层级演化研究[J].数据分析与知识发现.2019
[8].方晓成,王永春.基于用户参与层级模型的互联网企业价值评估[J].安徽工业大学学报(社会科学版).2019
[9].石力文.基于点云的宋式斗栱典型构件多层级BIM模型构建研究[D].北京建筑大学.2019
[10].查建平,钱醒豹,赵倩倩,谭庭.中国旅游效率与全要素生产率的测算与分解——基于叁层级共同前沿SBM-DEA模型的实证分析[J].旅游导刊.2019
标签：层级数据空间经济计量模型; 广义矩估计; 可行的广义最小二乘估计; 蒙特卡洛仿真;