河北省新型城镇化评价

以人口城镇化、 经济城镇化、 社会城镇化、 基础设施建设、 生态环境假设和统筹城乡发展六个方面建立新型城镇化评价指标体系,采用熵权法确定各个指标的权重,得出2000年～2015年河北省新型城镇化水平的综合得分情况.运用主成分分析法将影响新型城镇化的因素分为四个主成分,结果表明人口、 经济、 社会以及基础设施建设对推动河北省新型城镇化发展至关重要,并运用最小二乘法估计这四个主成分的值与城镇化率之间的关系,发现城镇化率的提高离不开各个指标的发展,尤其是在生态环境建设方面和基础设施建设方面.     

人口年龄结构空间差异测度方法探究——基于北京市第五次和第六次人口普查数据的分析

利用北京市第五次和第六次人口普查汇总数据,构建了人口年龄布局系数指标来衡量人口年龄结构的空间差异。该指标不仅可以比较两个或多个区域之间的人口年龄结构差异,也可以分析某地区某年龄组人口相对于总体的分布情况。通过对北京市人口年龄布局系数的比较后发现,少年儿童人口的空间布局出现了由远郊区向近郊区的向心扩展,劳动力人口集中分布于近郊区的格局得到了改善,而老年人口的空间分布出现了非连续性的离心扩展,城市核心区老年人口高度集中的现象一直存在,并且核心区老龄化水平明显高于郊区。     

河北省区域创新绩效评价模型的构建

文章以区域创新绩效为研究对象,从区域创新效率与效果两个方面综合界定了区域创新绩效的内涵,在此基础上构建了基于熵权法和协调度法的复合测度模型,并运用该模型对2008年度河北省各城市区域创新绩效进行了实证分析。     

我国港口外商直接投资差异的广义熵指数测度与分解

探讨我国港口外商直接投资的差异能揭示外商在我国港口的投资轨迹，对港口制定切实有效的引资政策具有积极意义。基于世界银行PPI数据库，利用广义熵指数测度了1991—2007年我国港口外商直接投资的差异，并从投资区域、项目类别及投资方式三个方面对此差异的特征进行了分解研究。量化分析显示，我国港口FDI呈现出区域集中、项目类别集中及投资方式集中的特征，港口FDI的差异主要表现在同一港口群内，同一项目类别内部及同一投资方式内部，且其分布具有显著的分形特征。     

H.264/AVC中CAVLC编码器的FPGA实现

CAVLC(基于上下文自适应的可变长编码)是H.264用的一种熵编码。本文介绍了CAVLC的FPGA实现方法。整个设计用Verilog编程实现,采用Modelsim仿真正确后,使用QuartusⅡ7.2进行综合布局布线,然后下载到AlteraDE2开发板中进行验证。     

激光选区熔化CoCrFeMnNi高熵合金微观组织及力学性能研究

为了探究采用金属增材制造技术对高熵合金的制备，课题组采用激光选区熔化技术（SLM）成功制备冶金结合良好的CoCrFeMnNi试样，并对成形件的微观组织及力学性能进行分析。研究发现SLM成形的CoCrFeMnNi高熵合金相为单一面心立方相（FCC）FeNi，样品微观组织在不同成形方向上呈各向异性：沿水平方向，内部以胞状晶为主；沿成形方向，内部以柱状晶为主，组织为“鱼鳞”状形貌，单个柱状晶粒最长为70 μm，穿过多个成形层并显现外延生长特征。EDS结果表明SLM成形件的各元素分布平均，未呈现显著的成分偏析。拉伸测试结果显示SLM成形件屈服强度和抗拉强度为569 MPa和690 MPa，延伸率为16％，相较于铸态件分别提高了145％和24％，而塑性比铸态件降低了63％。SLM成形件拉伸断口形貌呈现以脆性断裂为主的混合断裂特征。     

基于AHP-熵值法对区域中国式现代化水平测度的研究

基于中国式现代化的基本特征，从五个维度构建了中国式现代化水平测度指标体系，综合运用层次分析法和熵值法对我国2020年31个省份的中国式现代化水平进行了测度。结果显示：中国式现代化水平在我国各省份之间存在着显著的差异性，且呈现出一定的区域聚集性，沿海地区省份水平普遍高于非沿海地区省份水平，最后提出提高区域中国式现代化水平的相关政策建议。     

采用熵的多维K-匿名划分方法

K-匿名是数据发布应用场景下重要的隐私保护模型。近年来数据集K-匿名化的算法得到广泛的研究,Median Mondrian算法是目前唯一的多维K-匿名划分方法。文中研究了Median Mondrian算法,指出其不能有效地平衡数据划分精度与数据隐私安全性之间的矛盾,由此提出基于熵测度机制的多维K-匿名划分方法以及评估K-匿名化结果安全性的测量标准。实验表明该算法是可行的,能有效地提高数据安全性。     

Pareto分布中形状参数的估计问题

本文研究了当a已知时,Pareto分布中形状参数的估计。首先求得了θ的一致最小方差无偏估计(UMVUE),并证明了它在平方损失下是不可容许的。当θ有先验信息时,分别在平方损失和熵损失下讨论了θ的Bayes估计,并说明了其容许性。其次,在熵损失下,讨论了一类形如(cT(x) d)-1(d>0)的估计的容许性。最后,给出了θ的置信下限。