![Hamiltonian[k,k+1]-因子（英文）](https://www.lw71.cn/thumb/62913ceabf6565b76b43c321.webp)
一、Hamiltonian[k,k+1]-因子(英文)（论文文献综述）
李宁[1]（2021）在《基于多属性决策的分级诊疗向下转诊医院选择问题研究》文中进行了进一步梳理
王磊[2]（2021）在《大学生锻炼坚持行为影响因素及促进策略研究》文中提出大学生是国家的未来和民族的希望,欲文明其精神,先自野蛮其体魄。大学生的体质健康与锻炼坚持状况,对体育强国建设和中华民族伟大复兴中国梦的实现具有重大意义。锻炼坚持是指个体持续在一段时间内进行规律锻炼并长期保持的行为,是个体通过体育锻炼增强体魄、健康生活、健全人格、锤炼意志的必要条件。《体育强国建设纲要》中明确“要将促进青少年提高身体素养和养成健康生活方式作为学校体育教育的重要内容”。高校体育不但肩负体育教育职能,更兼具促进锻炼坚持、增强学生体质、建设校园体育、建树正确体育观的育人责任。但至今为止,大学生身体活动不足、锻炼坚持困难,依旧是学校体育的突出问题。体育领域学者对大学生锻炼坚持行为的研究由来已久,取得了丰富的研究成果,在梳理时发现,相关研究历经探索与奠基、起步与发展、成熟与融合三个阶段,形成了以健康信念模型、计划行为理论、社会认知理论等为核心的理论框架,但缺乏对决策过程的关注;且近年来信息技术发展赋能大学生锻炼行为虚拟化,虚拟体育社交与用户生成内容知识共享等,改变了传统锻炼坚持行为的研究场域,相关适应性研究稀缺。基于此,提出了大学生锻炼坚持行为影响因素与促进策略的研究问题。本研究综合运用用户生成内容分析与挖掘、文献资料、专家访谈、问卷调查、数理统计、机器学习和逻辑归纳等研究方法,从我国大学生锻炼坚持行为研究历程梳理入手,结合虚拟锻炼社区用户生成内容分析与访谈资料的交互验证,识别大学生锻炼坚持行为的影响因素,理顺大学生锻炼坚持行为的决策过程、建立模型验证影响因素间的作用机制,并细化锻炼坚持行为分类、制定促进策略,通过系统研究得出如下结论:（1）大学生锻炼坚持行为受生活方式自评、健康认知自评、运动认知自评、个人投入、社会支持、锻炼氛围、场地器材、锻炼获益感知、锻炼风险感知、锻炼动机、锻炼自我效能、锻炼坚持时间、锻炼坚持质量等13个因素的影响。这13个因素构成大学生锻炼坚持行为模型的五大因素即健康自我评价、锻炼条件、锻炼效果感知、锻炼内驱力和锻炼坚持行为。（2）大学生锻炼坚持行为模型五大因素之间存在“感知输入-决策-驱动-行为输出”的四层决策逻辑,形成一个链式中介模型,可归纳为具有五因素四层次的“SCeiP”行为模型。该模型是以大学生锻炼坚持行为为研究对象,以促进和优化锻炼坚持相关因素及决策过程为目标,通过不断完善锻炼坚持行为相关因素作用及协同,促进大学生持续做出锻炼坚持决策的行为模型。（3）锻炼内驱力是锻炼坚持行为的动力来源,是“SCeiP”模型中的核心中介变量,且根据个体所处行为阶段不同,影响不同。模型内部两条促进路径和外部两条反馈路径,均遵循“客观-主观-客观”的作用逻辑,说明锻炼坚持是客观因素通过主观因素发挥能动作用的结果,研究既要关注客观影响因素,更要关注主观作用机制。（4）大学生容易受到外界信息的影响,单次锻炼的效果感知与经验总结,会影响后续决策。锻炼坚持实质上是一个动态变化、螺旋发展的系统,是个体针对“是否进行锻炼”做出理性决策的过程。在一段时期内,每次决策及行为输出结果均会反馈至输入层,影响新一轮决策。在虚拟锻炼社区调研中发现锻炼者偏好对锻炼效果进行成本效益分析,只有锻炼获益大于锻炼风险时,个体才会产生足够的锻炼内驱力,选择坚持锻炼。（5）虚拟锻炼社区汇集大学生锻炼坚持及衍生的锻炼知识共享与社交行为,锻炼坚持行为理论在虚拟化锻炼场域中具有一定适应性,但仍需不断拓展。大学生信息化锻炼虚拟社区与平台是新时代锻炼坚持行为叙述规则和价值逻辑建立的主战场,需要着力设计与打造。基于“SCeiP”模型形成了高校大学生锻炼坚持行为线上线下双循环促进的总体思路。根据巴纳姆效应理论,利用信息化平台知识共享塑造科学体育观导向,在尊重学生个体行为差异的前提下,发挥学生体育锻炼坚持价值认同的聚合效应,以促进大学生锻炼坚持。（6）为实现“因人而异”“因材施教”的大学生锻炼坚持行为预测与导向内容推荐,实现分类促进策略,本研究选用PCA-GS-SVM算法训练大学生锻炼坚持行为数据分类器,训练效率高且正确率在训练集及测试集中均高于87%,能够满足大学生锻炼坚持行为信息化平台分类促进策略的应用要求,有效支撑“SCeiP”模型实践应用。将锻炼坚持行为分为八类,针对不同类别行为特点,制定具体分类促进策略。（7）设计实现大学生锻炼坚持行为促进信息化平台,为实现“因人而异”“因材施教”的锻炼坚持促进提供平台策略及保障策略。从应用需求出发设计平台功能,将“SCeiP”行为模型中涉及的理论概念具象化,融合反馈机制、激励体系、粘性强化等,设计锻炼坚持行为信息化促进方法,为“SCeiP”行为模型的应用落地打造良好基础。并针对锻炼坚持行为促进信息化平台的推广应用,从组织保障策略、制度保障策略、监管反馈策略等三个方面,制定保障策略。本研究创新性主要集中于以下三点:第一,研究引入管理学理论拓展锻炼坚持研究理论架构,拓宽现有锻炼行为研究的应用场景;第二,集成大数据研究方法,拓展虚拟锻炼社区用户分类和用户生成内容分析研究路径,丰富了锻炼坚持行为研究的方法论体系;第三,自行发展大学生锻炼坚持行为问卷,为大学生锻炼坚持行为量化研究提供有效量具及实证基础。
王俏茹[3]（2021）在《中国经济增长收敛性的理论分析与计量研究》文中进行了进一步梳理经济增长收敛（Economic Growth Convergence）的经典含义是指欠发达经济体的经济发展水平在长期内向发达经济体追赶与靠拢的过程。经济增长收敛假说始于Solow（1956）的新古典增长模型,其主要包含三个核心问题:第一,是否存在收敛,即对收敛的存在性进行判断;第二,为什么会出现收敛,即对收敛机制进行分析;第三,如何能促进收敛,即对收敛的影响因素进行探索。这是一个重要但又十分复杂的问题,首先,收敛性回答的是经济差距缩小的问题,这是任何一个经济体不得不重视的现实问题,在过去半个世纪,经济学家一直在试图剖析经济体间收入差距的形成及其背后的成因,而收敛性假说则成为了近二十年来在总量层面分析收入差距的主要工具。其次,经济增长收敛涉及不同的经济增长理论,且不同的理论对收敛结论会产生不同的影响,因此关于收敛性假说,学术界至今仍未给出一个放之四海而皆准的理论框架与实论结论,这正是收敛性研究的复杂之处。经济增长收敛理论对于理解收入差距的未来变动趋势具有很强的说服力,其为欠发达经济体与发达经济体经济差距的缩小,以及经济体内部区域之间经济差距的缩小,提供了一种形象的描述。与此同时,经济增长收敛理论还具有较强的政策含义,能够为政府的政策实施提供理论支撑与现实依据。事实上,关于经济增长收敛的研究一直以来都是学术界与政策制定者所关注的焦点问题。近年来,中国的国内外环境发生了深刻的变化,经济发展进入了转型的关键时期,中国在内部面临着“人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾”,在外则面临着从中等收入阶段向高收入水平跃升的考验,这两大挑战均对应了经济增长理论中的收敛性问题,前者是关于中国内部各区域之间的收敛性问题,而后者则是将中国作为一个个体考虑其与世界范围内其它国家之间收敛性的问题。基于此,本文重新审视了中国内部与外部的收敛性特征,并从“横向收敛”和“纵向收敛”两大角度展开了系统的研究。首先,“纵向收敛”主要研究一元经济体向自身稳态逼近的收敛过程;而“横向收敛”则研究多元经济体之间相互追赶,向共同的稳态收敛的过程。根据研究主体的差异,这一部分又可细分为两个层面。其中第一个层面主要研究中国内部各区域之间的横向收敛特征,本文从“数量”和“质量”两个角度对中国区域经济增长的收敛性展开了研究;而第二个层面则主要研究全球经济体之间的横向收敛特征,本文对“资本收敛机制”和“技术收敛机制”两大收敛机制进行了验证,在此基础上对中国经济增长的收敛性进行判断。首先,本文从全国整体层面分析中国经济增长收敛的阶段性特征。笔者首先通过经济增长收敛理论对中国经济增长的收敛路径进行识别,并借助门限回归模型判断中国当前的收敛阶段;随后进一步利用含潜在门限变量的时变系数向量自回归模型探索金融和技术两大驱动因素对于中国在实现收敛跃升过程中的作用,结果发现:中国目前的经济增长正处于中等收入的收敛曲线上,继续沿现有曲线收敛难以顺利向高收入阶段跃升,中国只有转变经济增长的驱动因素,才有可能顺利成为高收入国家,因此,为了顺利实现向高收入水平跃升,需要促进科技与金融的深入融合,继续挖掘两大因素的潜能。其次,本文对经济增长“数量”的收敛性进行研究,笔者首先将空间相关性加入到Mankiw-Romer-Weil收敛模型中,得到了空间收敛理论方程,随后运用空间杜宾模型对中国省际间的收敛性和空间溢出效应进行实证检验,在此基础上,本文还采用双区制空间杜宾模型对中国省际空间溢出效应的非对称性及其对经济增长收敛的影响进行探究,结果发现:中国省际之间存在显着的空间正相关关系,与此同时,中国的省际经济增长整体满足条件收敛规律,然而,中国省际之间的空间溢出无论在体量上还是方向上均具有非对称性特征,且这两大非对称性对区域经济收敛的影响不尽相同。现阶段中国正处于增速换挡期,增速下滑的弱势省份会在区域内其它类似弱势省份间形成明显的下拉溢出,而这一溢出对强势省份的影响相对有限,在这两种效应的耦合作用下,中国经济出现了阶段性的区域极化现象。再次,本文对经济增长“质量”的收敛性进行研究,笔者首先利用层级动态因子模型对中国的经济增长质量进行建模,以得到各区域以及各省份的因子;随后,借助格兰杰因果关系检验识别区域间经济增长质量的联动机制;最后通过计算C-M同步化指数分析了区域间的收敛特征,结果发现:现阶段中国四大区域经济发展出现了东部先行,中西部跟随和东北部相对独立的三元结构,而从区域内的同步化水平来看,东、中、西部三个区域内的省级经济增长质量已初具俱乐部收敛特征,呈整体一致向好态势,这在极大程度上缓和了个体异化引致的不平衡不充分发展的隐患。然而值得注意的是,近年来东北地区内部省份间均存在着独有的制约因素和增长桎梏,并未表现出收敛特征。然后,本文对经济增长的“资本收敛机制”进行分析,笔者首先对经济增长的俱乐部收敛特征进行了理论阐释,并通过技术差距的动态演变推导出金融发展与经济增长的非线性关系,随后通过动态面板门限模型对理论分析结论进行实证检验,具体得到以下结论:金融发展水平存在双门限效应,首先,金融水平较低的国家无法实现经济增长收敛,但其稳态增长率会随着金融水平的提高而提高;其次,随着金融发展水平的提高,一个国家向前沿增长率收敛的可能性将会增加;最后,对于已收敛于前沿增长率的国家,金融发展对该国稳态下的相对产出增长率存在正向影响但最终趋于消失。最后,本文对经济增长的“技术收敛机制”进行分析,笔者首先借助非线性时变因子模型分析各国的俱乐部收敛情况;随后进一步通过技术前沿收敛模型探索全要素生产率的提升路径,以对各国向高收入国家收敛的本质条件进行判断,结果发现:各国在向高收入水平收敛过程中所经历的“中等收入陷阱”在长期内是非稳定状态,但这种非稳定状态并不容易被打破,需要具备相应的收敛条件才能实现跃升,而全要素生产率的提升是各国向高收入水平收敛的关键,经济体在低收入水平阶段,可通过技术模仿提升TFP,在由低收入向中等收入水平跃升阶段,需在技术模仿的同时利用全球技术边界提升带来的技术溢出拉动TFP增长,在中等收入向高收入跃升阶段,需由外部驱动向自主创新驱动转型,提高自主创新能力。本文从不同的视角、不同的维度对中国经济增长的收敛性特征进行了全面系统地分析。从国内区域层面的收敛性分析来看,中国经济增长整体上满足条件收敛规律,但区域发展不平衡的格局仍未真正改变,差异化的发展战略仍需重视;而从国际层面的收敛性来看,当前中国正处于中等收入阶段,必然会经历经济增速的回落期与调整期,实现向高收入水平收敛需要坚定不移地实施创新驱动发展战略,以获得可持续的发展动力。
刘畅[4]（2021）在《趋化因子CCL1和细胞周期抑制蛋白p21在肺纤维化发生发展中的作用机制研究》文中研究指明肺纤维化（Pulmonary fibrosis,PF）既包括特发性肺纤维化（idiopathic PF,IPF）,也是多种纤维增生性肺病的病理基础。该疾病的特征是肺泡上皮遭受持续性损伤后结构被破坏,过度增殖活化的成纤维细胞分泌过多细胞外基质（extracellularmatrix,ECM）,导致肺间隔增厚,肺间质重构,患者肺功能受损,最终呼吸衰竭。复杂的发病机制与有限的治疗手段使得肺纤维化病人预后不良,诊断后生存期约为3至5年。早期的标准三联疗法（强的松,硫唑嘌呤,N-乙酰半胱氨酸）非但不能减轻纤维化样病变,甚至会增加患者的入院及死亡风险。FDA在2014年批准了两种药物,吡非尼酮（pirfenidone）和尼达尼布（nintedanib）,这两种药物和肺移植是目前临床上仅有的有效疗法。对于肺移植而言,供体有限,手术操作复杂和伴随的终生免疫抑制治疗都限制了这一疗法的应用。吡非尼酮及尼达尼布虽然能够减少IPF患者最大肺活量的下降程度,减缓疾病进程,但其是否可以延长生存期尚不可知。因此,深入探究肺纤维化的发病机制有助于我们鉴定新的药物靶点,攻克慢性肺病。纤维化作为慢性炎症疾病的终末期病理改变,与肺泡上皮的反复损伤,异常的炎症反应和胶原的过度沉积紧密相关。本文第一部分研究了趋化因子CCL1和肺纤维化效应器细胞成纤维细胞之间的关系。慢性肺损伤导致肺泡巨噬细胞和T细胞中CCL1 的表达上调,CCL1 通过结合 AMFR（autocrine motility factor receptor）受体诱导成纤维细胞活化为肌成纤维细胞。CCL1-AMFR相互作用引起AMFR磷酸化,获得E3连接酶活性,使内源性ERK抑制剂Spry1发生泛素化并移位至胞膜:在细胞膜上,Spry 1结合RasGAP后解除自身对Ras-ERK-p70S6K信号活性的抑制作用,促进促纤维化蛋白合成。在基因水平及药理水平抑制CCL1信号通路可以缓解肺纤维化的病理改变。本研究结果揭示了 CCL1-AMFR-ERK信号轴在纤维化进程中的重要作用,并指出了治疗纤维增生性肺病的潜在靶点。在肺损伤后的修复过程中,肺泡干细胞即肺泡Ⅱ型上皮细胞（alveolarepithelial type 2 cell,AT2）可自我更新或分化为肺泡Ⅰ型上皮细胞（alveolar epithelial type 1 cell,AT1）以维持呼吸稳态。除了异常的炎症环境和持续堆积的肌成纤维细胞,AT2干性受损和肺泡上皮的再生失败同样密切参与肺纤维化的进程。本文第二部分探究了细胞周期抑制子p21和肺纤维化中肺泡再生失败的关系。在多次博来霉素诱导的肺纤维化模型中,AT2的反复损伤导致其端粒缩短,并时间依赖性地上调p21的表达。p21的堆积不仅诱导AT2细胞周期阻滞,阻碍AT2的自我更新,还会打断p300和β-catenin的相互作用以抑制AT2的分化,即p21上调后老化的AT2不再具有自我更新和分化为AT1的能力。同时,老化的AT2分泌促纤维化的细胞因子以诱导肌成纤维细胞的活化。敲低p21后可以重建肺纤维化模型中由AT2主导的肺泡再生进程。本文的研究结果有助于深入理解肺损伤和肺纤维化的发病机制,也为开发抗纤维化药物提供了新的理论依据。
庞彬彬[5]（2021）在《有限域上LCD码与常循环码的理论应用研究》文中研究表明随着经典通信技术的不断发展与应用,有限域上经典纠错码理论日臻完善。众所周知,经典纠错码是传统通信的重要保障。类似地,量子纠错码是实现可靠量子计算和量子通信的必要前提。量子纠错码与经典纠错码既有本质的区别,又有着密不可分的联系。随着有限域上量子纠错码的深入研究,量子同步码和纠缠辅助量子码也备受关注。本文首先研究了有限域上LCD（Linear complementary dual）码的等价性、存在性和计数等;其次研究了有限域上一类循环码;然后构造了一系列参数达到码表的对偶包含循环码,并利用它们构造了大量新的量子稳定子码和量子同步码;最后构造了三类常循环MDS（Maximum distance separable）码,进而构造了三类纠缠辅助量子MDS码。具体内容如下:（1）证明了有限域（GF（2）,GF（3）和GF（4））上LCD码与非LCD码是不等价的。基于线性码的Griesmer界,给出有限域上给定维数和码长的LCD码的界,进而证明了达到该界的LCD码的存在性,并得到了等价意义下最优LCD码的计数。在有限域GF（3）和GF（4）上,在给定码长和维数时,确定了 LCD码的极小距离的最大值。（2）研究了有限域GF（q）上码长为n=2pe的循环码,其中p是一个奇素数,e是一个正整数。通过对模n的q-分圆陪集进行分类,得到了循环码的相关计数;通过研究其对偶码的相关性质,确定了循环码与其对偶码交的维数,且在给定维数时,得到了该类循环码的计数。此外,定义了一类新的二阶广义分圆类,构造了一些长为n=2pe的最优循环码。（3）通过分析r阶分圆类的性质,得到了大量的最优的或者几乎最优的对偶包含循环码,其码长为素数且满足n≡r+1（mod2r）,进而构造了一些新的量子稳定子码和新的量子同步码。因为循环码一般是最优的或者几乎最优的,构造的量子同步码一般具有很好的纠错能力。（4）通过研究常循环码的定义集,构造了三类常循环MDS码。再对定义集进行合理分割,确定纠缠态c的个数,进而构造了三类纠缠辅助量子MDS码。与已知的纠缠辅助量子码相比,得到的纠缠辅助量子MDS码具有更灵活的参数。
纪明轩[6]（2020）在《基于改进自注意力的机器翻译新模型》文中指出机器翻译是自然语言处理中的核心任务。当前的神经机器翻译模型主要是基于递归神经网络和卷积神经网络的深度网络模型,但仅仅使用递归神经网络和卷积神经网络处理文本都具有一定的局限性。近几年,自注意力机制在自然语言处理中的多个领域中展现出优越的性能。因此,文中将自注意力机制应用于机器翻译,针对机器翻译任务的特点,对传统的自注意力机制进行改进,设计新模型。论文的研究内容和取得的成果主要如下:1.在机器翻译任务中,自注意力机制由于高度可并行化计算的能力显着减少了模型的训练时间,并且可以有效地捕捉到上下文中所有单词之间的语义相关度而受到了广泛的关注。然而,不同于循环神经网络,自注意力机制的高效源于忽略上下文单词之间的位置结构信息。为了使模型能够利用单词之间的位置信息,基于自注意力机制的机器翻译模型Transformer使用正余弦位置编码方式表示单词的绝对位置信息,然而,这种方法虽然能够反应出相对距离,但却缺乏方向性。因此,文中基于对数位置表示方法,并与自注意力机制相结合,提出一种机器翻译新模型。该模型不仅继承了自注意力机制的高效性,还可以保留单词之间的距离信息与方向性信息。研究表明,与传统的自注意力机制模型以及其它模型相比,文中所提新模型能够显着地提高机器翻译的准确性。2.在机器翻译领域,近年来许多将自注意力机制和递归神经网络结合的新模型被提出,研究表明这些复合模型在机器翻译任务上的性能超越了单独的自注意力机制或递归神经网络。虽然通过引入更多参数加强了模型获取结构信息的能力,但过多参数产生的冗余信息并不一定能够加强机器翻译系统的性能,甚至在一定程度上会影响翻译效率。因此,文中引入更加轻量级的门控循环单元网络,与自注意力机制相结合,设计更加高效的机器翻译模型。模型采用“残差连接”机制将两种编码器的结果相结合,“残差连接”机制可以保留底层的结构信息并传递给高层编码器,解决梯度爆炸和消失问题。实验结果表明,底层的门控循环单元网络有效地保存了文本中的层次结构信息,并与自注意力机制的语义分析有着紧密集合。相较于其它模型,该模型对于自然语言和人工语言的处理具有一定优势。3.最近研究表明,自注意力机制通常专注于独立的单词,却忽略连续的短语形式,而短语被认为在机器翻译中是必不可少的形式。有关机器翻译研究现状的工作表明,将基本单元从单词扩展到短语可以对译文质量产生实质性的提高,这表明可以通过对短语显式地建模来提高神经机器翻译系统的性能。而在以往的研究中,没有工作明确将短语建模和层次结构建模相结合。因此,文中提出粒度细化,然后通过限制注意力范围来增强模型获取局部信息的能力,因此本文提出的方法参数更少,更加轻量级,对于计算能力的要求也更低。自注意力机制通常由多层编码器-解码器递归组成,其中高层倾向于学习语义信息,而低层则倾向于捕获结构信息和词汇信息。因此,文中仅将局部性建模应用于底层,即底层自注意力层拥有距离感知和提取局部信息的能力,而高层则捕获与距离无关的全局语义信息。实验结果表明,文中提出的新模型能够显着改善神经机器翻译模型的性能。
段江涛[7]（2020）在《关于高维因子模型断点和分类的研究及其应用》文中提出随着互联网的广泛普及和信息技术的迅猛发展,高维数据已经广泛出现在自然科学和社会科学等领域中。在高维数据中,变量之间往往具有一定的相关性,如何刻画这种高维相关性的特征已经成为近年来的热点研究方向。高维因子模型是对高维数据进行建模的一种有效统计工具,它可以刻画多个变量之间的关系并且可以对数据进行降维,在统计学、计量经济学、社会学等诸多领域有着广泛的应用。在高维因子模型中,结构断点探测和因子的聚类成为近几年的热点研究课题,本文主要在这两个方向上进行了理论研究,提出了相应的估计算法,同时证明了估计量的统计性质,并利用实际数据进行实证分析。本文的主要研究内容和研究结论及其创新点概括如下:第一,为了探测高维因子模型中结构断点的位置,本文第三章利用拟最大似然法估计高维因子模型中的结构断点,该方法首次将结构断点与因子个数、伪因子个数建立起直接的联系,有效地解决了Bai et al.（2020）[12]中提出的旋转不可识别性问题,并从理论上证明了拟最大似然估计量相应的统计性质,即在适当的条件下:（1）如果断点使得整个数据中伪因子个数大于断点之前或者断点之后真实的因子个数,抑或同时大于断点之前和断点之后真实的因子个数,则拟最大似然估计量具有一致性;（2）如果整个数据中伪因子个数同时等于断点前和断点后真实的因子个数,也就是只存在因子载荷的旋转变化,则拟最大似然估计量与真实的断点之差是有界的,并推导出该情况下拟最大似然估计量的极限分布。同时,本章通过Monte Carlo模拟验证了相关理论结果,并且和现有的几种估计方法进行了比较分析,结果显示拟最大似然法具有一定的优势。最后,本章用拟最大似然法去探测美国2001年12月到2013年1月的宏观经济数据集,结果显示结构断点为2007年7月,这意味着在次贷危机的早期,模型结构已经发生了变化。事实上,2007年7月美国房价的下跌,直接导致了证券抛售行为,进而降低了证券的价值,因此经济学家Mark Zandi写道,2007年7月的事件“可能是随后发生的金融市场动荡的最直接催化剂”。第二,相比已有算法,拟最大似然法的运算速度有明显提升。Bai et al.（2020）[12]在计算过程中需要对每个可能的断点划分都使用主成分分析法（PCA）,这就增加了运算的复杂度,从而导致运算速度下降;而Ma和Su（2018）[55]和Cheng et al.（2016）[34]在计算过程中需要用到Lasso方法,这就导致运算速度更慢。相比而言,由于本章所提出的拟最大似然法在计算过程中对所有的样本只使用一次主成分分析法（PCA）进行估计,因此在计算速度方面具有一定的优势。本章最后还给出多断点逐次估计的具体算法。Monte Carlo模拟结果显示,在多断点情况下,与Baltagi et al.（2020）[22]方法相比,本章提出的拟最大似然估计量依然表现良好。因此,对于时间维度非常大并且存在多个断点的大规模数据集中,拟最大似然法在运算速度和准确率方面都有一定的优势。因此,从这两方面来说,本章所提出的拟最大似然法具有很大的实际应用价值。第三,本文第四章将高维因子模型扩展至具有交互效应的面板数据模型,并且假设交互效应中的因子载荷部分具有子空间结构。在面板数据中,由于个体间存在异质性,因而对异质性进行聚类是一个非常重要的研究课题。本文将K-means聚类扩展至更一般的子空间聚类,提出了最小二乘子空间聚类算法并证明了其估计量的相关统计性质,该算法通过迭代对模型中的未知参数、因子载荷子空间和组函数进行求解。Monte Carlo模拟结果显示,和现有几种估计方法相比,最小二乘子空间聚类算法具有一定优势。本章还利用该方法对世界上90个国家在1970—2000年中的民主与收入之间的关系进行实证分析,结果显示,民主与收入之间存在正相关。最后,本章给出了一个对因子个数、子空间个数和子空间维数的一个可行的模型选择准则。
梁雪彦[8]（2020）在《机载雷达异构杂波抑制方法研究》文中认为机载雷达具有体积小、可视距离远等优点,其应用领域越来越广泛。由于机载雷达接收到的回波信号包含具有严重空时耦合特性的杂波,为了能够更快更准确地发现和定位目标,需要对回波信号进行杂波抑制。最优空时自适应处理（Space Time Adaptive Processing,STAP）是一种经典的杂波抑制算法,不过该算法的运算量会随着阵列规模的增大而增加,并且杂波环境假设为理想的均匀杂波环境,但该算法的性能在实际工程中易受到实际地形等因素的影响。因此,本文基于机载相控阵雷达,建立了异构杂波通用模型并给出了异构杂波抑制方法。本文的主要工作包括以下几个方面:1、介绍了机载相控阵雷达均匀杂波模型并研究了几种STAP方法。首先,根据天线阵列模型介绍了均匀杂波模型。然后,研究了最优STAP方法和三种经典的降维STAP方法。仿真实验表明,杂波功率谱分布轨迹的弯曲程度随着偏航角的增大逐渐变大,频谱展宽现象随着幅相误差的增大越来越明显。同时,比较几种方法的改善因子曲线图,得出降维STAP方法的杂波抑制性能接近最优STAP方法的结论。2、针对实际工程中存在的地形起伏、建筑物高度差异等问题,给出新型的机载相控阵雷达异构杂波模型。首先,分析造成杂波异构的不同因素,给出了方位角异构和俯仰角异构的定义,并将异构程度分别量化为方位向异构因子和俯仰维异构因子。然后,根据机载雷达均匀杂波模型设计了异构杂波模型。接下来,总结了获取机载雷达异构杂波回波数据的详细流程。最后,仿真实验验证了异构杂波模型的正确性。并且实验结果显示,随着方位向异构因子和俯仰维异构因子的增大,降维STAP方法在异构杂波的抑制方面性能下降。3、结合本文建立的异构杂波模型,研究了机载相控阵雷达异构杂波抑制方法。首先,根据雷达参数、载机速度等先验信息研究了两维两脉冲杂波对消（TwoDimensional pulse-to-pulse Canceller,TDPC）方法。然后,给出了两维多脉冲杂波对消（Two-Dimensional Multi-pulse Canceller,TDMC）方法。接下来,设计了机载相控阵雷达异构杂波三维模型,并在该模型的基础上提出了三维两脉冲杂波对消方法。最后,仿真实验表明,TDPC方法、TDMC方法和三维两脉冲杂波对消方法能够滤除大部分杂波,不过三维两脉冲杂波对消方法在杂波抑制方面具有更优的性能,而TDMC方法的杂波抑制效果相比TDPC方法更好。
王瑶[9]（2020）在《主成分分析在均匀线阵波达方向估计中的应用研究》文中研究指明随着阵列信号处理技术的快速发展,各领域对信号的测向精度要求越来越高,为了实现更高精度的信源估计,波达方向（Direction of Arrivals,DOA）估计就成了当前的研究热点。MUSIC（Multiple Signal Classification）算法、ESPRIT（Estimating Signal Parameter via Rotational Invariance Techniques）算法等高分辨率算法的的缺点在于低信噪比下的DOA估计误差较大,且不能直接用于相干信源的DOA估计。近年来,随着统计学和智能算法的飞速发展,越来越多的统计智能算法也被用于DOA估计中,如主成分分析（Principal Component Analysis,PCA）、神经网络算法、支持向量回归算法等。这类算法的优点在于通过建模的方式来构造信号估计模型,能够将噪声、阵列排布误差等影响因素通过训练包含在模型中,不需要对划分的角度空间进行谱峰搜索,而且能够更快速地估计出来波方位。本文对此类算法的关键技术进行了深入的探讨和分析。首先,本文研究了PCA算法在经典高分辨率算法（MUSIC、SOMP算法）中的应用,研究了阵列PCA-MUSIC算法和PCA-SOMP算法。由于这些高分辨率算法在进行DOA估计时往往需要很大的快拍数,而每一次的采样数据都包含了噪声信息。因此使用PCA算法来降低采样信号维数从而对信号进行重构,重构后的信号仍然保留了原始信号的信息,但减少了原始信号中的噪声信息。改进后的阵列PCA-MUSIC算法、阵列PCA-SOMP算法在低信噪比下的DOA估计性能提高。其次,本文研究了PCA算法在神经网络算法中的应用,并用于近场源的参数估计。研究了阵列PCA-BP、阵列PCA-RBF算法,通过PCA对输入数据进行降维,从而减少了输入神经元的个数,使得神经网络的结构变得简单,减少了网络的训练时间,也提高了低信噪比下的近场源参数的估计性能。同时,PCA-BP算法也能在阵列存在误差的情况下对近场源参数进行准确估计。最后,本文研究了PCA算法在回归算法中的应用,并用于近场源的参数估计。研究了偏最小二乘回归算法（Partial Least Squares Regression,PLSR）对近场源参数进行估计,NSF-PLSR算法能提取出信号的特征变量,去除冗余信息和噪声信息,对近场源参数进行高准确性的估计。另外,也使用了PCA降维的多输出支持向量回归（Multiple-output Support Vector Regression,MSVR）算法来对近场源参数进行估计。PCA-NSF-MSVR算法通过PCA降低输入信号维数,降低了算法的运算量,也去除了较多的噪声信息。仿真实验表明了所研究算法的有效性。PCA-NSF-MSVR算法也能够对相干近场信源进行估计并具有很好的估计性能。
刘晴晴[10]（2020）在《绿色全要素能源效率测度及影响因素研究》文中提出新常态下,传统粗放式经济已难以为继。十九大报告已明确提出推进绿色发展,确定了“既要金山银山,也要绿水青山”的可持续绿色发展目标。实现此目标,关键在于保障经济增长的同时,兼顾降低能源消耗和减少污染物排放。如何确定各行政区域的节能减排目标值,如何通过合理的措施提升地区的能源利用效率等,这些问题的有效解决对于推进国家绿色发展具有重要意义。因此,针对如何测度绿色全要素能源效率及其可能的影响因素,本文展开了研究,论文的主要内容以及基本结论如下:第一,考虑到地区间技术异质性等因素,本文选择共同前沿法来测度各省区市的绿色全要素能源效率。对区域进行合理分类是共同前沿方法的基础。因此,本文首先根据影响各地区绿色发展效率的主要因素构建一个指标体系,然后利用因子分析进行降维,最后根据因子得分对中国31个省区市（除港、澳、台地区外）进行聚类分析,并对分组的合理性进行讨论。得到结论如下:（1）“十一五”时期、“十二五”时期、“十三五”时期三个时间段,31个省区市的聚类结果不尽相同,且各时间段内聚类结果相对稳定。聚类形成的四个小组分别命名为绿色发展较好组、绿色发展一般组、偏好环境组和偏好发展组。（2）三个时间段的聚类结果并不完全体现地域性。传统按照地理位置进行区域划分并不完全适用于绿色发展效率问题的研究。第二,为测算各省区市的绿色全要素能源效率水平及节能潜力,本文首先构建绿色全要素能源绩效指数并对其进行分解,其次根据前文的聚类分组,利用基于共同前沿的非径向方向性距离函数方法测度2006-2017年中国除港、澳、台地区和西藏外的30个省区市的绿色全要素能源效率,最后对4个小组的能源效率差异、技术差距以及各省区市的潜在节能量进行研究。得到结论如下:（1）中国各省区市的绿色全要素能源效率普遍偏低,提升空间较大。（2）组前沿下各省区市绿色全要素能源效率往往会高估该区域能源效率的实际水平,共同前沿下的绿色全要素能源效率反映了该区域能源效率的潜在提升空间。（3）四个小组所含省区市的绿色全要素能源效率差异显着。组1（绿色发展较好组）的绿色全要素能源效率水平远超其他三个小组,代表了中国能源使用效率的最高水平。（4）考察期内,北京、天津、上海始终位于共同前沿上,是中国绿色全要素能源效率最高的地区。第三,从动态角度探究绿色全要素能源效率的变化情况。利用基于非径向方向性距离函数的共同前沿Malmquist-Luenberger指数测度区域当期技术基准、区域跨期技术基准和全局技术基准下各省区市及小组的绿色全要素能源效率,并对绿色全要素能源效率增长率进行分解,分析其构成的动态发展趋势,及识别组内及全国技术“创新者”省份。研究发现:（1）各省区市的绿色全要素能源效率基本符合全局技术基准最低,区域跨期技术基准次之,区域当期技术基准最高的规律,不同技术基准选择下各省区市间的绿色全要素能源效率存在较大差异,表明中国各省区市间的绿色节能技术存在巨大的技术差距,同时印证了绿色全要素能源效率测度必须在相同技术水平下比较才有意义的观点。（2）我国总体上绿色全要素能源效率基本保持不变,四个小组的绿色全要素能源效率增长率呈现出组4大于组1大于组3大于组2的趋势,且绿色全要素能源效率的增长主要源于技术进步的贡献,技术效率改善的贡献较小。（3）考察期内有某省区市成为某一年度的区域“技术创新者”,但没有省份成为全国的“技术创新者”。第四,从空间角度研究地区绿色全要素能源效率的影响因素。利用“莫兰指数”检验绿色全要素能源效率的空间相关性,分别构建静态和动态空间面板回归计量模型,对绿色全要素能源效率的影响因素进行分析。研究发现:（1）绿色全要素能源效率存在明显的空间依赖性,区域间绿色全要素能源效率存在着显着的空间扩散效应,相邻区域的绿色全要素能源效率高,则本区域的绿色全要素能源效率越高。（2）考虑到区域绿色全要素能源效率的惯性时,绿色全要素能源效率的空间效应明显减弱。（3）能源消耗结构和政府影响力因素对绿色全要素能源效率具有显着的负向影响;外商直接投资对绿色全要素能源效率具有显着正向影响;资源禀赋对绿色全要素能源效率的影响作用不显着;经济发展水平和产业结构因素对绿色全要素能源效率具有正向影响,且动静态空间模型估计系数的显着性相反;产权所有、技术进步、资本劳动比对绿色全要素能源效率具有负向影响,且动静态空间模型估计系数的显着性相反。技术进步对绿色全要素能源效率的负向影响与常规认知不相符,可能因为回弹效应的存在。第五,探究技术进步对于绿色全要素能源效率的影响。理论分析技术进步对绿色全要素能源效率的影响机理,利用内生增长模型构建能源回弹效应模型。利用2006-2017年数据较为完整的25个省区市的面板数据,基于资本是否可变假设,测度全国层面、省级层面的长短期能源回弹效应。研究发现:（1）中国资本存量的产出弹性系数为0.353,劳动力的产出弹性系数为0.333,能源消费弹性系数为0.494,是三个要素弹性系数中最大的,表明中国经济的高速增长更多依靠对能源的消耗。（2）中国宏观经济的短期能源回弹效应均值为3.46,各省区市短期能源回弹效应虽偶尔出现“超级节能”现象,但总体表现为逆反效应,说明能源效率的提升,不仅没有引起能源消费量的降低,反而促进了新一轮的能源消费需求,即能效提升带来的能源节约量完全没有显现出来。（3）中国宏观经济的长期能源回弹效应均值为-1.36,各省区市长期能源回弹效应总体表现为“超级节能”,其中部分省区市在部分年份出现了“部分回弹”和逆反效应,表明能源政策长期是有利于能源节约的。
二、Hamiltonian[k,k+1]-因子(英文)（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、Hamiltonian[k,k+1]-因子(英文)（论文提纲范文）
（2）大学生锻炼坚持行为影响因素及促进策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与研究问题 |
| 1.1.1 研究背景 |
| 1.1.2 研究问题 |
| 1.2 研究意义 |
| 1.2.1 理论意义 |
| 1.2.2 实践意义 |
| 1.3 研究内容与方法 |
| 1.3.1 研究思路 |
| 1.3.2 研究内容 |
| 1.3.3 研究方法 |
| 1.4 创新性 |
| 第二章 文献综述及理论基础 |
| 2.1 文献综述 |
| 2.1.1 相关概念的研究 |
| 2.1.2 锻炼坚持行为影响因素的研究 |
| 2.1.3 锻炼坚持行为促进的相关理论 |
| 2.1.4 文献述评 |
| 2.2 锻炼坚持行为促进的相关管理理论基础 |
| 2.2.1 社会交换理论 |
| 2.2.2 健康自我管理与行为决策 |
| 2.2.3 综合集成思想与TEI@I方法论 |
| 2.3 大数据分析的相关理论与技术 |
| 2.3.1 大数据支持体育行为记录与干预 |
| 2.3.2 用户生成内容的自然语言处理与主题发现 |
| 2.3.3 行为特征的聚类 |
| 2.3.4 基于有监督机器学习的行为特征分类器 |
| 2.4 本章小结 |
| 第三章 大学生锻炼坚持行为因素与结构 |
| 3.1 大学生锻炼坚持行为因素研究设计 |
| 3.1.1 因素筛选方法 |
| 3.1.2 研究过程 |
| 3.1.3 资料收集与处理 |
| 3.1.4 资料初步分析结果 |
| 3.2 因素界定 |
| 3.2.1 基于文献的相关关键词界定 |
| 3.2.2 基于UGC内容的因素提取 |
| 3.3 模型因素一致性检验 |
| 3.3.1 回访专家过程及数据选择 |
| 3.3.2 权重计算与一致性检验 |
| 3.4 因素结构分析 |
| 3.4.1 锻炼坚持行为五因素 |
| 3.4.2 锻炼效果感知双向作用拆分 |
| 3.5 本章小结 |
| 第四章 大学生锻炼坚持行为模型假设与验证 |
| 4.1 锻炼坚持行为分析框架 |
| 4.2 研究假设 |
| 4.2.1 健康行为自评、锻炼效果感知和锻炼内驱力 |
| 4.2.2 锻炼条件、锻炼效果感知和锻炼内驱力 |
| 4.2.3 锻炼效果感知、锻炼内驱力和锻炼行为 |
| 4.2.4 锻炼行为模型中的链式中介 |
| 4.2.5 锻炼行为模型中的调节变量 |
| 4.3 问卷设计原则与题目类型 |
| 4.3.1 问卷题目类型 |
| 4.3.2 问卷设计原则 |
| 4.3.3 问卷题目设计 |
| 4.4 大学生锻炼坚持行为模型验证 |
| 4.4.1 预调研 |
| 4.4.2 正式调研 |
| 4.4.3 结果分析 |
| 4.5 大学生锻炼坚持行为促进的“SCeiP”模型 |
| 4.5.1 “SCeiP”模型逻辑与特征 |
| 4.5.2 “SCeiP”模型内部促进双路径 |
| 4.5.3 “SCeiP”模型外部反馈双路径 |
| 4.6 本章小结 |
| 第五章 大学生锻炼坚持行为分类促进策略 |
| 5.1 大学生锻炼坚持行为分类促进思路、指导原则与目标 |
| 5.1.1 大学生锻炼坚持行为分类促进的总体思路 |
| 5.1.2 大学生锻炼坚持行为分类促进的指导原则 |
| 5.1.3 大学生锻炼坚持行为分类促进的目标 |
| 5.2 大学生锻炼坚持行为分类与结果 |
| 5.2.1 大学生锻炼坚持行为分类需求分析及过程 |
| 5.2.2 大学生锻炼坚持行为分类结果 |
| 5.3 大学生锻炼坚持行为分类特点 |
| 5.3.1 锻炼行为数据分类偏差分析 |
| 5.3.2 不同类别特点形成原因分析 |
| 5.4 大学生锻炼坚持行为分类促进的“因材施教”策略 |
| 5.4.1 大学生锻炼坚持行为分类促进方式 |
| 5.4.2 不同大学生锻炼坚持行为类别促进策略 |
| 5.5 本章小结 |
| 第六章 大学生锻炼坚持行为促进平台及保障策略 |
| 6.1 大学生锻炼坚持行为促进平台设计与实现 |
| 6.1.1 大学生锻炼坚持行为促进平台的设计 |
| 6.1.2 大学生锻炼坚持行为促进平台的实现 |
| 6.2 大学生锻炼坚持行为促进保障策略 |
| 6.2.1 大学生锻炼坚持行为促进组织保障策略 |
| 6.2.2 大学生锻炼坚持行为促进制度保障策略 |
| 6.2.3 大学生锻炼坚持行为促进监督反馈策略 |
| 6.3 本章小结 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 研究不足与展望 |
| 参考文献 |
| 附录 |
| 附录1 大学生锻炼坚持行为管理因素构成专家意见调查表 |
| 附录2 大学生锻炼坚持行为影响因素权重专家调查表 |
| 附录3 预调研问卷独立样本T检验结果汇总 |
| 附录4 大学生锻炼坚持行为调查问卷 |
| 附录5 移动应用爬虫程序展示(部分) |
| 附录6 用户生成内容话题识别程序展示(部分) |
| 附录7 Mplus程序部分展示(部分) |
| 附录8 大学生锻炼坚持行为促进平台与应用关键代码(部分) |
| 图目录 |
| 表目录 |
| 攻读期间发表学术论文 |
| 致谢 |
| 附件 |
| 学位论文评阅及答辩情况表 |
（3）中国经济增长收敛性的理论分析与计量研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与选题意义 |
| 1.1.1 研究背景 |
| 1.1.2 选题意义 |
| 1.2 经济增长收敛性研究的相关文献综述 |
| 1.2.1 经济增长收敛性研究的发展脉络 |
| 1.2.2 经济增长收敛与“中等收入陷阱”的关系 |
| 1.2.3 经济收敛机制 |
| 1.3 全文章节安排与内容简介 |
| 1.4 论文研究的创新点 |
| 第2章 经济增长收敛性分析的理论基础与量化描述 |
| 2.1 经济增长收敛性分析的理论基础 |
| 2.1.1 新古典经济增长理论 |
| 2.1.2 内生增长理论 |
| 2.1.3 经济增长收敛性的其它相关理论 |
| 2.2 经济收敛性的基本类型与判别条件 |
| 2.2.1 β收敛 |
| 2.2.2 σ收敛 |
| 2.2.3 时间序列收敛 |
| 2.3 经济增长收敛类别的概念梳理 |
| 2.4 本章小结 |
| 第3章 中国经济增长收敛性的阶段识别与“双轮驱动”检验 |
| 3.1 索洛收敛模型的理论扩展 |
| 3.2 中国经济增长收敛路径的识别与检验 |
| 3.2.1 门限回归模型的建立与数据处理 |
| 3.2.2 门限回归模型的检验与估计 |
| 3.2.3 经济增长收敛路径的识别结果 |
| 3.3 中国经济增长收敛驱动因素的时变特征分析 |
| 3.3.1 LT-TVP-VAR模型结构设定 |
| 3.3.2 数据处理与参数估计 |
| 3.3.3 “双轮驱动”因素的时变特征分析 |
| 3.4 本章小结 |
| 第4章 中国省级经济增长的收敛特征与空间溢出效应检验 |
| 4.1 MRW收敛模型的理论扩展 |
| 4.2 经济增长空间收敛方程的实证分析 |
| 4.2.1 经验分析方程与变量说明 |
| 4.2.2 无空间效应的估计结果 |
| 4.2.3 空间相关性检验 |
| 4.2.4 空间杜宾模型的估计结果 |
| 4.3 空间溢出效应的非对称性及其对经济收敛的影响 |
| 4.3.1 双区制空间杜宾模型的建立与估计 |
| 4.3.2 双区制空间杜宾模型的估计结果 |
| 4.4 本章小结 |
| 第5章 中国省级经济增长质量的收敛特征分析 |
| 5.1 中国省级经济增长质量的层次分解 |
| 5.1.1 因子模型的演进概述 |
| 5.1.2 样本选取与数据处理 |
| 5.1.3 层级动态因子模型的建立与估计 |
| 5.1.4 层级动态因子特征分析 |
| 5.2 中国省级经济增长质量波动的结构还原 |
| 5.3 中国区域经济增长质量的联动机制识别 |
| 5.3.1 非参数格兰杰检验的原理 |
| 5.3.2 非参数格兰杰检验的估计结果 |
| 5.4 中国区域经济增长质量的收敛特征 |
| 5.4.1 修正C-M同步化指数的原理 |
| 5.4.2 修正C-M同步化指数的估计结果 |
| 5.5 本章小结 |
| 第6章 经济增长俱乐部收敛中的金融门限效应 |
| 6.1 经济增长俱乐部收敛的理论分析 |
| 6.2 动态面板门限模型的建立与估计 |
| 6.2.1 经验收敛方程 |
| 6.2.2 数据的选取与说明 |
| 6.2.3 动态面板门限回归模型的设定 |
| 6.2.4 动态面板门限回归模型的估计 |
| 6.3 经济增长俱乐部收敛中的金融门限效应检验 |
| 6.3.1 变量内生性检验 |
| 6.3.2 模型非线性检验 |
| 6.3.3 动态面板门限模型的估计结果分析 |
| 6.3.4 稳健性检验 |
| 6.3.5 对中国现状的考虑 |
| 6.4 本章小结 |
| 第7章 经济增长俱乐部收敛的识别与TFP的提升路径分析 |
| 7.1 非线性时变因子模型介绍 |
| 7.1.1 相对过渡曲线 |
| 7.1.2 logt收敛性检验 |
| 7.1.3 聚类分析 |
| 7.2 收敛俱乐部的形成及其决定因素分析 |
| 7.2.1 聚类分析结果 |
| 7.2.2 俱乐部间的过渡行为 |
| 7.2.3 影响俱乐部形成的关键因素 |
| 7.3 收敛俱乐部的差异比较与TFP的提升路径分析 |
| 7.3.1 技术前沿收敛模型的构建 |
| 7.3.2 样本选取与数据说明 |
| 7.3.3 技术前沿收敛模型的实证检验结果 |
| 7.3.4 对中国现状的考虑 |
| 7.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文及参与的科研项目 |
| 致谢 |
（4）趋化因子CCL1和细胞周期抑制蛋白p21在肺纤维化发生发展中的作用机制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 综述一 CC家族趋化因子在特发性肺纤维化疾病中的作用及研究进展 |
| 参考文献 |
| 综述二 肺再生参与肺纤维化发生发展的机制 |
| 参考文献 |
| 第一章 CCL1-AMFR相互作用通过活化成纤维细胞促进肺纤维化发病 |
| 前言 |
| 实验材料和方法 |
| 结果 |
| 第一部分 趋化因子CCL1促进肺纤维化发生发展 |
| 1.CCL1在肺纤维化病理状态下表达上调 |
| 2.CCL1促进肺纤维化进展 |
| 3.CCL1主要由肺泡巨噬细胞分泌 |
| 第二部分 CCL1募集和活化成纤维细胞 |
| 4.CCL1主要结合成纤维细胞 |
| 5.CCL1促进成纤维细胞迁移与活化 |
| 第三部分 CCL1-CCR8募集成纤维细胞 |
| 6.成纤维细胞表达CCR8受体 |
| 7.CCL1-CCR8相互作用募集成纤维细胞 |
| 8.CCL1对成纤维细胞的活化作用不依赖于CCR8 |
| 第四部分 CCL1-AMFR活化成纤维细胞 |
| 9.成纤维细胞膜上表达AMFR |
| 10.CCL1结合成纤维细胞膜上的AMFR |
| 11.CCL1-AMFR相互作用位点的确定 |
| 12.CCL1通过AMFR活化成纤维细胞 |
| 13.CCL1通过PKCα磷酸化AMFR |
| 14.PKCα介导的AMFR磷酸化参与活化成纤维细胞 |
| 第五部分 CCL1激活ERK-p70S6K通路以促进促纤维化蛋白合成 |
| 15.CCL1不改变促纤维化基因的RNA水平 |
| 16.CCL1通过激活ERK通路活化成纤维细胞 |
| 17.CCL1通过ERK-p70S6K通路活化成纤维细胞 |
| 第六部分 CCL1-AMFR解除Spry1对ERK通路的抑制作用 |
| 18.CCL1-AMFR通过Spry1激活ERK通路 |
| 19.CCL1-AMFR通过膜转位Spry1活化Ras-ERK级联信号 |
| 第七部分 AMFR诱导Spry1泛素化以解除其对ERK的抑制 |
| 20.CCL1激活ERK通路依赖于AMFR的E3连接酶活性 |
| 21.AMFR作为E3泛素连接酶泛素化Spry1 |
| 22.AMFR催化Spry1的K27位多聚泛素化 |
| 23.PKCα介导的磷酸化使AMFR获得E3酶活性 |
| 24.膜AMFR泛素化Spry1以活化ERK通路 |
| 第八部分 CCL1中和抗体改善肺纤维化进展 |
| 25.CCL1中和抗体抑制成纤维细胞活化 |
| 26.CCL1中和抗体改善肺纤维化进展 |
| 讨论 |
| 参考文献 |
| 第二章 细胞周期抑制子p21通过抑制肺泡再生促进肺纤维化发生发展 |
| 前言 |
| 实验材料和方法 |
| 结果 |
| 第一部分 反复BLM损伤导致不可逆的肺纤维化病变 |
| 1.反复的BLM损伤导致不可逆的病理改变 |
| 第二部分 BLM所致的端粒缩短和ROS堆积导致AT2中p21上调 |
| 2.反复的BLM损伤诱导依赖于p21的AT2老化 |
| 3.反复的BLM损伤诱导AT2的端粒缩短 |
| 4.持续的ROS堆积诱导AT2中的p21上调 |
| 第三部分 p21堆积抑制AT2的自我更新和分化 |
| 5.mBLM损伤抑制AT2的再生 |
| 6.p21抑制AT2的自我更新 |
| 7.p21抑制AT2-AT1的分化 |
| 第四部分 p21诱导细胞周期阻滞并阻断p300-β-catenin结合抑制再生 |
| 8.p21诱导细胞周期阻滞以抑制AT2的自我更新 |
| 9.p21打断p300-β-catenin相互作用以抑制AT2-AT1分化 |
| 第五部分 敲低p21改善肺纤维化进展 |
| 10.敲低p21改善mBLM诱导的肺纤维化 |
| 讨论 |
| 参考文献 |
| 总结 |
| 缩略词表(Abbreviation) |
| 致谢 |
| 个人简历 |
（5）有限域上LCD码与常循环码的理论应用研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 经典纠错码的研究现状 |
| 1.3 量子纠错码的研究现状 |
| 1.4 论文的主要内容和安排 |
| 第二章 基础知识 |
| 2.1 有限域上LCD码和常循环码 |
| 2.2 有限域上量子纠错码 |
| 2.3 本章小结 |
| 第三章 有限域上LCD码的一些界 |
| 3.1 有限域上LCD 码与非LCD 码的等价性 |
| 3.2 二元最优LCD码的计数 |
| 3.3 有限域GF(3)上的LD(n,2)的精确值 |
| 3.4 有限域GF(4)上的LD(n,2)的精确值 |
| 3.5 有限域GF(q)上关于LD(n,k)的序关系 |
| 3.6 本章小结 |
| 第四章 有限域上码长为n=2p~e的循环码 |
| 4.1 有限域GF(q)上长为n的循环码的计数 |
| 4.2 有限域GF(q)上最优循环码的构造 |
| 4.3 有限域GF(q)上长为n的循环码的Hull |
| 4.4 本章小结 |
| 第五章 量子稳定子码和量子同步码的构造 |
| 5.1 对偶包含循环码的构造 |
| 5.2 量子稳定子码与量子同步码的构造 |
| 5.3 本章小结 |
| 第六章 纠缠辅助量子码的构造 |
| 6.1 码长整除q~2-1的EAQEC MDS码 |
| 6.1.1 码长为(q~2-1)r的EAQEC MDS码 |
| 6.1.2 码长为(q~2-1)/2r的EAQEC MDS码 |
| 6.2 码长为q~2+1的 EAQEC MDS码 |
| 6.3 码长为(q~2+1)/2的 EAQEC MDS码 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 攻读博士学位期间取得的主要成绩 |
| 1 )参加的科研项目 |
| 2 )参加的学术交流 |
| 3 )发表的学术论文(含专利和软件着作权) |
（6）基于改进自注意力的机器翻译新模型（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 研究现状 |
| 1.2.1 国际发展现状 |
| 1.2.2 国内发展现状 |
| 1.3 研究内容及主要工作 |
| 1.4 论文章节安排 |
| 第二章 相关背景知识介绍 |
| 2.1 理性主义方法 |
| 2.1.1 基于规则的机器翻译 |
| 2.2 经验主义方法 |
| 2.2.1 基于统计的机器翻译 |
| 2.2.2 基于实例的机器翻译 |
| 2.2.3 基于深度学习的机器翻译 |
| 2.3 本章小结 |
| 第三章 一种基于对数位置表示和自注意力的机器翻译新模型 |
| 3.1 引言 |
| 3.2 相关技术 |
| 3.2.1 自注意力机制 |
| 3.2.2 传统自注意力模型 |
| 3.2.3 位置编码 |
| 3.3 一种基于对数位置表示和自注意力机制的机器翻译新模型 |
| 3.3.1 自注意力结合对数位置表示 |
| 3.3.2 对数位置表示 |
| 3.4 实验 |
| 3.4.1 实验准备 |
| 3.4.2 参数调整 |
| 3.4.3 实验对比结果 |
| 3.5 本章小结 |
| 第四章 门控循环单元网络结合自注意力机制的语言应用模型 |
| 4.1 引言 |
| 4.2 相关技术 |
| 4.2.1 传统递归神经网络 |
| 4.2.2 长短期记忆神经网络 |
| 4.3 门控循环单元结合自注意力模型 |
| 4.3.1 门控循环单元网络 |
| 4.3.2 门控循环单元网络结合自注意力 |
| 4.4 实验 |
| 4.4.1 机器翻译 |
| 4.4.2 逻辑推理 |
| 4.5 本章小结 |
| 第五章 粒度细化结合卷积自注意力的机器翻译新模型 |
| 5.1 引言 |
| 5.2 相关技术 |
| 5.2.1 卷积神经网络 |
| 5.2.2 句法分析 |
| 5.3 粒度细化结合卷积自注意力 |
| 5.3.1 粒度细化 |
| 5.3.2 组合策略 |
| 5.3.3 卷积自注意力 |
| 5.4 实验 |
| 5.4.1 粒度细化比较 |
| 5.4.2 卷积窗口尺寸 |
| 5.4.3 卷积自注意力应用范围 |
| 5.4.4 实验结果对比 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间撰写的论文 |
| 附录2 攻读硕士学位期间申请的专利 |
| 附录3 攻读硕士学位期间参加的科研项目 |
| 致谢 |
（7）关于高维因子模型断点和分类的研究及其应用（论文提纲范文）
| 摘要 |
| 英文摘要 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 本文内容和结构安排 |
| 第二章 高维近似因子模型的估计方法和理论 |
| 2.1 因子模型的介绍 |
| 2.2 高维因子模型的估计方法 |
| 2.2.1 主成分估计方法 |
| 2.2.2 广义主成分估计方法 |
| 2.2.3 极大似然估计方法 |
| 2.3 高维因子模型中因子个数的估计 |
| 2.4 高维因子模型中断点和分类的研究 |
| 2.4.1 高维因子模型的结构断点 |
| 2.4.2 高维因子模型中个体效应的分类 |
| 第三章 用拟最大似然法估计因子模型的结构断点 |
| 3.1 介绍 |
| 3.2 模型和估计 |
| 3.3 QML估计量的渐近性质 |
| 3.4 因子个数的确定 |
| 3.5 模拟研究 |
| 3.6 模型扩展:多断点情况 |
| 3.7 实际数据分析 |
| 3.8 本章小结 |
| 3.9 附录证明 |
| 第四章 具有交互效应的面板数据中子空间聚类 |
| 4.1 介绍 |
| 4.2 模型描述 |
| 4.3 参数的估计和子空间的聚类 |
| 4.3.1 估计过程 |
| 4.3.2 因子载荷的子空间聚类 |
| 4.4 渐近性质 |
| 4.4.1 聚类的一致性 |
| 4.4.2 估计量的一致性 |
| 4.5 模拟研究 |
| 4.5.1 设定1 |
| 4.5.2 设定2 |
| 4.6 模型选择和可能的扩展 |
| 4.6.1 确定子空间的个数 |
| 4.6.2 确定因子的个数和子空间的维数 |
| 4.7 实际数据分析 |
| 4.8 本章小结 |
| 4.9 附录证明 |
| 第五章 总结与讨论 |
| 参考文献 |
| 致谢 |
| 在学期间公开发表论文及着作情况 |
（8）机载雷达异构杂波抑制方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究历史与现状 |
| 1.2.1 STAP的研究历史与现状 |
| 1.2.2 非均匀杂波抑制方法的研究历史与现状 |
| 1.3 本文主要工作和安排 |
| 第二章 机载相控阵雷达均匀杂波模型及STAP方法 |
| 2.1 引言 |
| 2.2 机载相控阵雷达均匀杂波模型 |
| 2.2.1 机载相控阵雷达均匀杂波几何模型 |
| 2.2.2 杂波功率谱 |
| 2.2.3 杂波特征谱 |
| 2.3 最优STAP |
| 2.4 几种经典的降维空时自适应算法 |
| 2.4.1 因子化(FA)方法 |
| 2.4.2 扩展因子化(EFA)方法 |
| 2.4.3 局域联合处理(JDL)方法 |
| 2.5 仿真实验与分析 |
| 2.6 本章小结 |
| 第三章 机载相控阵雷达异构杂波模型的建立 |
| 3.1 引言 |
| 3.2 机载相控阵雷达异构杂波模型 |
| 3.2.1 机载雷达异构杂波的几何模型 |
| 3.2.2 获取机载雷达异构杂波回波数据的流程 |
| 3.2.3 机载雷达异构杂波矩阵-向量模型 |
| 3.3 仿真实验与分析 |
| 3.4 本章小结 |
| 第四章 机载相控阵雷达异构杂波抑制方法 |
| 4.1 引言 |
| 4.2 两维两脉冲杂波对消(TDPC)方法 |
| 4.3 两维多脉冲杂波对消(TDMC)方法 |
| 4.4 三维两脉冲杂波对消方法 |
| 4.4.1 机载相控阵雷达杂波的三维几何模型 |
| 4.4.2 机载相控阵雷达杂波的三维矩阵—向量模型 |
| 4.4.3 三维两脉冲杂波对消方法 |
| 4.4.4 TDPC、TDMC和三维两脉冲杂波对消方法的运算量比较 |
| 4.5 仿真实验与分析 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文内容总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）主成分分析在均匀线阵波达方向估计中的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究动态及现状 |
| 1.3 本文创新点概述 |
| 1.4 本文的研究内容及章节安排 |
| 第二章 DOA估计的基本理论和算法 |
| 2.1 概述 |
| 2.2 信号模型 |
| 2.2.1 窄带信号模型 |
| 2.2.2 相关系数 |
| 2.2.3 噪声模型 |
| 2.3 阵列天线的统计模型 |
| 2.3.1 前提及假设 |
| 2.3.2 阵列接收窄带信号模型 |
| 2.3.3 常见阵列模型 |
| 2.4 传统DOA估计算法 |
| 2.4.1 MUSIC算法 |
| 2.4.2 ESPRIT算法 |
| 2.5 本章小结 |
| 第三章 基于主成分分析的经典高分辨DOA估计算法 |
| 3.1 概述 |
| 3.2 主成分分析方法 |
| 3.2.1 PCA方法的应用场景 |
| 3.2.2 PCA方法的计算步骤 |
| 3.2.3 PCA方法的理论基础 |
| 3.2.4 PCA方法的意义 |
| 3.3 基于PCA降维的MUSIC算法 |
| 3.3.1 MUSIC算法的仿真实验及性能分析 |
| 3.3.2 阵列PCA-MUSIC算法及仿真实验 |
| 3.4 基于PCA降维的SOMP算法 |
| 3.4.1 压缩感知基本理论 |
| 3.4.2 多快拍模型下阵列接收数据的稀疏表示 |
| 3.4.3 阵列PCA-SOMP算法 |
| 3.4.4 仿真实验 |
| 3.5 本章小结 |
| 第四章 基于主成分分析在神经网络算法上的近场源定位 |
| 4.1 概述 |
| 4.2 近场源阵列信号接收模型 |
| 4.3 基于阵列PCA-BP算法的近场源定位 |
| 4.3.1 神经元模型 |
| 4.3.2 BP神经网络算法 |
| 4.3.3 基于阵列PCA-BP算法的近场源参数估计 |
| 4.3.4 仿真实验 |
| 4.4 基于阵列FA-BP算法的近场源定位 |
| 4.4.1 因子分析的数学模型 |
| 4.4.2 因子载荷阵的求解及统计意义 |
| 4.4.3 因子得分 |
| 4.4.4 基于阵列FA-BP算法的近场源参数估计 |
| 4.5 基于阵列PCA-RBF算法的近场源定位 |
| 4.5.1 RBF神经网络 |
| 4.5.2 基于阵列PCA-RBF算法的近场源参数估计 |
| 4.6 本章小结 |
| 第五章 基于主成分分析在回归算法上的近场源定位 |
| 5.1 概述 |
| 5.2 基于NSF-PLSR算法的近场源定位 |
| 5.2.1 PLSR算法的建模步骤 |
| 5.2.2 基于NSF-PLSR算法的近场源参数估计 |
| 5.2.3 仿真实验 |
| 5.3 基于PCA-NSF-MSVR算法的近场源定位 |
| 5.3.1 单输出支持向量回归基本理论 |
| 5.3.2 基于PCA-NSF-MSVR算法的近场源参数估计 |
| 5.3.3 仿真实验 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（10）绿色全要素能源效率测度及影响因素研究（论文提纲范文）
| 摘要 Abstract 第1章 绪论 |
| 1.1 选题背景 |
| 1.1.1 中国能源供需矛盾日益突出 |
| 1.1.2 能源利用效率普遍较低 |
| 1.1.3 能源消耗带来严重的环境污染 |
| 1.1.4 绿色全要素能源效率助力经济发展 |
| 1.2 研究意义 |
| 1.3 研究内容 |
| 1.4 研究方法与框架 |
| 1.4.1 研究方法 |
| 1.4.2 研究框架 |
| 1.5 研究的创新点 第2章 基础理论及文献综述 |
| 2.1 相关理论 |
| 2.1.1 经济增长理论 |
| 2.1.2 绿色发展理论 |
| 2.1.3 能源经济学理论 |
| 2.1.4 效率理论 |
| 2.2 绿色全要素能源效率发展研究综述 |
| 2.1.1 能源效率 |
| 2.1.2 绿色全要素能源效率 |
| 2.3 绿色全要素能源效率测度的研究综述 |
| 2.3.1 全要素能源效率的测度 |
| 2.3.2 绿色全要素能源效率的测度 |
| 2.4 绿色全要素能源效率的影响因素的研究综述 |
| 2.4.1 结构性因素 |
| 2.4.2 禀赋因素 |
| 2.4.3 技术因素 |
| 2.4.4 发展因素 |
| 2.4.5 政府影响因素 |
| 2.5 文献评述 第3章 基于共同前沿测度绿色全要素能源效率的区域聚类 |
| 3.1 方法论 |
| 3.1.1 因子分析 |
| 3.1.2 聚类分析 |
| 3.2 指标体系构建 |
| 3.3 指标体系因子分析降维 |
| 3.3.1 KMO检验和Bartlett检验 |
| 3.3.2 提取公因子 |
| 3.3.3 因子旋转 |
| 3.3.4 因子得分 |
| 3.4 区域聚类结果分析 |
| 3.4.1 区域聚类结果 |
| 3.4.2 聚类结果分析 |
| 3.5 本章小结 第4章 省级绿色全要素能源效率及节能潜力测度 |
| 4.1 方法论 |
| 4.1.1 环境生产技术 |
| 4.1.2 非径向方向性距离函数 |
| 4.1.3 绿色全要素能源绩效指数 |
| 4.1.4 共同前沿及组前沿技术 |
| 4.1.5 基于共同前沿的绿色全要素能源效率指标分解 |
| 4.2 指标选取及描述性统计 |
| 4.2.1 指标选取及数据来源 |
| 4.2.2 组间描述性统计 |
| 4.3 绿色全要素能源效率测度与差异分析 |
| 4.3.1 中国省级绿色全要素能源效率的测度及组间差异分析 |
| 4.3.2 中国省级绿色全要素能源效率技术差距分析 |
| 4.3.3 中国各省区市潜在节能量分析 |
| 4.4 本章小结 第5章 绿色全要素能源效率动态评价研究 |
| 5.1 方法论 |
| 5.1.1 ML指数 |
| 5.1.2 共同前沿ML指数 |
| 5.1.3 基于方向性距离函数的共同前沿ML指数求解 |
| 5.1.4 基于非径向方向性距离函数的共同前沿ML指数求解 |
| 5.2 指标选取及数据来源 |
| 5.3 技术基准选择与绿色全要素能源效率差异分析 |
| 5.4 绿色全要素能源效率增长率及其构成的发展动态 |
| 5.5 技术“创新者”省份识别 |
| 5.6 本章小结 第6章 基于空间效应的绿色全要素能源效率影响因素研究 |
| 6.1 空间相关性检验 |
| 6.2 空间计量模型的构建与选择 |
| 6.2.1 计量模型构建 |
| 6.2.2 空间权重矩阵的设定 |
| 6.3 数据选取及说明 |
| 6.4 变量描述性统计及相关性检验 |
| 6.5 绿色全要素能源效率影响因素分析 |
| 6.5.1 基准回归分析 |
| 6.5.2 静态空间面板回归结果分析 |
| 6.5.3 动态空间面板回归结果分析 |
| 6.6 本章小结 第7章 基于绿色全要素能源效率的能源回弹效应机制 |
| 7.1 技术进步对绿色全要素能源效率的影响机理 |
| 7.2 能源回弹效应模型构建 |
| 7.3 中国省级长短期能源回弹效应测算 |
| 7.3.1 变量说明与数据来源 |
| 7.3.2 面板单位根检验 |
| 7.3.3 参数估计结果 |
| 7.3.4 长短期能源回弹效应测算 |
| 7.4 本章小结 结论及建议 参考文献 作者简介及在学期间所取得的科研成果 致谢 |
四、Hamiltonian[k,k+1]-因子(英文)（论文参考文献）
- [1]基于多属性决策的分级诊疗向下转诊医院选择问题研究[D]. 李宁. 北京交通大学, 2021
- [2]大学生锻炼坚持行为影响因素及促进策略研究[D]. 王磊. 山东大学, 2021(10)
- [3]中国经济增长收敛性的理论分析与计量研究[D]. 王俏茹. 吉林大学, 2021(01)
- [4]趋化因子CCL1和细胞周期抑制蛋白p21在肺纤维化发生发展中的作用机制研究[D]. 刘畅. 北京协和医学院, 2021(02)
- [5]有限域上LCD码与常循环码的理论应用研究[D]. 庞彬彬. 合肥工业大学, 2021(02)
- [6]基于改进自注意力的机器翻译新模型[D]. 纪明轩. 南京邮电大学, 2020(03)
- [7]关于高维因子模型断点和分类的研究及其应用[D]. 段江涛. 东北师范大学, 2020(06)
- [8]机载雷达异构杂波抑制方法研究[D]. 梁雪彦. 西安电子科技大学, 2020(05)
- [9]主成分分析在均匀线阵波达方向估计中的应用研究[D]. 王瑶. 西安电子科技大学, 2020(05)
- [10]绿色全要素能源效率测度及影响因素研究[D]. 刘晴晴. 吉林大学, 2020(08)