摘要：当评价活动趋于大规模时,实现个体成员的"逐一评价"和全体成员的"交互式评价"困难重重.基于此,对传统的群组评价技术进行了改进,提出了一种两阶段子群群组评价技术.首先,对主体和客体进行分子群评价,减弱了大规模情形对评价活动的影响;其次,根据子群内的一致性意见进行等距抽样,并对样本实行全体成员间的交互式评价,以避免不同子群评价标准不一致对评价结论的影响.另外,根据样本意见进行测验等值,得到非样本客体的全体一致性意见,增加了评价结论的科学性和可靠性;最后,给出了应用算例,结果表明该方法具有可操作性和必要性.

摘要：我国飞行员培养具有周期长、转升路径复杂等特点,对其进行合理的规划和有效的人员配置是航空公司面临的重要问题.本文对两阶段飞行员转升规划问题进行定量研究,将该问题描述为非线性整数规划模型,该模型以飞行员转升阶段中广义总费用最小为目标,以转升途径、各阶段各级飞行员需求得到满足等为约束.为了便于求解,将其转化为带约束的网络流模型,并设计相应的算法来求解.最后通过实例分析,验证了算法的有效性.

摘要：针对由一个制造商与一个零售商构成的二级供应链结构,考虑将整个销售期划分为两个销售阶段并通过混合双渠道销售产品,提出了有效的协调契约.制造商与零售商之间存在以制造商为主导的斯塔克伯格博弈行为,运用博弈理论建立决策模型,并引入改进的收益共享契约,以解决渠道冲突问题.结果表明,制造商在保持传统渠道的同时,开辟电子渠道将导致传统零售商抬高市场价格,影响产品的整体市场需求,导致总体利润降低,且在特定策略下回收率水平较低时会引起渠道冲突.设计的批发价格与收益共享契约组合的改进契约实现了双渠道供应链的协调,并使得开辟电子渠道后供应链各成员利润达到帕累托改进,从而有效解决了渠道冲突问题.

摘要：针对IPv6快速普及背景下分布式拒绝服务(DDoS)攻击威胁不断增长的现状,提出一种两阶段的DDoS攻击防御机制,包括初期实时监控DDoS攻击发生的预检测阶段,以及告警后精准过滤DDoS攻击流量的深度检测阶段.首先,分析IPv6报文格式并解析PCAP流量捕获文件中的16进制头部字段作为样本元素.其次,在预检测阶段,引入轻量化二值卷积神经网络(BCNN),设计一种二维流量矩阵作为模型输入,整体感知网络在混杂DDoS流量后出现的恶意态势作为告警DDoS发生的证据.告警后,深度检测阶段介入,引入一维卷积神经网络(1DCNN)具体区分混杂的DDoS报文,从而下发阻断策略.在实验中,自建IPv6-LAN拓扑并基于NAT 4to6技术重放CIC-DDoS2019公开集生成纯IPv6-DDoS流量源测试.结果证明,所提机制提升针对DDoS攻击的响应速度、准确度和攻击流量过滤效率,当DDoS流量出现仅占总网络6%和10%时,BCNN就能以90.9%和96.4%的准确度感知到DDoS攻击的发生,同时1DCNN能够以99.4%准确率区分DDoS报文并过滤.

摘要：相对于经典的采用逐点检测与复原方式实现的开关型随机脉冲噪声(Random-Valued Impulse Noise,RVIN)降噪算法,基于深度卷积神经网络构建的非开关型RVIN降噪模型在降噪效果和执行效率上均有显著优势,但也存在着固有的数据依赖缺陷,不能在降噪效果和易用性两个方面同时获得最佳性能.为此,以DnCNN(Denoising Convolutional Neural Network)深度降噪网络模型架构为设计基础,提出了一种新的用于去除RVIN噪声的两阶段盲卷积降噪(Two-stage Blind Convolutional Denoising,TBCD)模型.在第一阶段,针对给定的受0~90%范围内某个比例RVIN噪声干扰的噪声图像,利用DnCNN-B(DnCNN for Blind Denoising Task)盲降噪模型完成初步降噪.同时,利用噪声检测模型预测出噪声图像相应的噪声标签,然后将噪声图像与噪声标签矩阵按位相乘生成稀疏采样图像(Sparse Sampling Image,SSI).在第二阶段,为了进一步提高DnCNN-B盲降噪模型所复原的初步降噪图像的质量,将其与SSI图像连接(concatenate)后再次输入到预先训练好的双通道图像质量提升模型中获得残差图像,之后将初步降噪图像减去残差图像得到最终的降噪图像.与现有的开关型RVIN降噪算法相比,所提出的非开关型TBCD模型在各种噪声比例条件下获得的峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)指标平均值能高出5~8 dB,展现出深度降噪网络模型的显著优势.而与盲降噪版的DnCNN-B和非盲降噪版的DnCNN-S(DnCNN with Known Specific Noise Ratio)两个深度降噪模型相比,TBCD模型复原图像的PSNR平均值比DnCNN-B高0.5 dB,仅比理想实现条件下(需给定准确的噪声比例值并调用专门训练的降噪模型)的DnCNN-S模型低0.3dB.这表明采用两阶段策略实现的TBCD盲卷积降噪模型在降噪效果和易用性两个方面都获得了最佳性能,很好地解决了深度RVIN降噪模型所存在的数据依赖问题.

摘要：针对氨吹脱工艺碱消耗量大、填料塔填料易结垢造成压降、塔板塔易夹带雾沫、漏液的技术缺陷和尾气氨吸收不完全的问题,设计了两阶段闭式循环氨脱除工艺,并利用研发的鼓泡反应器进行了猪粪厌氧消化液NH+4-N脱除的研究。利用响应面法优化气流量、投碱量、气液比与NH+4-N去除率的控制模型。研究表明:第1阶段吹脱厌氧消化液CO2,消化液p H值1 h可从8.03升高到8.86;第2阶段在气流量、投碱量和气液比分别为6 L/min、22.13 g和3 000时,NH+4-N去除率可达96.78%;两阶段闭式循环氨脱除工艺可用于未固液分离的猪粪厌氧消化液NH+4-N的脱除,鼓泡反应器可作为该工艺条件下的NH+4-N脱除装置。

摘要：近些年,顾客对住宅产品的要求不仅体现在质量、功能、环境、价格、工期和服务几方面,而且还对个性化提出了更高的要求。而住宅设计是保证住宅产品质量、功能和成本的关键环节,也是顾客关注的焦点。本文提出两阶段、用户参与的住宅设计思路。在阐述其概念和实施必要性的基础上,提出两阶段、用户参与住宅设计的退耦点的确定方法及实现形式。阐述了房地产企业运作两阶段、用户参与住宅设计的基本理念、过程和各主体的相互关系,为实现顾客满意的住宅设计提供重要实现途径。

摘要：讨论了在高校排课系统设计中两阶段的应用。第一阶段将无序混沦的信息整理成为有序的信息。第二阶段使用启发式的A算法,实现排课系统的设计方案。还给出了数据库的规范化设计、存储结构的优化和数据的一致性。通过分析,两阶段A*算法可以提高高校排课效率、满足实际应用的需要。

摘要：通过实践分析,提练出两阶段双情景项目组合选择整体优化问题,建立了双层0-1整数规划模型,上层模型为确定性情景,以两阶段所选项目整体价值最大为优化目标;下层为不确定性情景,以下层选择项目期望值最大为优化目标,并采用方差与期望值比值作为风险约束条件。应用可能性理论对下层模型进行了确定性转化。在遗传算法(GA)基础上,结合路径再连接(Path Relinking,PR)局部搜索技术,设计了GA+PR算法,仿真测试验证了算法的有效性。实验得出了不同风险系数下的优化结果,并通过分析获得了较为鲁棒的核心选择项目,可以为企业进行项目组合选择决策提供参考。

摘要：针对不确定数据集中,高期望权值容易产生较大计算冗余的问题,提出一种两阶段高期望权重项集下闭合类Apriori挖掘算法。针对传统层次挖掘算法只采用项集上界,对高期望权值进行处理效果并不理想的问题,设计补充层次挖掘算法的下闭合特性,给出证明过程,该特性在保证精度前提下可有效降低候选项集处理量;构建两阶段数据挖掘过程,第一阶段,基于分层搜索方法获得一组候选项集的高期望权重项集,第二阶段,再次扫描数据库获得项集高期望权值,完成数据挖掘过程。在标准数据集上的仿真对比结果表明,该算法在保证算法精度的前提下,能够大幅提高算法计算效率。