摘要：近年来,我国造船产业发展迅猛,但尚未有豪华邮轮设计建造经验,发展豪华邮轮建造产业对我国迈入世界造船强国及造船工业产业链转型升级具有重大意义。当前国际邮轮建造大型化趋势愈加明显,全球最大邮轮已达到22.8万吨,其船型和船内设施设备的特点,不仅对船舶功能性设备建造技术提出严格要求,也对邮轮整体速度、安全性、舒适性和个性化配置设计和制造提出巨大挑战。文章对全球在运营"绿洲级"豪华邮轮的特点、建造难点及核心建造技术进行梳理,期望能为我国发展豪华邮轮制造产业带来启示。

摘要：消除“信息孤岛”,实现企业内外部各种资源的有机整合,是信息时代企业提高自身竞争力的必然途径。从分析EAI在B2B企业内部和企业之间实现无缝应用集成中的必要性和作用着手,提出了利用J2EE、WebServices以及工作流等技术构建B2B企业系统应用集成层平台、通讯层平台、工作流管理层平台以及信息系统总体框架的分层设计思路,这对于解决B2B企业各应用系统的互连问题具有一定的参考意义。

摘要：[目的/意义]结合区块链理念和技术特性,提出去中心化的竞争情报分布式管理,以提升竞争情报的安全可靠性,为组织竞争情报工作提供决策参考。[方法/过程]通过运用理论研究和模型构建的方法,分析了区块链技术与竞争情报管理的契合关系,设计了基于区块链的竞争情报分布式管理体系,构建了基于区块链的竞争情报分布式管理模式,并提出了基于区块链的竞争情报分布式管理策略。[结果/结论]在信息技术快速发展的时代,基于区块链的分布式管理模式可以为组织竞争情报提供安全保障,也更有利于竞争情报管理和组织战略决策的制定。

摘要：为了在企业IT投资决策中体现IT治理思想,并弥补理性模型决策方法的不足,考虑IT治理关于过程和架构两个角度的要求,构建融合组合权衡和决策过程责任担当矩阵的IT投资决策模型,其中模型决策流程的设计基于组合思想,可以加强IT与企业战略对应、控制投资成本和风险以及实现投资价值最大化;决策过程责任担当矩阵的设计可以明确不同利益相关者在过程中的责任分配,鼓励和规范其影响IT投资决策过程。最后分析了模型两大部分的融合思想和方式。

摘要：创意产业创新生态系统类似于自然生态系统,二者在结构功能、运行机理、演化发展等方面都存在着众多的相似性。创意产业创新生态系统的演化过程类似于生物群落的进化现象,创意产业创新生态链中各主体之间进行物质和能量的流动与交换。创意产业创新生态链包括横向产业生态链和纵向产业生态链,其演化规律包括创意的产业化与产业的创意化。决策部门必须不断完善创意产业创新生态系统的生态因子。

摘要：生态经济环境下,绿色供应链协同在经济活动中具有较为重要的作用。如何利用绿色供应链协同促成绿色供应链绩效的最大化,是一个亟待研究的问题。本文运用多元回归分析,基于沪深两市上市医药集团的数据,研究绿色供应链协同对绿色供应链绩效的影响。结果表明:知识共享协同、风险分担协同、成本控制协同和利益分配协同对绿色供应链绩效具有正向且显著的影响;同时,成本控制协同对绩效影响最大,利益分配协同次之,风险分担协同第三,知识共享协同最小。

摘要：创意的产生从一开始就富有经济学的内涵,创意产业与其它产业之间存在很大的关联性。在创意产业价值实现过程中,创意并不是以一种实物形态投入,而是通过将创意这一基本元素渗透到传统产业具体的实践环节中实现经济效益。根据微笑曲线分析,通过产业创意化可以提升整个产业结构的优化升级。

摘要：以Agent技术为基础并以CORBA为分布式规范对供应链管理系统框架设计进行探讨。认为该类平台的设计实现 ,对于供应链的整合 ,从而提高企业的市场竞争力具有一定的理论意义和实际应用价值。

摘要：针对蝴蝶优化算法(butterfly optimization algorithm,BOA)中存在的局部开采和全局探索能力不均衡,易陷入局部最优值,收敛精度低等缺陷,提出收敛因子和黄金正弦指引机制的蝴蝶优化算法(convergence factor and gold sinusoidal guidance mechanism of butterfly optimization algorithm,AGSABOA)。受到鲸鱼优化算法的启发将收敛因子融入算法的全局位置更新处,提高算法全局搜索的多样性;结合黄金正弦指引机制,弥补BOA算法迭代后期种群多样性下降,易陷入局部最优的不足。选取9个常用的基准测试函数进行的仿真结果表明,AGSABOA算法在寻优精度、收敛速度、鲁棒性方面更优。

摘要：针对密集场景下行人检测的遮挡问题,文中提出了基于YOLO(You Only Look Once)的SC-YOLOv4人群检测网络。在YOLOv4的CSPNet(Cross Stage Partial Network)结构基础上,结合ShuffleNetv2网络思想改进普通卷积结构,将原来普通的残差模块替换为Shuffle Module模块,提出了基于S-CSPDarkNet53(Shuffle CSPDarkNet53)的骨干网络结构,在保留精度的同时降低了网络参数量。文中在保留原来PANet(Path Aggregation Network)结构的基础上设计中心点预测模块,将原来的3个输出特征层改用基于中心点的预测方法,即对目标的中心点进行回归和训练计算损失,摒弃了原来的NMS(Non-Maximum Suppression)操作,进一步提高遮挡情况下的检测精度。实验结果表明,在CrowdHuamn数据集上采用S-CSPDarkNet53结构的YOLOv4较原网络的参数量显著减少,检测速度提升了5.2 frame·s^(-1),而最终的SC-YOLOv4网络在检测速度上较YOLOv4提升了4.9 frame·s^(-1)。