Bayesian strategies for dynamic pricing in e‐commerce

E‐commerce platforms afford retailers unprecedented visibility into customer purchase behavior and provide an environment in which prices can be updated quickly and cheaply in response to changing market conditions. This study investigates dynamic pricing strategies for maximizing revenue in an Internet retail channel by actively learning customers' demand response to price. A general methodology is proposed for dynamically pricing information goods, as well as other nonperishable products for which inventory levels are not an essential consideration in pricing. A Bayesian model of demand uncertainty involving the Dirichlet distribution or a mixture of such distributions as a prior captures a wide range of beliefs about customer demand. We provide both analytic formulas and efficient approximation methods for updating these prior distributions after sales data have been observed. We then investigate several strategies for sequential pricing based on index functions that consider both the potential revenue and the information value of selecting prices. These strategies require a manageable amount of computation, are robust to many types of prior misspecification, and yield high revenues compared to static pricing and passive learning approaches. © 2006 Wiley Periodicals, Inc. Naval Research Logistics, 2007     

关系数据库规范化设计理论探析

数据库设计是数据库应用领域的主要研究课题,是继需求分析后的一个非常重要的环节。关系数据库设计的重点难点就是数据库的规范化理论,必须深入透彻的理解规范化理论,才能设计出一个高质量的数据库。根据数据库设计理论和应用要求,通过通俗易懂的实例详尽地说明了1NF、2NF、3NF和BCNF在数据库设计中的具体操作步骤和方法,对于数据库设计有重要的指导意义。     

基于粗糙集理论的C3I系统作战能力评估

C3I系统是一个复杂的人机大系统,对其评估是一个非常复杂的问题。首先建立了C3I系统评价指标体系,根据粗糙集理论对系统属性进行约简,通过MATLAB编写的程序计算出指标权重,确定了影响系统的最佳指标。最后提出了C3I系统作战能力综合指数计算方法,结果显示粗糙集理论对C3I系统评估能取得非常好的效果。     

无监督特征学习的人体活动识别

针对人的局限性可能会导致在提取特征中丢失重要信息,从而影响最终的识别效果问题,提出无监督特征学习技术的惯性传感器特征提取方法。其核心思想是使用无监督特征学习方法学习多个特征映射,再将所有特征映射拼接起来形成最终的特征计算方法。其优点是不会造成重要信息的损失,而且可以显著减少所使用的无监督特征学习模型的规模。为了验证所提出的特征提取方法在活动识别中的有效性,运用一个公开的活动识别数据集,使用三种常用无监督模型进行特征提取,并使用支持向量机进行活动识别。实验结果表明,特征提取方法取得了良好的效果,与其他方法相比具有一定的优势。     

多视图三角化中特征点噪声尺度的自适应估算

鲁棒性多视图三角化方法通常借助重投影误差经验阈值来剔除图像对应中的错误匹配,该经验阈值的选取直接影响三维重构场景点的数量和精度。在分析图像特征点定位噪声及对极传递几何原理的基础上,建立对极传递过程不确定性的传递模型,提出一种基于核密度估计的最优噪声尺度估算方法,并将该噪声尺度作为多视图三角化中错误匹配筛选的依据。实验结果表明,该方法可以获得准确的噪声尺度估计,从而有效提升多视图三角化方法的三维重构质量。     

基于物联网与三维可视化的弹药库实时监测系统

为满足部队弹药库监测的信息化、智能化、实时化、可视化应用需求,提出一种基于物联网与三维可视化技术的弹药库实时监测方案。通过综合分析弹药库实际监测需求以及应用特点,充分利用Zig Bee无线传感器网络,依托云架构下的数据采集、传输、存储、分析、展示技术,构建多平台可视化弹药库实时监测系统。详细阐述了弹药库监测系统的架构、功能和设计方案,为建设新型弹药库实时监测提供了新的思路与方向。     

基于合成沸石的Cr~(3+)深度吸附处理

以吸附后溶液中Cr3+质量浓度低于国家相关标准为目的,采用搅拌动态吸附的方法,研究投加量、吸附时间、吸附温度、pH值对吸附的影响,考察沸石粉对Cr3+深度吸附的条件。实验发现,在沸石粉投加量为1g/L的前提下,吸附时间为2h、温度为55℃、pH值为4~5时分别达到较好吸附效果。开展三因素三水平正交试验,得到深度吸附条件为:投加量1g/L、吸附时间2h、吸附温度35℃、pH=5,此时去除率达到99.7%。对深度吸附条件进行验证,发现在此条件下可以将Cr3+溶液的质量浓度由0.1mg/L降低至0.03mg/L;最后通过实验得出沸石粉对Cr3+的饱和吸附量为79.93mg/g。     

矩阵变换特征与码序列联合学习的卷积码识别方法

现有基于深度学习的卷积码识别方法仍存在参数规模较大、识别性能较弱等不足。针对该问题,提出了一种基于矩阵变换特征与码序列联合学习的卷积码识别方法。将接收到的码字序列排列成矩阵形式,利用软信息剔除可靠性较低的码字,通过一种新的矩阵变换算法得到特征矩阵。在识别时,将原始码字矩阵和特征矩阵输入到具有多模态数据联合学习能力的网络模型,在神经网络中完成特征的提取融合与卷积码的识别。仿真结果表明,所提方法性能明显优于现有基于深度学习的识别方法,特别是对于高码率卷积码;当码率较低时,同样优于传统识别方法。当信噪比达到5 dB时,25种不同参数卷积码的识别率均可达到100%。     

火箭发动机故障检测的快速增量单分类支持向量机算法

为解决液体火箭发动机故障诊断正负样本不平均问题,以及实现发动机稳态工作段自适应故障检测,建立了基于快速增量单分类支持向量机的异常检测模型。采取特征工程方法,对传感器获得的多变量时间序列进行特征提取。通过增量学习方法,对单分类支持向量机模型进行改进,并应用于液体火箭发动机异常检测,使单分类支持向量机检测模型具备对不同台次、不同工况的自适应性,提高了模型的计算速度。对多台次热试车数据的分析结果表明,该模型十分有效,训练速度快,具备实用价值。     

结合多视角学习与一致性表征的人脸伪造检测

现有的人脸伪造检测方法通常在已知域上表现较好,但面临过拟合的风险,在应对未知场景时无法保持良好的检测能力。为解决此问题,提出一种结合多视角学习与一致性表征的人脸伪造检测框架。为捕获更全面的伪造痕迹,将输入图像转换为两种互补视角并采用双流骨干网络进行多视角特征学习。引入一致性度量,以补丁级监督的方式明确约束不同视角输出的局部特征的相似度。为提高检测精度,采用特征分解策略进一步优化伪造特征,减少不相关因素的干扰,并以伪造特征空间的决策作为最终的预测结果。在基准数据集上进行的大量实验表明,所提出的方法优于现有的主流模型,具备良好的跨域泛化能力。