论文部分内容阅读
【正】20世纪末,对众多国内企业来说,“品牌经理”仍是一个比较陌生的概念。如今一大批品牌经理开始走向中国市场的前台。可以预言,品牌经理在未来竞技场上将空前活跃,成为最富智慧力、创造力、生命力和竞争力的队伍,并以独特的经营思想、营销创意、运作手段和经营风格,推动中国品牌纵横国际舞台。
品牌经理跃上前台
【摘 要】
：
【正】20世纪末,对众多国内企业来说,“品牌经理”仍是一个比较陌生的概念。如今一大批品牌经理开始走向中国市场的前台。可以预言,品牌经理在未来竞技场上将空前活跃,成为最
【出 处】
：
北京工商管理
【发表日期】
：
2001年8期
其他文献
随着交通及建筑业的发展,脊柱骨折合并脊髓损伤已成为骨科领域中常见的疾患,据统计,发达国家脊髓损伤发病率为28.3～45人/百万人/年,我国发病率虽低,每年也有1万人遭此损伤,且
目前很少有研究者使用有关联的静态与动态相结合的方式检测Android恶意应用,多数静态分析方法考虑具体代码运行流程,计算复杂度较高,而单纯的动态检测方法占用Android系统资源,大大降低手机的运行速度。提出的DApriori算法能够有效地检测出Android恶意应用。该算法分别计算恶意应用样本与良性应用样本权限关联规则,对比两种样本得到的用户权限之间的差异性,并使用恶意样本得到的关联规则对一定的
针对认证加密算法在设计中出现的一些不足,尤其是近年兴起的CAESAR竞赛征集算法,介绍了两种伪造攻击的手段,通过破坏密文的完整性达到欺骗认证者的目的。以LAC候选算法为例,通过伪造攻击的方法对其内部结构、认证机制和攻击原理进行了分析和描述,并对其原有结构进行了改进,使其能够有效地抵抗现有的伪造攻击。通过对其安全性进行分析,表明LAC算法改进方案能够有效抵抗伪造攻击。
超密集网络中,严重的小区间干扰制约了终端用户的数据速率,针对该问题,提出一种基于干扰协调的资源分配方案。该方案分为两个模块:第一模块基于毫微微接入点(femtocell access points,FAP)间的干扰程度,将干扰强的FAP分到同一簇内,同簇内的FAP共享频带资源,通过FAP间的协作使不同簇之间实现频谱的复用;第二模块基于最大功率和最低速率的公平性准则进行最优功率分配,动态分配资源。仿
通过深度学习模型对室内楼道环境的视觉信息进行处理,帮助移动机器人在室内楼道环境下自主行走。为达到这个目的,将楼道环境对象分为路、门、窗户、消防栓、门把手和背景六类,通过图像的语义分割实现对象识别。在对楼道环境的六类对象进行分割的实验中发现,由于门把手比起其他对象小很多,影响了对它的识别效果;将六分类模型改为"5+2"分类模型,解决了这个问题。分类模型的基础是全卷积神经(FCN)网络,可以初步实现图
针对跳频电台细微特征集中存在冗余特征等导致电台识别时存在计算量大、识别准确率低等问题,提出了一种基于CMFS-MIC特征选择的跳频电台个体识别方法。首先计算采集到的各个跳频电台信号样本的细微特征集,然后采用关联信息熵度量特征子集的组合效应,兼顾考虑特征间的关联关系和冗余关系对各个特征进行降序排序。在此基础上,采用最大信息系数度量的近似马尔可夫毯方法删除冗余特征,实现对特征子集进行优化和降维。最后,
针对单个神经网络分类准确率低、RUSBoost算法提高NN分类器准确率耗时长的问题,提出了一种混合RUSBoost算法和积矩系数的分类优化算法。首先,利用RUSBoost算法生成m组训练集;然后,依据Pearson积矩系数计算每组训练集属性的相关程度消除冗余属性,生成目标训练集;最后,新的子训练集训练神经网络分类器,选择最大准确率分类器作为最终的分类模型。实验中使用了四个Benchmark数据集来
针对高维小样本的DNA微阵列数据多分类问题,提出一种基于ReliefF和蚁群算法的特征基因选择方法(ReliefF and ant colony optimization,Re FACO)。该方法首先采用ReliefF算法评估特征权重,根据阈值筛选出无关基因;然后引入改进的蚁群算法,在迭代改进的过程中寻找最优基因子集;最后利用经典分类算法对维数约简后的数据分类识别。经实验证明,该方法可有效地剔除无
针对无线传感器网络面积大、节点传输距离远的特点而导致能量消耗过快容易死亡的问题，引入定向天线，设计了基于混合天线的高能效收集路由协议（EEMC）。通过定义距离阈值，在区域内构
针对基于自示例几何不变性的图像超分辨率算法没有充分利用图像的纹理和边缘信息,且采用的PatchMatch图像块匹配算法容易陷入局部极小点的问题,提出了一种基于改进PatchMatch的自相似性图像超分辨率算法。首先,利用模拟退火算法提高PatchMatch跳出局部极小点的能力;然后,定义边缘相似度因子并将其引入到图像块相似性的评价函数中;最后,受局部自相似性统计先验的启发,采用服从高斯概率分布的位