现金流波动性对企业价值的影响研究

在公司金融理论领域,公司价值的影响因素得到了广泛的关注,其中经营和盈利状况是关键性指标。由于上市公司管理层存在自身激励进行盈余管理,应计会计使得公司所面临的经营和盈利波动被掩盖,市场往往通过识别现金流的波动状况给予公司相应的估值。文章以2003—2012年沪深上市公司可得财务数据为样本,通过构建混合截面数据并进行多元回归分析对现金流波动性与企业价值之间的关系进行了探索,结果表明现金流波动率与企业价值显著负相关,现金流波动率每提高1%,公司价值对应降低0.07%。因此,在信息披露制度日益完善的今天,上市公司管理层应当通过风险管理手段降低现金流波动率,从而提高公司的市场价值。     

采用信息增益率的混合入侵检测模型设计

针对现有混合入侵检测模型仅定性选取特征而导致检测精度较低的问题，同时为了充分结合误用检测模型和异常检测模型的优势，提出一种采用信息增益率的混合入侵检测模型.首先，利用信息增益率定量地选择特征子集，最大程度地保留样本信息；其次，采用余弦时变粒子群算法确定支持向量机参数构建误用检测模型，使其更好地平衡粒子在全局和局部的搜索能力，然后，选取灰狼算法确定单类支持向量机参数构建异常检测模型，以此来提高对最优参数的搜索效率和精细程度，综合提高混合入侵检测模型对攻击的检测效果；最后，通过两种数据集进行仿真实验，验证了所提混合入侵检测模型具有较好的检测性能.     

云组合服务网络的异常植入数据检测算法

云组合服务网络在路由转发控制受到节点的同态扰动影响,容易受到植入入侵,为了提高网络的安全性,提出一种基于阈值组合判决的云组合服务网络的异常植入数据检测算法。构建网络异常植入数据的统计特征模型,采用大数据挖掘技术进行云组合服务网络异常植入数据特征检测和滤波分析,提取云组合服务网络数据的谱特征量,采用支持向量机学习方法进行云组合服务网络的异常植入数据检测过程中的自适应寻优控制,采用双门限阈值组合判决方法,实现对目标数据的准确检测,提高对异常植入数据的准确定位检测能力。仿真结果表明,采用该方法进行云组合服务网络异常植入数据检测的准确概率较高,检测性能较好,提高了网络安全性。     

无损检测技术在复合材料检测中的价值

随着我国科学技术水平的不断推进,人们愈发的重视到了在实际应用过程中复合材料的使用优势,由此,针对符合材料检测的无损检测技术也愈发的受到了人们的关注。由此,本文针对现阶段实际应用环节常见于复合材料检测环节无损检测技术的应用进行研究,从而探究其使用价值同时以期能够在一定程度帮助我国复合材料的发展。