提出一种基于粗糙集与支持向量机的客户动态评估方法。根据客户群特点从当前价值、潜在价值和附加价值三个维度分析并构建客户评估指标，利用指标的年增幅率监测客户价值的变化规律。应用粗糙集布尔推理算法、粒子群算法实现连续属性离散化和知识约简。通过10-重交叉验证和网格搜索技术获取最优惩罚因子与核参数，缩放样本数据集并完成支持向量机一对一分类器的训练与测试。结果表明该评估方法能够实现周期性的客户价值评估与细分，具有很强的泛化能力。- A customer dynamic evaluation method

：针对传统矩阵变换器存在电压传输比低和输出性能易 受非正常输入影响的两个固有缺陷，提出一种Z–源双级矩 阵变换器(Z-source two-stage matrix converter，ZSTSMC)及 其调制方法。利用Z–源网络的升压特性以提高电压传输比， 通过Z–源网络电容电压闭环对直通因子进行自适应地调 节，从而有效抑制非正常输入对输出性能的影响。闭环控制 中采用一种非线性PID 算法，削弱了Z–源网络表现出的非 最小相位特性带来的不良影响，提高了系统动态性能和

提出了微惯性测量单元( MIMU) 在高动态、高过载复杂应用条件下的误差整机标定和补偿方法。首先, 建立了高动态, 高过载复杂应用条件下MIMU 的误差模型, 该模型包括了结构误差, 传感器安装误差和MEMS 惯性传感器在复杂条件对精度影响较大的误差项, 指零位温度漂移、互耦误差、刻度因子非线性和微陀螺加速度效应误差; 根据模型提出了整机标定补偿方法, 该方法可以标定MIMU 的63 个误差系数, 并且不需要对单个传感器进行标定。然后, 介绍了利用最小二乘法对模型进行误差系数标定的方法和步骤,