针对基于传统的稀疏表示分类算法的单特征鉴别性较弱这一不足,提出一种基于自适应学习的多特征元素协同表示分类算法SLMCE_CRC。该算法结合多特征子字典的思想,对样本提出特征元素的双重分解,并分别从特征和元素角度分别进行相应的协同表示,自适应地学习出各个特征的稀疏权重和元素的残差权重,并进行线性加权,从而实现目标的分类。实验结果表明,使用该方法能显著提高识别率,尤其对含有较多特征细节的图像数据,具有一定的实用价值。
提出了一种两阶段式一对多谈判模型。与多个一对一并行谈判模式相比，它可以更好地体现一对多谈判的特点,即加强了多个卖方之间的竞争关系和单个买方的主导地位，使得单个买方有机会获得更优报价，也使其他卖家不会因为采取了竞争力较小的策略而丧失谈判机会。模型中提出了暂时接受报价的概念，即令其等于买方接收到的第一阶段最后一轮最小报价或第二阶段每轮最小报价，并利用此值计算卖方下一轮的报价，从而利用上一轮最低报价压低下一轮报价，达到多方竞争的目的。
