张量学习诱导的多视图谱聚类

现有的方法将通过张量奇异值分解(t-SVD)正则化的低秩表示应用到多视图子空间聚类中,取得了令人印象深刻的聚类性能.然而,它们都具有以下两个共同的缺点:(1)他们专注于探索样本之间的关系以构建表征,然后将其堆叠为张量,其计算复杂度至少为O(n2logn);(2)他们总是直接在整合的表征上运行标准的谱聚类算法,而忽略了不同表征对最终聚类结果的先验知识.为了解决这些问题,本文提出了一种新颖的张量学习诱导的多视图谱聚类(TLIMSC)方法,其中同时探索了空间聚类结构和互补信息.具体来说,该方法将关联样本和簇关系的多视图谱嵌入表示堆叠成张量,计算复杂度最终变为O(n logn).然后,将学习到的带有不同自适应置信度的表征与最终的一致聚类结果联系起来.在五个数据集上的广泛实验证明了TLIMSC所具有的有效性和高效性.

基于混合阶相似性的多视图聚类:一个广义的视角

多视图聚类已经被广泛研究,它能够采用可用的多源信息来实现更好的聚类性能.然而,大多数之前的工作仍存在两个不足:(1)它们通常关注多视图属性特征的场景,很少留意到多视图属性图数据;(2)它们主要尝试发现一致的结构或多个视图之间的关系,而忽略了多视图观测之间潜在的高阶相关性。为了解决这些问题,我们从广义角度出发,提出了一种新颖的方法,称为混合阶相似性的多视图聚类(Multiview Clustering by Hybridorder Affinity,MCHA).它将结构图和多视图属性特征巧妙融合,同时考虑了低秩概率相似性图和混合阶的相关性.具体而言,我们通过图过滤策略构建了一组保留几何结构的视图特定的平滑表示.同时,我们将从平滑表示中学习得到的多视图概率相似性图堆叠成一个张量,并对该张量给予低秩属性的约束.这可以很好地恢复视图间更高阶的相关性.在八个基准数据集上的实验表明,我们所提出的MCHA方法具有最先进的有效性.

图卷积宽度跨域推荐系统

跨域推荐(cross-domain recommendation,CDR)通过利用其他域的额外知识,有效缓解了传统推荐系统遭遇的数据稀疏性问题.但是当前的CDR方法忽略了用户-项交互图所蕴含的高阶信息.为此,提出了一个新的框架,称为图卷积宽度跨域推荐系统(graph convolutional broad cross-domain recommender system,GBCD).具体地,将传统的用户-项交互的2-部图扩展到一个(D+1)-部图,以建模每个域中用户和项之间的关系,然后使用公共用户作为源域和目标域之间的桥梁来传递信息.通过图卷积网络(graph convolutional network,GCN)学习用户与项之间的高阶关系,以聚合领域信息.然而,由于GCN在大量节点下收敛速度非常慢,并倾向于吸收不可靠的交互噪声,导致鲁棒性较差.为此,将域聚合特征输入到宽度学习系统(broad learning system,BLS),并利用BLS的随机映射特征增强了GCN的鲁棒性,进而获得了较好的推荐性能.在2个真实数据集上进行的实验结果表明,GBCD优于各种先进的跨域推荐方法.

基于图提示微调的交通流量预测

交通流量预测是建设智慧城市重要的基础功能,对城市的交通管理和用户出行规划具有重要意义.由于时间维度和空间维度的扩展,交通流量的数据具有规模大、增长快速、实时更新等特征,传统的训练模型通常需要将大量的历史数据进行训练预测,导致较长的计算时间和较高的算力成本,因此,如何使用低计算成本的预测模型来满足广泛的流量预测需求是重要的技术挑战.近年来兴起的提示微调范式在自然语言处理的下游任务推广中取得了较好的效果,受其启发,提出利用少量的实时数据来微调优化大规模历史数据预训练的模型,为交通流量模型预测的优化应用提出了一种新的思路.通过引入图提示微调的交通流量预测(traffic flow prediction based on graph prompt-finetuning,TPGPF)模型的泛化能力,在时空多维度下的交通流量图预测模型中,基于历史数据集进行预测模型的预训练,并引入可学习的提示向量,在预训练模型固化的情况下指导预训练的自监督学习模型,以适应新的数据预测任务,提升交通流量预测模型的通用性和有效性.通过在5个公开数据集上进行了大量的实验,证明了TPGPF的有效性.

基于深度学习和时空关联建模的降水数据地形订正方法

【目的】如何基于地形因素对降水数据进行误差订正(简称“地形订正”)是气象大数据研究的一个重要问题。但是,现有的降水数据地形订正方法存在两方面局限性:一是现有方法大多基于数据统计或传统机器学习而设计,未能拓展至特征学习能力更强的深度学习模型;二是现有方法亦未能结合气象数据的时间与空间关联信息以提升订正效果。【方法】提出一种基于深度学习与时空关联建模的降水数据地形订正方法。该方法首先对广东省降水数据和多源地形信息作预处理,结合经纬度进行对齐与编码,以构建相应的数据矩阵。进而结合各个格点的空间和时间邻域下的降水与地形数据进行多源时空信息建模,并结合降采样策略以缓解降水格点与非降水格点的数据不平衡性,最后构建深度神经网络进行回归订正。实验在广东省逾4000个气象观测站点、逾15万气象格点的真实气象数据上进行。【结果】实验结果验证了时空关联建模策略对提升降水订正效果的显著作用以及所提出方法相比于其他对比方法的性能优势。

基于视图互信息加权的多视图集成聚类算法

现有的多视图聚类算法往往缺乏对各视图可靠度的评估和对视图进行加权的能力,而一些具备视图加权的多视图聚类算法则通常依赖于特定目标函数的迭代优化,其目标函数的适用性及部分敏感超参数调优的合理性均对实际应用有显著影响。针对这些问题,提出一种基于视图互信息加权的多视图集成聚类(MEC-VMIW)算法,主要过程可分为两个阶段,即视图互加权阶段与多视图集成聚类阶段。在视图互信息加权阶段,对数据集进行多次随机降采样,以降低评估加权过程的问题规模,进而构建多视图降采样聚类集合,根据不同视图的聚类结果之间的多轮互评得到视图可靠度评估,并据此对视图进行加权;在多视图集成聚类阶段,对各个视图数据构建基聚类集合,并将多个基聚类集合加权建模至二部图结构,利用高效二部图分割算法得到最终多视图聚类结果。在若干个多视图数据集上的实验结果验证了所提出的多视图集成聚类算法的鲁棒聚类性能。

突出优势学科 打造特色栏目

依托广东药学院的办学特色和优势学科,《广东药学院学报》在栏目设置上突出药剂学学科,努力打造药剂学栏目的特色,取得了一定的成效。高校学报在正确建立自己的特色栏目的前提下,多渠道拓宽稿源,并在组稿上给予侧重,便可以办出自己的特色。

高等医药院校学报主要评价指标分析

以《中国学术期刊综合引证报告(2006版)》和《中国科技期刊引证报告(2006版)》的资料,对中国科技论文统计源期刊中的高等医药院校学报进行统计和分析,以了解这些学报的总体水平,找出我院学报的差距,提出提高学报影响力的措施。

中药科技期刊插图的编辑处理

提出在编辑工作中要注重插图的审理与编辑。用计算机绘图技术,进行插图的编辑与绘制,可使插图规范、统一,提高中药科技期刊插图的质量。

科技期刊组稿与编辑的信息意识

我国科技期刊论文的发表时滞过长，被引证率低，这与编辑的信息意识不强，出版观念落后有关．提出科技期编辑应加强和培养自身的信息意识，掌握现代信息手段，才能做好组稿工作．

ChemDraw分子结构式的编辑与方正排版

介绍了ChemD raw分子结构式的编辑,以及如何输出并插入到方正排版系统中进行图文合成的方法。

科技期刊两种类型数字插图的编辑与转换

目的:介绍科技期刊两种类型数字插图——图像和图形的编辑与转换方法,以期提高科技期刊的插图质量。方法:以实例介绍几种图像和图形编辑和转换的具体方法。结果:插图的编辑水平和制作质量得到了提高。结论:针对不同的图像和图形,应选用适当的软件和编辑制作方法,并进行正确的文件格式转换,才能保证插图的质量。

地方专业性高校学报的办刊定位与特色创建

从目前高校学报的办刊现状分析,探讨地方专业性高校学报在学校多学科发展中的特色创建问题。认为学报应结合学校的办学特色和学科优势,实行适当开放办刊,打破"小而全"的局面,努力办出特色。

药学期刊来稿中常见统计学错误分析

列举了药学期刊来稿中常见的统计学错误,包括统计描述错误,统计方法滥用等,对这些错误进行了分析,并提出避免药学论文出现统计学错误的一些措施。

在审稿工作中充分利用信息手段

利用光盘、联机检索等现代信息手段，快速查检论文的有关信息，能使编辑部、审稿人对稿件做到及时、正确的处理。信息检索分收稿检索、审稿检索和刊前检索三个步骤，根据不同类型的论文，进行不同水平的检索。检索结果提供给审稿人和作者，有利于更好地进行引文审核和论文的修改。

中华医学系列杂志论文发表时差动态分析

时效性是科技信息传播和利用的重要特征，科技论文能否得到及时发表，无论是对作者还是对科技事业的发展，都是至关重要的。由于信息载体的多元化，尤其是科技期刊有了电子版，使科技信息得以快捷地进行传播和利用，同时，也给印刷版科技期刊带来了很大的影响。在此新形势...

药学期刊插图质量调查分析

目的:了解药学期刊插图的质量,找出差距,改进编辑工作。方法:对2006年出版的38种(44期)药学期刊的插图质量进行审读调查。结果:共审读插图1 609个,存在问题的插图532个,占33.1%;从各期刊看,有问题插图所占百分率最低的为3.7%,其次为4.2%,最高的为80.4%,其次为79.7%;把质量问题分为7类,其中标目词问题最多(17.8%),其次为绘制和印刷质量(9.4%),最少问题的是处理和设计不当(0.6%);地方性期刊和中药方面的期刊问题较多。结论:药学期刊编辑应重视插图的质量问题,加强学习与交流,了解计算机制图方法,重视对作者的培养,才能提高期刊的插图质量。

一路甘苦与快乐来——记中山大学排课系统原型的诞生

微软技术俱乐部是微软亚洲研究院与高校合作培养人才的一种探索。俱乐部本着"学习先进技术,开拓创新思维,体验多元文化,成就一流人才"的宗旨,在各高校团委指导下,通过学术讲座、技术沙龙、兴趣小组、大型比赛、参观访问等活动,活跃学生学术气氛,丰富校园活动。目前,全国共有30个微软学生技术俱乐部。自2002年第一个实践项目申请开始,微软亚洲研究院已经收到1500多个实践项目申请,微软亚洲研究院已经资金支持了300多个项目,将近10000名学生在这些项目实践中得到锻炼。学生不仅在实践项目中很好地与学生的课堂学习形成互补,同时学生可以把在课堂上学到的理论、知识在实践项目过程中得到运用和进一步的理解。另外,在实践项目过程中,培养学生的团队合作精神。通过这个栏目,不仅将微软技术俱乐部的优秀创新创业案例展示出来,更重要的是要通过它引导大学生自觉培养创新精神和实践能力。

支持向量和多中心点:非线性聚类的两大方法

作为数据挖掘的基础方法之一,数据聚类被广泛应用各个不同领域,例如计算机科学、医学、社会科学和经济学等。根据类的样本点的分布,数据聚类问题通常可以划分成线性可分聚类和非线性可分聚类。由于现实世界的数据分布流形的复杂性,非线性聚类是最流行和最被广泛研究的聚类问题之一。本文首先从四个角度对非线性聚类的近期工作做一个简要的综述,包括基于核的聚类算法、多中心点聚类算法、基于图的聚类算法以及基于支持向量的聚类算法。接着,我们将特别地介绍我们在非线性聚类研究方面的两个主要工作,分别是位置正则化的支持向量聚类(PSVC)以及多中心点近邻传播算法(MEAP)。我们将介绍这些方法的优势与局限性,同时指出未来的研究方向。

基于标签的个性化旅游推荐

旅游景点数量庞大,而用户本身旅游次数有限,所以用户旅游数据非常稀疏,进而影响了推荐结果的准确度.为了解决这一问题,从海量游记中提取与旅游景点密切相关的4个因素——地域、时间、主题、类型相关的特征标签,来丰富数据信息.一方面通过基于标签内容的方法为用户推荐感兴趣的景点;另一方面,用景点特征标签描述用户兴趣特征,根据用户兴趣标签找到相似用户群,通过协同过滤的方法为用户推荐感兴趣的景点.实验结果表明,基于标签的协同过滤算法较传统的协同过滤算法推荐准确率提高了63.7%,比基于景点热度的推荐算法提高了22.5%;基于标签内容的推荐算法比基于景点热度的推荐算准确率提高了27.6%.进一步,通过线性加权的方式混合两种算法,使两种算法优势互补,从而得到更好的推荐效果.最终使得基于标签的混合算法的准确率,比基于标签的协同过滤算法提高了61.3%,比基于标签内容的推荐算法提高了54.7%.旅游景点推荐准确度的提高,将带来更好的用户体验,使在线旅游网站更加具有竞争力.