TRIZ理论在催生科学IDEA中的应用--以粒计算为例

针对科学idea问题,运用TRIZ原理提出了一种行之有效产生科学idea的方法:运用因果分析法和金鱼法分解问题;利用矛盾分析法和发明原理给出解决问题的思路。并以全粒度粗糙集和属性约简信息损失的提出说明该方法的有效性。

基于SE注意力CycleGAN的蓝印花布单纹样自动生成

根据蓝印花布纹样的风格特征,文章提出一种端到端的蓝印花布纹样自动生成方法,实现简笔画图像向蓝印花布单纹样的自动迁移。针对蓝印花布的抽象风格和小数据集问题,重新构造CycleGAN生成网络中的编码器和解码器,使用SE(squeeze and excitation)注意力模块和残差模块与原始的卷积模块串联,提高特征提取能力和网络学习能力。同时减少生成网络中转换器的残差块层数,降低过拟合。实验结果表明,基于SE注意力CycleGAN网络方法自动生成的蓝印花布新纹样主观性上更贴合原始风格,与原图更加接近,有助于蓝印花布的数字化传承和创新。

基于ACO_SVM的扬州市旅游业年总收入预测

以扬州市2002—2021年旅游业年总收入及相关指标的实际数据为例,引入ACO优化算法对SVM模型的关键性参数进行寻优处理,建立基于ACO_SVM的旅游业年总收入预测模型,并结合MATLAB进行模型实验,最终精度达到93.8%。进行ACO_SVM模型与SVM模型两组预测结果对比,验证了基于ACO_SVM的预测模型的有效性,对提高扬州市旅游业与旅行社的服务质量更具参考价值。

“源”于数学历史 “流”向建模素养——以导数概念的教学为例

一个数学概念的诞生和发展往往蕴含着一个完美的数学建模过程.文章以“导数的概念”为例,探讨如何将数学史融入到数学概念教学中,从而让学生经历数学概念的产生和发展过程.

决策系统簇的平均代价敏感并行约简

大数据背景下,数据量呈指数级增长,三支决策在处理代价敏感问题时动态机制和稳定性不足.针对这个问题,结合F-粗糙集处理动态数据方面的优势,在代价敏感决策表簇中提出基于F-粗糙集和三支决策的平均代价敏感并行约简.首先,从平均决策代价和平均测试代价的角度,定义基于F-粗糙集和三支决策的并行约简;其次,设计基于F-粗糙集和三支决策的平均代价敏感并行约简算法.与基于分类的最小代价约简和基于类特定的最小代价约简比较,实验结果显示,基于F-粗糙集和三支决策的平均代价敏感并行约简可以更好地权衡误分类代价(决策代价)和测试代价,提高分类准确率.研究结果为研究动态决策和代价敏感提供一种新的研究方法和思路.

关于研究生课程数学写作指导的教学探索

近年来教育部要求在大学要给研究生开设写作指导课程,近三年浙江师范大学和上海师范大学分别为数学学科研究生开设了数学写作指导课程,这是一个全新的课程.实践表明开设该课程是十分必要的,这里就该课程所讲的主要内容和所用的教学方法等等做一介绍.

浙江红色家书的德育价值及其作用发挥探析

浙江红色家书是浙江共产党人在革命、建设、改革和新时代奋斗历程中的内心独白、情感抒发和思想传递,具有重现红色事迹、激发情感共鸣、坚定理想信念、指引前进道路等方面的德育价值。新时代要通过强化保护整理,深挖内在价值;融入教育体系,传承红色基因;数字赋能传承,提升育人实效促进其与思想政治教育深度融合。

基于CEEMDAN-GWO-LSSVM的高铁沿线短期风速预测模型

为提升高铁沿线风速短期预测的精度,利用基于自适应去噪完全集合经验模态分解(CEEMDAN)和灰狼优化(GWO)与最小二乘支持向量机(LSSVM)模型对高铁沿线风速进行短期预测。以某高铁沿线每间隔1 min采样的风速数据作为仿真对象展开建模实验并与其他组合预测模型进行比对。结果表明:CEEMDAN-GWO-LSSVM模型可以显著提升风速预测精度和准确性,其中均方误差(MSE)、平均绝对误差(MAE)和均方根误差(RMSE)3项评价指标提升程度分别达71.17%、46.14%和42.49%,均为最高。降低预测过程中产生的误差,为我国高速铁路沿线的短期风速预测研究提供有益借鉴。

融合信号分解与排列熵的高铁线路风速区间预测方法

为提升高铁线路风速预测精度以保障强风下高速列车的运营安全,融合信号分解与排列熵提出高铁线路风速区间预测方法。采用信号分解技术与排列熵(PE)筛选分量,对不同复杂度分量分别利用门控循环单元分位数回归(QRGRU)和门控循环单元(GRU)构建高铁线路风速区间预测模型。对我国某高铁线路风速监测数据进行预测,结果表明:预测模型的预测精度较对比方法有显著提升,在区间预测上有良好表现,预测区间覆盖概率(PICP)、预测区间平均带宽(PINAW)及综合覆盖带宽指标(CWC)分别为94%、0.16、1.72,表明该方法能准确描述未来风速趋势,提升预测精度,对解决高铁安全运营问题具有实用价值。

一种能耗均衡的WSN高吞吐量路由协议研究

无线传感器网络(WSN)由若干个传感器节点通过多跳自组织的方式构成,这些节点的能量和处理能力都受到极大地限制,因此研究节能高效的路由协议具有较大的意义。为延长WSN的生存时间和提高网络吞吐量,提出了一种能耗均衡的WSN高吞吐量路由协议,该协议利用K⁃means聚类算法对节点进行分簇,并结合节点剩余能量和距离计算权重值,选择最佳节点作为簇首,此外,还利用无线收发器的参数和信道状况确定最佳固定分组大小。在数据传输阶段,使用Dijkstra算法计算多目标权重函数作为链路成本。实验结果表明该方案在网络节点节能方面优于CERP和TEEN路由协议,且提高了整个系统的吞吐量和生存时间。

Hilbert空间中关于不动点问题,变分不等式系统和分裂均衡问题迭代算法的强收敛定理

在Hilbert空间中,考虑渐近非扩张映像的不动点问题,变分不等式系统和分裂均衡问题的一个公共解.在适当的参数限制条件下,证明了所构造的修正粘性迭代序列强收敛到以上三类问题的一个公共元,所得结论改进和推广了一些最近文献的相关结果.

一类双稳态复合材料层合板的簇发振荡现象分析

针对一类参数激励下的双稳态复合材料层合板非线性系统,考虑了一个参数激励频率是另一个的整数倍的情形,并将参数激励视为慢变参数,利用“快慢分析方法”得到了多频参数激励系统的快子系统和慢子系统,分析了快子系统的分岔行为。在平衡点分岔分析中,分析出单模和双模平衡点下快子系统的Hopf和fold分岔条件;利用双参数分岔集,相图、时间历程曲线图、转换相图与平衡分支的叠加图,分析了不同参数下簇发振荡的产生机理及其动力学行为,观察到不同的参数条件下其簇发振荡现象可能与叉形分岔点无关。

Banach空间中关于m-增生算子零点的一种新的粘性隐式迭代算法

在Banach空间中研究关于两个逆强增生算子的一般变分不等式问题和m-增生算子零点的粘性隐式迭代算法,对参数的适当限制下,利用超梯度方法,得到了若干强收敛定理,推广和改进了其他相关作者的主要结果.

两阶段的近邻密度投票模拟离群点检测算法

基于近邻的离群点检测算法对近邻选择较为敏感,邻域范围过小会增加模型复杂度,导致过拟合;邻域范围过大会使模型过于简单,忽略大量可用信息。为了降低邻域范围选择对离群点识别的影响,达到更高的精确度,基于近邻关系设计了一种投票决策的算法。该算法包括密度估计和模拟投票2个步骤:密度估计用于加速收敛数据点的密度得到稳态密度,从而根据稳态密度进行不同策略的模拟投票;模拟投票策略是基于社区发现算法改进得到的离群点检测核心算法,同时考虑数据点的重要性与其近邻的相似性进行投票。数据点的重要性与其稳态密度呈正相关,重要性越大的数据点将优先进行主动投票,把自身信息传递给邻域内与其相似度最大的数据点,并累计被投票数据点的投票排名。当每个数据点都进行主动投票后,算法停止迭代,得到各数据点的投票排名,将投票排名越靠后的数据点视为离群点。在11个真实数据集上的实验结果表明:基于近邻的投票模拟检测算法平均精确度为79%,证明了所提算法的有效性。

Banach空间中非扩张映射和m-增生算子零点的广义隐黏性迭代方法

在Banach空间框架下,给出了非扩张映射和m-增生算子零点的广义隐黏性迭代方法,在适当的参数条件下,证明了该方法生成序列的强收敛定理,推广和改进了相关文献的主要结果.

基于二阶近邻的异常检测

对盈千累万且错综复杂的数据集进行分析,是一个非常具有挑战性的任务,检测数据中的异常值的技术在该任务中发挥着举足轻重的作用.通过聚类捕获异常的方式,在日趋流行的异常检测技术中是最为常用的一类方法.文中提出了一种基于二阶近邻的异常检测算法(anomaly detection based second-order proximity,SOPD),主要包括聚类和异常检测两个阶段.在聚类过程中,通过二阶近邻的方式获取相似性矩阵;在异常检测过程中,根据簇中的点与簇中心的关系,计算聚类生成的每一个簇中的所有的点与该簇中心的距离,捕捉异常状态,并把每个数据点的密度考虑进去,排除簇边界情况.二阶近邻的使用,使得数据的局部性以及全局性得以被同时考虑,进而使得聚类得到的簇数减少,增加了异常检测的精确性.通过大量实验,将该算法与一些经典的异常检测算法进行比较,结果表明,SOPD算法整体上性能较好.

Muckenhoupt双权的一个新实变特征

通过Hardy-Littlewood极大函数从加权Lebesgue空间到加权弱Morrey空间的有界性,刻画Muckenhoupt双权的实变特征.首先给出加权弱Morrey空间的定义,再考虑Muckenhoupt双权与加权弱Morrey空间之间的关系,最后证明Muckenhoupt双权的一些相关性质.

分形Cauchy空间到Bloch型空间的复合算子与微分算子乘积的范数估计

对分形Cauchy空间到Bloch型空间的复合算子C_(φ)与微分算子乘积D C_(φ)、C_(φ)D进行研究,对算子D C_(φ):F_(α)→B^(β)、C_(φ)D:F_(α)→B^(β)的本性范数给出了新的估计,并对算子D C_(φ):F_(α)→B^(β)、C_(φ)D:F_(α)→B^(β)的有界性、紧性以及本性范数给出新的刻画.

一种基于区块链的身份鉴证与授权机制

身份信息滥用是社会顽疾问题。文中提出了一种基于区块链的身份鉴证与授权(Blockchain-based Identity Authentication and Authorization,BIAA)机制,该机制要求用户主体在对业务进行身份授权时提供有效身份证件和生物特征信息,确保业务为本人授权;同时将业务信息及身份授权写入区块链账本,进一步实现业务的安全存证与可追溯。为构建该机制,提出了“身份注册-身份授权”星形多区块链架构,身份注册链采用可控联盟链方式,由身份管理权威机构对身份信息注册实施管理,并提供身份鉴证服务;身份授权链可由各行业在获得权威机构许可后构建,其提供的相应业务在身份鉴证确认后,与身份授权信息写入身份授权链。在技术实现上,设计了一个身份注册-鉴证-授权(Identity Register-Authenticate-Authorize,IRAA)终端,将用户生物信息和身份证件信息读取后利用哈希运算转化为密文,确保用户明文信息不上线;设计了身份鉴证协议,实现身份鉴证链为各身份授权链提供身份鉴证服务,协议过程以密文形式进行;设计了身份授权通用智能合约,实现对应用业务的身份授权管理与存证。最后利用二代身份证和指静脉纹作为身份信息构建了原型系统,验证了BIAA机制的安全性、可行性与有效性,为解决身份信息滥用问题提供有价值的参考。

基于动态极小势参数矩阵求解极小碰集的方法

在基于模型的故障诊断与测试过程中,求解极小碰集是诊断与测试的一个关键步骤,极大地影响了故障诊断的最终效率。鉴于此,提出一种基于动态极小势的参数矩阵计算极小碰集的新算法JMatrix,利用参数矩阵描述冲突集合簇中元素与集合的关系,每次动态选取当前矩阵中势最小的集合进行分解,将大问题逐步分解成规模更小的子问题,并在碰集求解过程中通过加入剪枝策略和启发式信息,避免了对无解空间的搜索;在对每一个碰集进行极小化时,根据原始冲突集合簇的矩阵特性,可以快速地找到特定元素所在的集合,从而加快极小化的速度。实验结果表明,所提算法JMatrix不但在大量人工测试数据集上较其他经典极小碰集求解算法具有更高的效率,而且在国际基准ISCAS-85电路数据集上仍具有高效稳定的性能。