基于脑功能网络应用案例的图论教学方法研究

图论作为离散数学课程的重要组成部分,通过生动具体的案例教学能够为学生提供更为直观的认识和理解。特别是将科学研究中的具体问题同课本中基本概念的结合更能激发学生的学习热情和求知欲望。文章以脑科学研究中运动想象实验为入口,基于图论基本理论,借助数学工具软件,构建脑功能网络模型。通过求解网络中节点度、补图以及最小生成树等概念加深对图论基本概念的理解,并了解其在表征不同运动想象动作过程中的效果和作用。通过图论理论在脑科学研究中的具体应用案例教学,让学生了解图论理论在科学研究中的应用,激发学生的学习和科研兴趣,提高离散数学中图论教学的质量和效果。

基于弹簧模型的重要节点排序算法

重要节点排序是复杂网络研究的重要问题。用网络的鲁棒性和脆弱性指标评价基于引力模型的重要节点排序算法GM(gravity model)和其局部算法LGM(local gravity model)时,当度大的节点从网络中移除后,其引力较大的近邻节点的后续移除通常并不能在很大程度上影响网络的结构与功能,说明算法在重要节点排序精度方面仍然存在提升之处。基于此,在弹簧模型的启发下,进一步考虑网络节点近邻和路径信息,并结合网络直径,提出了重要节点排序算法SM(spring model)和其局部算法LSM(local spring model)。基于合成网络和真实网络数据集针对网络的鲁棒性和脆弱性与经典算法进行对比实验,结果表明SM算法和LSM算法对于网络中重要节点排序具有更高的准确性。特别地,在Power网络上的SIR传播实验进一步证明了SM算法相较于其他算法,具有更高的合理性和有效性。

面向排序学习的层次聚类特征选择算法

大型搜索系统对用户查询的快速响应尤为必要,同时在计算候选文档的特征相关性时,必须遵守严格的后端延迟约束。通过特征选择,提高了机器学习的效率。针对排序学习中快速特征选择的起点多为单一排序效果最好的特征的特点,首先提出了一种用层次聚类法生成特征选择起点的算法,并将该算法应用于已有的2种快速特征选择中。除此之外,还提出了一种充分利用聚类特征的新方法来处理特征选择。在2个标准数据集上的实验表明,该算法既可以在不影响精度的情况下获得较小的特征子集,也可以在中等子集上获得最佳的排序精度。

高校学生网络评教有效性的结构及影响因素研究

针对高校学生网络评教系统进行研究,从学生评教在教学质量管理中所占据的地位、教师针对学生评教的态度极其所做的改观,管理人员针对学生对教师的评价所做出相应的研究分析处理,使得学生评教的有效性得以展现。从评价指标、反馈信息的归途等方面分析了影响高校网络评教有效性的因素,对网络评教的进一步发展具有重要的意义。

数据挖掘技术在入侵检测中的应用与研究

决策树是数据挖掘的分类应用中采用最广泛的模型之一,但是传统的ID3、C4.5和CART等算法在应用于超大型数据库的挖掘时,有效性会降得很低,甚至出现内存溢出的现象,针对此本文提出了一种基于属性加权的随机决策树算法,并通过实验证明该算法减少了对系统资源的占用,并且对高维的大数据集具有很高的分类准确率,非常适合被用于入侵检测的分类之中。

基于云关联规则的蚁群聚类算法研究

基于云模型在非规范知识表示中的优良特征,本文提出了一种基于云关联规则的改进蚁群聚类算法.通过在邻域内进行基于云模型关联规则的概念快速动态软划分来产生最大内聚核,重新定义接受分数模型,使属性论域上正态隶属云实现平滑变迁,加快了聚类收敛过程.实验结果表明,改进算法能产生高纯度的聚类簇,提高了聚类过程的收敛速度.

大数据背景下电子政务信息资源共享模式研究

在大数据的热潮下,国家越来越强调将大数据技术运用于政务领域。本文通过分析大数据背景下电子政务信息资源共享的现状,对大数据背景下电子政务信息资源共享模式进行探究并提出四点建议,从根本上达到提高政府的管理水平、提升工作效率等目的。

基于改进遗传算法的本体概念分类规则算法

针对本体学习中的概念学习,提出了一种基于改进遗传算法的本体概念规则的学习方法。该方法在传统遗传算法的遗传操作算子中引入"杂交优势"思想对交叉算子进行了改进,并加强了变异算子的对算法的影响;同时算法在执行过程中对训练样本集使用了约减策略,从而找出了一个能正确覆盖样本空间中所有实例并且不覆盖任何错误实例的规则集合。

一种基于病毒原理的多种群遗传算法研究

病毒进化遗传算法是一种基于病毒原理的协同进化算法,通过病毒种群和宿主种群的分工协作,实现了继承信息在父代、子代群体间的纵向传递,同时也实现了进化基因在不同种群间的横向传播,有效解决了传统遗传算法在解空间的快速搜索与易陷入局部最优点的这对矛盾。该算法成功应用到旅行商问题并取得了令人满意的效果。

我国电子政务现状分析及对策研究

一、我国电子政务发展的现状（一）概念电子政务就是政府利用现代化信息通信技术转变传统工作模式,建立一个网络化的政府信息系统,实现政府部门内部各部门之间的网上信息共享.高效地为社会和公众服务,更好地履行政府职能.

GA在求解TSP问题上的应用

给出求解 TSP问题的遗传算法的算法思想 ,并通过模拟实验分析该算法针对于 TSP问题的求解质量。

信息熵改进主成分分析模型的链路预测算法

针对传统的链路预测在不同结构特征的网络中的计算结果不稳定的问题,提出了基于信息熵改进主成分分析(PCA)模型的链路预测算法。首先,用随机森林(RF)确定7个相似性指标作为最佳特征集合;然后,将七个相似性指标组合在一起提出基于信息熵改进PCA的特征信息融合模型,在对特征信息赋予权重后,把该模型与单机制算法结合后在6个真实数据集上验证其正确性以及校验效果;最后,通过与混合链路预测算法比较曲线下面积(AUC)值来验证基于所提模型的链路预测算法的可行性和有效性。实验结果表明,所提出的链路预测算法比有序加权平均算法(OWA)和集成模型链路预测算法(EMLP)在预测精度AUC值上分别提升了2.5~12.46个百分点和0.47~9.01个百分点,具有较好的稳定性和准确性。可见,将所提算法应用到不同结构特征的网络中能得到更稳定、更准确的链路预测结果。

电子政务下政府信息资源跨部门共享机制研究

自20世纪50年代以来,国外的电子政务取得了一些成就。目前,跨部门的信息资源共享是电子政务的主要研究内容之一,但是关于这方面的研究成果较少,尽管一些国家已经开展了一些电子政务共享项目,但都不太成功,而且缺乏普遍的应用性。电子信息的跨部门共享需要强有力的推动机制,同时也需要建立长效机制,确保其可持续发展。

改进的PSOGM算法在动态关联规则挖掘中的应用

针对动态关联规则挖掘中支持度向量和置信度向量变化趋势的分析和预测,提出一种改进的粒子群优化的灰色模型应用在动态关联规则挖掘中。由于灰色模型在引入背景值后导致在非平稳序列中的预测精度下降,因此有必要引入参数进行修正,通过在粒子群优化算法中引入二次搜索机制,优化求解灰色模型不同时刻的背景值,从而提高粒子群算法的局部搜索能力,进而提高灰色模型的预测精度。通过在Matlab平台上进行实验仿真,数据集采用超市购物数据,结果表明该方法比原始灰色模型、遗传算法优化的灰色模型和标准的粒子群优化的灰色模型具有更高的预测精度。

现代农业与新型城镇化耦合发展的影响因素及实现机制

现代农业与新型城镇化相互耦合、相互影响。在分析现代农业本质特征及新型城镇化"新"内涵的基础上,揭示了现代农业与新型城镇化耦合作用机理;进而以劳动力、资本、技术和土地资源等经济增长核心要素为四个耦合项,构建了基于复合指标的现代农业与新型城镇化耦合发展影响因素模型,结合统计数据,运用SPSS和Eviews软件,对现代农业与新型城镇化耦合协调发展及其影响因素进行了实证研究,并据此提出了现代农业与新型城镇化耦合发展的实验机制。

一个基于二阶粒子群的关联规则挖掘算法

针对经典的Apriori算法在处理大型数据库时挖掘效率有所下降,提出一种基于二阶粒子群算法的关联规则挖掘方法.该算法首先利用Partition算法将原始数据库划分为n个不重叠的子数据库,然后对每一子数据库通过Apriori算法进行关联规则挖掘,并采用二阶粒子群算法进化得到最优的规则集,最后将每一子数据库得到的规则集全局合并得到最优的前M个规则.通过采用Partition算法对数据库进行划分并使用Apriori算法进行关联规则挖掘,在处理大型数据库时可以加快数据的扫描速度,避免由于数据量过大造成的内存溢出;采用二阶粒子群算法进行优化,通过支持度和置信度的综合评价,可以提取出因单个标准而被忽略的关联规则.将该算法应用到超市购物篮数据、FoodMart2000、AdventureWorks2008R2三个数据集上,实验结果表明,该算法在进行数据知识发现时,尤其在针对大型数据库挖掘时,相比于随机产生粒子的粒子群算法应用到关联规则具有更高的效率.

非公资本投资铁路建设项目经济正外部性问题研究

对铁路建设投资项目中公有资本和非公有资本收益函数差异的分析显示,非公资本参与铁路建设投资项目普遍存在的正外部性,对此应采取如下有针对性的措施:适当分割铁路建设投资项目;实施补贴和税收优惠;适当给予非公资本垄断利益。

基于异质注意力循环神经网络的文本推荐

针对当前大数据环境下文本推荐不精确的问题,对文本数据和关系网络2种异质数据进行融合,并引入编码器-解码器框架,提出基于异质注意力的循环神经网络模型用于短期文本推荐。使用句子级的分布记忆模型和实体关系表示方法TransR,分别将文本数据和关系网络嵌入到高维向量中作为模型的输入。在编码器阶段,使用双向GRU将用户的短期兴趣引入到推荐模型中,并将注意力机制与解码器相连接,使解码器能动态地选择并线性组合编码器输入序列的不同部分,以建模用户在短期内的偏好。在解码器阶段,将编码器的注意力输出、候选项和当前用户的表示作为输入。通过双向GRU和前馈网络层,计算每个候选项的得分得到推荐结果。实验结果表明,与TF-IDF和ItemKNN等模型相比,该模型在召回率和均值平均精度指标上均有明显提升。

基于HOG特征提取和模糊支持向量机的西夏文字识别

提出了基于方向梯度直方图(Histogramoforientedgradient,HOG)特征提取和模糊支持向量机(Fuzzysupportvectormachine,FSVM)的西夏文字识别技术.在模糊支持向量机模型中引入了新的隶属度函数,构造了基于多超平面的模糊支持向量机模型,增强了分类能力,降低了噪声点的干扰,提高了分类效率.将HOG特征提取和FSVM相结合应用于西夏文字识别,提高了文字识别效率.通过在数据集上测试,并与已有的文字识别方法相比较,结果表明,HOG特征提取结合FSVM的方法性能优于现有的其他方法.