以一流实验室建设推动“双一流”发展

随着我国高等教育的发展和进步,进一步优化学科专业结构、整合教育资源,建设高水平大学是未来我国高等教育的总体趋势和客观要求。在建设世界一流大学和一流学科过程中,建设一流的实验室是基础工作也是关键因素。本文先探讨了一流实验建设的必要性,再从管理水平和服务意识、实验室学术团队建设和硬件设备和软件设施等三项内容探讨建设一流实验的主要方法,通过建设一流实验室以推动"双一流"工程又好又快发展。

私营企业中劳动关系的研究

私营企业在我国经济成分中扮演了十分重要的角色。从目前私营企业的研究现状和实际状况入手,对私营企业的现存问题进行深入分析,提出私营企业构建和谐劳动关系的对策。

生态移民的社会适应性研究

通过对生态脆弱地区迁移到新地方的居住分为政府引导下的移民和自发移民两大类，然后分别对贵州省六个典型喀斯特地区政府引导移民的民经济适应性、生活适应性、人际关系适应性、心理适应性、语言适应性和文化适应性等六个方面进行调查和分析得到了，同理也对贵州四个典型的喀斯特地区生态自发移民进行了相应的调查和分析，最后给出相应的建议。

普定县生态移民城镇化进程中民族文化保护研究

普定县生态移民工程将居住在深山区、石山区的生态环境脆弱的贫困农村人口搬迁到普定县城。搬迁的对象主要是苗族和布依族等少数民族。他们主要的移民方式是整体外迁，离开他们原来生活的家园，并且受到了城镇化的影响。生态移民的城镇化进程中如何做到扶贫的同时又保护当地的少数民族文化，这是是一个值得我们深入探究的课题。

基于数据挖掘的民族院校通识教育质量评价体系研究

民族院校是我国高等教育的重要组成部分之一,推行通识教育是全面提升学生素质,拓展学生综合能力的关键渠道。提出了一种Bi-Ada Boost算法对调研获取的全国范围内的高等民族院校开展通识教育评价数据进行挖掘。首先对所有数据进行指标体系分类,然后进行数据预处理,再采用Bi-Ada Boost算法对样本和属性进行权重进行调整。在处理有效的816327条记录中随机抽取400000做训练,剩下的作为测试数据,测试结果证明所提出的Bi-Ada Boost算法符合教育评价实际。另外,在2010年KDD-CUP数据集上进行实验,实验结果与当年竞赛最佳结果相当。

基于稀疏表示的大数据在政府统计工作中应用

针对大数据对政府统计工作影响越来越大的现状,文章提出了一种基于稀疏表示的大数据统计算法框架。首先利用了有放回Bootstrap在数据中的样本和特征上采样形成不同数据子集,用多形态保留相似性方法融合子集中的异构数据,再在融合数据上作数据变换使得数据方便处理和富有信息,最后将变换后数据形成基元字典,基元字典加权构成稀疏表示的字典矩阵。建议算法在加利福尼亚大学机器学习UCI数据库中的Gisette和Internet Advertisements两个数据集进行了大量实验,实验表明,建议算法在数据集都具有最高的分类正确率和最快的运算速度。

计算机科学视角的社会情感计算

随着计算机科学技术的发展,社会情感计算成为一个社会科学与自然科学深度融合的一个重要课题。从认知理论、心理学视角,社会情感是社会人群的思想情感集中表现,受到自然人的视觉、听觉、触觉和认知能力的影响,无法通过定量进行计算;然而从计算机科学的视角,社会情感是社会人的内心世界表达,表现形式为人脸表情、语音情感、文字文本情感、生理信息、肢体行为等。本文从计算机科学出发回顾该语音情感计算领域研究成果,并总结了语音情感计算面临的机遇与挑战。

基于微信公众平台的社会统计学实验课程设计与实践研究

实验课程设计是培养高素质应用人才的关键因素。针对社会统计学实验课程教学过程中存在的问题,如学生对概念理解不深、案例设计不当、动手能力不强和教学效果不佳等,教师应采用以微信公众平台作为辅助课堂教学的社会统计学实验课程教育教学改革手段。根据功能需求,该平台分为课程知识、实验设计以及教学考评子系统等三部分,分别利用公众平台订阅号图文消息推送课程知识点,社会统计案例分析以及基于考试星测评系统实现。经系统分析、比较传统的实验课和微信公众平台实验课在教学内容、实验设计和实验效果等方面的教学效果,发现该教学改革模式能提升学生学习效果,并受到了学生与社会人士的青睐。

基于稀疏表示的语音感情计算研究

语音情感计算是人工智能领域中语音识别研究主要问题,也是社会计算中一个前沿的新兴交叉学科问题。该文主要讨论机器学习稀疏表示在语音情感计算中的应用问题。在国际公开的语音情感数据库上研究了语音情感特征提取和识别算法,同时还讨论语音情感识别技术应用问题。实验结果表明,该文建议的稀疏表示语音情感识别算法较传统的稀疏表示具有较大竞争力。

基于层次集成稀疏表示在语音感情计算中的应用

提出一种基于层次集成的稀疏表示方法应用于语音情感计算问题研究中。首先,通过SVM算法根据语音特征的重要性将特征分成重要和不重要两个层次;然后,在两层次中按固定比例随机采样组成新的特征序列;接着,在新的特征序列样本集上通过稀疏表示计算出相应的标签;最后,通过集成多次如同操作后得到测试样本的计算结果。通过在国际公开的语音情感数据库上进行大量的实验,结果表明建议的基于层次集成的稀疏表示方法具有较大的竞争力。