结合目标特定特征和目标相关性的多目标回归

多目标回归旨在使用一组共同的输入变量来预测多个连续变量,其现有方法可归类为问题转换法和算法适应法.它的主要挑战在于如何对输入与输出空间的复杂关系进行建模,以及如何有效利用目标间的相关性.然而,现有的问题转换法很少同时考虑到这两方面.基于此,本文构建了一种问题转换法同时应对这两大挑战,提出了一种结合目标特定特征和目标相关性的多目标回归方法(Multi-Target Regression via Specific Features and Inter-Target Correlations,TSF-TC).TSF-TC通过对分箱后的样本进行聚类分析构建目标特定特征从而对输入与输出空间的复杂关系进行建模,通过有选择性地堆叠单目标预测值揭示目标间的相关性.本文使用TSF-TC在18个多目标回归数据集上与现有多目标回归方法进行了对比实验,实验结果充分表明了TSF-TC的优势.

基于全局和局部目标点相关性的多标签学习

传统单标签学习一般都是假设一个示例仅仅与一个标签相关。然而,随着科技的发展和数据形式的日益复杂,现实中的学习问题,往往一个示例同时与多个标签相关,面对这种情况,多标签学习框架被提出。现有的多标签学习大多都是从标签相关性的角度考虑,而目标点的相关性也是一个值得研究的问题。目前目标点相关性算法都是只从全局角度,或者只是从局部角度研究多标签学习问题,这对实际情况并不完全适用。本文提出一种新的同时利用全局目标点相关性和局部目标点相关性的多标签学习算法。首先运用深度神经网络学习得到全局目标点的相关性,再使用k近邻算法将全局目标点划分为局部目标点,进而运用欧式距离度量局部目标点的相关性。最后,将全局目标点相关性和局部目标点相关性结合在一起得到一个最优解。8个多标签数据集上的实验结果验证了本文所提出算法的有效性和可行性。

土石坝料压实特性改进多输出预测模型研究

土石坝料压实特性对保证大坝施工质量至关重要。然而,当前坝料压实特性预测主要是对物理、力学和渗透压实特性的单输出回归预测,缺乏对各压实特性目标间相关性的考虑。针对上述问题,提出土石坝料压实特性的改进多输出高斯过程回归(IMO-GPR)预测模型。采用具有噪声的基于密度的聚类方法构建目标特定特征,对多输出高斯过程回归(MO-GPR)模型原始输入空间进行特征扩展,提高模型高维特征空间复杂映射关系解耦能力;同时,结合MO-GPR模型中的输出协方差系数矩阵,实现对多输出压实特性目标间相关性的有效考虑,以最终实现多输出压实特性精确预测。相比传统的高斯过程回归(GPR)、多输出极限学习机(MO-ELM)和MOGPR模型,所提IMO-GPR模型的预测精度分别提高了24%、20%和17%,且对噪声干扰、数据异常、数据量少等情况具有更强的鲁棒性,为土石坝料压实特性分析提供了新思路。

浅谈应用型本科课程教学大纲的编制

课程教学大纲是教师教学和学生学习的指导性文件。随着教育教学改革的不断深入,各地方院校更加注重专业设置对接产业需求,课程内容对接职业标准,教学过程对接生产过程,培养应用型技术人才,为地方经济建设服务。同时,积极推行"以学生为中心"的教学范式变革,提高应用型本科人才培养质量。为适应教育教学改革的需要,课程教学大纲必须从内容以及编制的组织形式等方面作相应的改变。新的课程教学大纲,强调厘清课程教学目标与专业人才培养目标规格的相关性,使教师明白所任课程承担的人才培养职责;强调课程教学中"目标-活动-评价"的一致性;强调课程考核以学生的学习成果导向。

企业一线员工绩效考核探讨——以供电企业为例

为贯彻落实科学发展观,促进供电企业的科学性持续发展。实行以效率、效益为考核标准的管理考核理念,深化全员在工作上的绩效管理,引入绩效考核从而促进供电企业一线员工的工作成果与整体工作水平方面的实质性提高。

A FRAMEWORK TO MEASURE CLASS COHESION

Classes are the basic modules in Object-Oriented (OO) software, which consist of attributes and methods. Thus, in OO environment, the cohesion is mainly about how tightly the attributes and methods of classes cohere with each other. This letter discusses the relationships between attributes and attributes, attributes and methods, methods and methods of a class,and the properties of these relationships. Based on these properties, the letter proposes a new framework to measure the cohesion of a class. The approach overcomes the limitations of previous class cohesion measures, which consider only one or two of the three relationships in a class.