相关维度数量对两种结构类别学习的影响

在多重系统理论研究基础上,运用即时反馈训练范式,以大学生为被试,考查相关维度数量对基于规则和信息整合两种结构的类别学习的影响。结果表明:(1)相关维度数量是影响类别学习的重要因素,基于规则单维度结构的学习显著优于信息整合结构和基于规则双维度结构的学习,基于规则双维度结构的学习与信息整合结构的学习没有显著差异。(2)反应策略受到规则复杂性的影响,当类别结构中隐含的规则比较简单时,学习者使用规则策略;当类别结构中隐含的规则比较复杂时,学习者难以掌握规则,就会使用相似性策略。研究结果支持"难度观",而不支持多重系统理论。

基于局部相关维度的流形离群点检测算法

传统的离群点检测算法不适合检测流形离群点,目前专门针对流形离群点检测的算法报道较少.为此,基于实验观察的启示,提出用流形局部相关维度检测流形离群点的算法.首先探讨内在维度的性质,并基于实验观察提出用流形局部相关维度来度量流形离群点,然后证明流形局部相关维度可表征数据样本离群的性质,最后基于此性质提出流形离群点检测算法.在人工数据与真实数据上的实验表明本算法可检测流形离群点,且本算法比最近报道的流形除噪算法具有更优的性能.

信息检索中相关性的维度与度量

本文对信息检索中不同维度在相关性度量公式中的体现进行了讨论,并给出了改进相关性度量的几点建议。

大气介质红外辐射场混沌与分形特征

大气介质是红外光学的重要传播媒介,也是影响红外动态信号检测与追踪的复杂背景。与固、液态介质相对稳定的性质相比,大气介质具有动态复杂性与长期不可预测性,阻碍了将其他领域成功的波动技术(如弹性波成像与反演、量子场波函数等)引入大气电磁波场,故传统经典物理学理论无法精确刻画此类复杂系统问题。但自然界此类场中产生的无序性与随机性通常可用分形的概念来阐述。利用风云4A气象卫星记录的红外云图,以水汽-二氧化碳波段的红外辐射波场为例,选取云图上任一无规时间序列,计算分形维度为分数与最大Lyapunov指数为正,初步判断大气介质红外辐射场具有混沌特征,也证明红外辐射场的动力学行为是有限自由度控制的动态非线性不规则行为。根据排列熵参数取值范围(0.87,0.92)趋于1判定,风云4A涵盖0.45~13.8μm波段的全红外数据显示强混沌性,且混沌强度分布具有空间不均匀性。本项工作既为利用混沌特性来研究动目标及背景杂波动态演化机理、捕捉时敏微扰信号以及对水陆空红外辐射场进行中长期非线性预测等提供了理论前提;也为建立大气红外辐射场的非保守耗散方程,刻画传输介质特性以及研究宏观与微观传播机理等基本问题奠定了实验基础。

一种基于子空间聚类的局部相关性可视分析方法

数据子集局部存在的维度相关性往往被数据集全体所掩盖.为了发现有意义的数据子集,并揭示其表达的维度局部相关性,提出一种局部相关性可视分析方法.首先采用基于测地距离和局部子空间距离的二维散点图揭示子空间聚类模式;然后基于近似覆盖面积和平均距离进行相关显著性估计,给出可能具有局部相关性的二维子空间推荐;最后实现了可视分析系统,并通过案例分析验证了可视分析系统的有效性.

公司人间蒸发现象的多维分析和治理路径

在我国经济发展的“列车”快速前进时，也出现了一些不和谐音符，一些公司无视商业规则玩起了人间蒸发的游戏。本文从法经济学、法社会学、法伦理学、法学本体等维度对此现象及其造成的危害进行了剖析，并提出了完规修法、行政监管、伦理诚信、司法判例等多路径联动的治理方式。

基于可靠性的正则化加权软k-均值的子空间聚类

子空间聚类已经广泛应用于多个涉及高维数据聚类应用领域,受到机器学习研究者的广泛关注.子空间聚类方法是一种使用特征选择的聚类分析技术,通过选择重要特征子集实现对高维空间的低维表示,在实际应用中能够取得更好的性能,成为流行的高维数据聚类方法.与硬聚类方法相比,软聚类能够给出复杂数据更有意义的划分.扩展k-均值聚类并提出基于可靠性的正则化加权软k-均值新的子空间聚类方法(Reliability-based regularized weighted soft k-means clustering algorithm,RRWSKM),该方法能够计算每个特征对每个聚类的贡献度,从而找到与不同聚类相关的重要特征子集.另外,该方法能够通过调整模型参数准确地辨识数据模式,具有良好的聚类性能.该方法把维度加权熵和划分熵作为正则化项引入到目标函数,避免过拟合问题同时使更多的特征参与辨识聚类.为了提高算法的鲁棒性,使用可靠性测度获得特征权重初始值,提高算法的可靠性和性能.考虑到该算法是非凸优化问题,使用迭代优化方法得到优化问题的最优解.使用多个实际数据集对本文算法进行仿真验证,结果表明,与其他子空间聚类算法相比,该算法能够有效发现高维数据的低维表示,具有良好的聚类性能,适合高维数据的聚类.

刺激-反应联结学习在项目特异性比例一致效应中的作用

比例一致效应通常被用来研究认知控制的动态变化,其中项目特异性比例一致效应是其重要分支。当前研究分别以任务的无关属性(空间位置)与相关属性(颜色)进行比例偏置操纵,考察联结学习与注意调节在比例一致效应中的作用。结果发现,在刺激-反应编码具有显著性优势的条件下,当位置作为信号时,被试可以利用刺激-反应联结学习反转比例一致效应;当颜色作为信号时,联结学习不起作用,比例一致效应消失。这些结果表明刺激-反应联结学习在比例一致效应中起到主要作用,符合显著性编码假说的预期。

中医医院临聘护士职业风险压力现状调查

职业风险压力是职业要求与个体的知觉不平衡所引起的从业人员的心身压力状态，或是当工作条件未能与人的工作能力、人力资源相匹配时所产生的一种有害的生理与情绪反应。职业风险压力易使护士出现心理问题，可影响其护理服务工作中任何一个环节，甚至导致护理差错与质量安全事故。护理职业持续的风险压力还会进一步影响护士的身心健康，表现为职业倦怠，护理人员处于超负荷、高强度的工作压力状态，较大规模的医疗机构如三级、二级医院均采取聘请临时护士的办法，以解决临床护理人员数量严重不足的问题。由于该群体的特定身份，加上其工作性质和职业要求有别于在编护士，其身心承受的压力更大。因此如何稳定这支队伍，使之更好地为临床一线及患者服务，是值得医院管理者关注的课题。

基于CIM的偏差补偿稀疏NLMAD算法研究

针对输入信号受噪声干扰和输出观测噪声具有脉冲特征的稀疏系统辨识问题,提出一种基于CIM的偏差补偿(normalized least mean absolute deviation,NLMAD)算法,利用NLMAD算法可有效抵御脉冲输出观测噪声。首先应用无偏准则设计偏差补偿NLMAD算法来有效解决由于输入噪声导致的估计偏差问题;考虑到稀疏系统辨识问题,将CIM作为稀疏约束惩罚项引入到偏差补偿NLMAD算法提出了新的稀疏自适应滤波算法——CIMBCNLMAD算法。将所提算法应用于输入和输出均含有噪声的稀疏系统辨识和回声干扰抵消场景中,实验表明CIMBCNLMAD算法的稳态性能优于其他自适应滤波算法,说明该方法具有较强的鲁棒性且可应用于工程实践。

基于广义最大Versoria准则的稀疏自适应滤波算法

针对脉冲噪声干扰环境下传统稀疏自适应滤波稳态性能差,甚至无法收敛等问题,同时为提高稀疏参数辨识的精度的同时不增加过多计算代价,提出了一种基于广义最大Versoria准则(GMVC)的稀疏自适应滤波算法——带有CIM约束的GMVC(CIMGMVC)。首先,利用广义Versoria函数作为学习准则,其包含误差p阶矩的倒数形式,当脉冲干扰出现导致误差非常大时,GMVC将趋近于0,从而达到抑制脉冲噪声的目的。其次,将互相关熵诱导维度(CIM)作为稀疏惩罚约束和GMVC相结合来构建新代价函数,其中的CIM以高斯概率密度函数为基础,当选择合适核宽度时,可无限逼近于l_(0)-范数。最后,应用梯度法推导出CIMGMVC算法,并分析了所提算法的均方收敛性。在Matlab平台上采用α-stable分布模型产生脉冲噪声进行仿真,实验结果表明所提出的CIMGMVC算法能有效地抑制非高斯脉冲噪声的干扰,在稳健性方面优于传统稀疏自适应滤波,且稳态误差低于GMVC算法。

稀疏偏差补偿最小平均对数算法

针对最小平均对数(LMLS)算法在输入信号受噪声干扰的环境下进行稀疏系统辨识时存在精度低的问题,提出了一种稀疏偏差补偿LMLS算法.利用无偏准则推导偏差补偿项来修正输入噪声带来的偏差,构建偏差补偿LMLS.借助系统稀疏特性的先验知识,采用互相关熵诱导维度作为稀疏惩罚约束条件,优化偏差补偿LMLS算法.仿真结果表明,所提算法对于含噪输入信号下的稀疏系统参数辨识具有高稳态精度.

中国沦陷区文艺研究的方法问题——以杜赞奇的“满洲国”想象为中心

杜赞奇强调国家在时间和空间中的变化,将"满洲国"置于满洲、东亚、全球民族国家体系三个层面上加以重新阐释,意在通过跨学科方法来解构东亚区域研究。不过,由于其预设研究模式的失误,未能实现揭示伪满历史真相的预期。引入与近代殖民相关的四个宏观维度,确认历时阶段转换的时代差异,以及共时政权不同的区域差异,构建设身处地的立场或视角,有助于还原复杂多样的日本占领区中国文学样貌,客观确认其在现代文学史上的位置及意义。