湖南香花岭花岗岩含锂云母类演化及其找矿意义

对香花岭花岗岩已有云母资料进行误差修正计算的基础上，进行了云母分子式计算和成分分类，该区含锂云母类演化系列以尖峰岭岩体为代表，由黑云母→黑鳞云母→铁锂云母→铝质铁锂云母→锂白云母；由云母演化反映出癞子岭岩体岩浆演化程度低于尖峰岭岩体，而癞子岭岩体中Ｆｅ，Ｈ２Ｏ＋等流体组份（超临界流体）含量总体低于尖峰岭岩体是导致岩浆演化和云母演化乃至矿化差异的重要因素。云母特征值Ａ＜０５，０５～０６８，＞０６８值域，可分别判定无矿、Ｎｂ矿化和Ｔａ矿化，并得到栗木含矿花岗岩和无矿花岗岩中云母资料的验证，表明依据云母特征参数可评价岩体含矿性。

秦巴花岗岩类演化与深部构造关系的探讨

秦巴地区的地壳构造线,浅部呈东西向展布,深部呈南北向展布,作者把这种深浅异向的构造暂称为“立交桥”构造。在深,浅不和谐构造之间,必然产生大滑脱,并使滑脱面的岩石产生熔融,形成地震 P 波低速层。此低速层是花岗岩类的主要岩浆源。低速层的深浅控制了花岗岩类岩浆的成分,陆壳的构造控制了岩体的定位。

基于演化聚类的网络舆情数据挖掘系统设计

为了提升网络舆情数据挖掘的召回率、精度和查准率,设计一个基于演化聚类的网络舆情数据挖掘系统。从综合需求、功能需求两方面进行深入分析,确定挖掘系统的实际要求。构建挖掘系统整体架构,采用垂直化结构分别设计支撑层、数据层、服务层、功能层,应用演化聚类建立舆情信息抓取关键词词库,计算随机演化初始向量,得到实验向量,分析不同维度的目标向量演化值,实现网络舆情抓取功能,确定适值函数实现信息挖掘。实验结果表明,设计系统的召回率能达到95%,精度能达到90%,且查准率接近99%,说明该系统的应用价值较高。

广西崇左木榄山智人洞遗址的亚洲象化石：兼论华南第四纪长鼻类演化

最近在广西崇左木榄山智人洞发现了距今约11万年的早期现代人下颌骨及大量伴生的哺乳动物化石，这是迄今在东亚地区发现的时代最早的早期现代人。本文系统记述了该动物群中的长鼻类化石——较原始的江南象（Elephas kiangnanensis）与初现位的亚洲象（Elephas maximus）。智人洞的长鼻类缺失我国南方更新世的典型种类中华乳齿象（Sinomastodon）和剑齿象（Stegodon）；智人洞的动物群性质截然不同于华南早更新世的巨猿-中华乳齿象动物群（Gigantopithecus-Sinomastodon fauna）和中更新世的大熊猫-剑齿象动物群（Ailuropoda-Stegodon fauna），是晚更新世亚洲象动物群（Asian elephant fauna）的早期代表。智人洞动物群中缺失大熊猫、剑齿象和竹鼠等华南常见的森林型动物，很可能反映了江南象向亚洲象的一个过渡事件，该事件与早期现代人的起源很可能有一定的耦合关系；此外，动物群中林灌和草地型动物所占比例明显增加，又反映当时可能是森林退缩、林灌和草地扩大的生态环境，对应于相对干旱的气候。

从类演化讨论贵州二叠系下限问题

从上石炭统滑石板阶—达拉阶、逍遥阶及下二叠统紫松阶类的演化特征,Triticites的时限、Triticites与Pseudoschwagerina两个延限带的关系,以及相关地层岩石组合等方面探讨二叠系底界划分问题,提出有别于现行地质年表的划分方案。

华北地台类的演化与煤层生成

以华北地台59处创面全涵盖式研究为基础，建立了华北石炭、二叠纪类生物群演化系列，并划分为6带13亚带，从中抽取4个与煤层生成关系密切的阶段加以详细讨论，分别称为：（1）Pr阶段；（2）T阶段；（3）Ps阶段和（4）S阶段。其中第1阶段反映煤盆地的构造启动，另外3个阶段分别代表太原组底部厚煤层、山西组主煤层、南华北区大风口组煤层的生成机制。

渐进演化类拓扑优化算法的优化准则对比研究

渐进演化类拓扑优化算法的优化准则是影响结构优化结果的关键因素之一。以不同荷载和边界条件下的深梁模型为数值算例,比较了基于不同优化准则的3种算法在优化解和优化效率上的差别。结果表明:对于荷载和边界等条件较简单的构件,采用单向和确定性优化准则的渐进演化类拓扑优化算法能高效地得到最优拓扑,采用概率性优化准则和采用双向优化准则的渐进演化类拓扑优化算法有着更广的适用范围,在荷载和边界等条件较复杂的构件上,同样表现出较强的避免优化畸变的能力和全局寻优能力。对结合概率性优化准则和双向优化准则的遗传双向渐进演化结构优化算法建立了流程图,并进行初步讨论,以期进一步提高渐进演化类拓扑优化算法的实用性和寻优能力。

基于演化聚类的社交媒体舆情分析方法综述

当前,社交媒体已经成为人们发布和获取信息的最主要渠道之一。由于大量用户的参与,社交媒体平台上已累计了海量的舆情数据,并且还在以指数级增加。如何发现和跟踪社交媒体中舆情变化是当前数据挖掘领域研究的热点问题之一。基于演化聚类的方法是分析社交媒体舆情的一类主要方法。主要从主题模型和矩阵/张量分解模型两方面来总结当前基于演化聚类的舆情分析方法,并且分析这两类方法的优缺点;最后对下一步研究进行了展望。

基于近邻传播的不确定数据流演化聚类算法

鉴于现有算法缺乏从时序演化角度解决不确定数据流聚类问题,提出基于近邻传播的不确定数据流演化聚类算法.考虑不确定数据流在线形成微簇时的变化因素对离线聚类的影响,提出不确定微簇变化率的概念.从不确定数据流演化的角度衡量微簇之间的相似程度,提出不确定微簇关联度的概念,并以此为基础构造不确定相似度矩阵,结合近邻传播思想实现不确定数据流演化聚类.通过实验证明文中算法的有效性和良好的聚类效果.

地方高校数学类教学团队的演化与发展

本文对地方高校数学类教学团队的演化进行研究和分析,对地方高校数学类教学团队的发展进行了分析和探讨,并尝试提出通过虚拟教学团队的构建引领地方高校数学类教学团队的发展,从而使地方高校数学类教学团队能在某些方面得到较大发展。

嵌入技术的动态异构信息网络的演化聚类

为研究动态异构信息网络划分问题,利用异构信息网络的稀疏性,提出一种解决星型模式的动态异构信息网络的演化聚类算法。首先从相容的角度将异构信息网络转化为若干个相容的二部图,并构造时间平滑二部图,使其能够表达某时刻及先前时间结点间的关系;然后由随机映射和一种线性时间的求解程序快速计算出每个时间平滑二部图的近似commute time嵌入,获得指示目标数据集的多个指示子集;最后计算指示同一个目标对象的所有指示数据与标号相同的类的中心点加权距离总和,由k-means方法确定目标对象所属的类。经验证,该算法划分动态异构信息网络的准确率较高,计算速度较快。

基于加权联合矩阵的演化聚类算法

传统的演化聚类算法大多是基于单个时间截面进行问题求解,对于多时间截面的融合问题尚无有效的处理办法,造成了大量的知识浪费。从时间平滑框架出发,借鉴组合聚类思想,提出一种基于加权联合矩阵的演化聚类算法(WCEC)。实验表明,该方法不仅简单有效,而且对于数据点变化的演化情况具有较高的扩展性。

基于动态演化聚类算法的E-Learning培训搜索研究

随着信息化社会的高速发展,网络学习(E-Learning)培训越来越的应用到人才培训的各个领域,能否准确地利用用户搜索数据的效果关系到长期人才战略的发展。本研究简要分析了E-Learning培训搜索数据结构,利用重叠搜索模块度函数和指标作为目标函数,以演化聚类算法和搜索数据的编码解码为基础,构建了针对E-Learning培训动态网络重叠用户的动态演化聚类算法。最后实验表明提出的动态演化聚类算法能有效的解决用户实时搜索数据问题。

新媒体时代网络舆情治理研究热点与脉络演化——基于文献计量视角

新媒体时代,社交媒体普及、信息传播迅疾、公众表达意愿高涨,共同催生并加速了网络舆情的形成,进而对社会稳定和公共秩序产生了深远影响。为了更好地了解和应对网络舆论,实现有效的舆情治理和公共参与,基于沉默的螺旋理论,运用CiteSpace和VOSviewer软件量化分析2005—2023年间中国知网收录的720篇核心文献。结果表明:1)网络舆情治理年度发文量总体上升、局部波动,特别是随国家政策法规的实施和社交媒体的发展表现更为明显;2)发文作者和研究机构合作寡薄、地域差异明显,呈现出集聚与疏离相结合的空间地域特征;3)研究热点逐渐细化,其发展脉络演化为萌芽、扩展和深化三个阶段。

演化聚类在离散制造业质量管理中的应用

针对离散制造业质量管理系统中维度高,且存在较多一致性数据的情形,设计了一种基于信息论中的信息熵,即互信息的改进聚类算法。通过实验分析,采用改进的聚类算法可有效提高聚类的正确率,并且通过演化聚类理论和方法的应用可对离散制造业质量管理提供有效的决策参考信息。

基于多目标演化聚类的大规模动态网络社区检测

动态网络社区检测能揭示社区结构随时间演变的规律,是目前网络社区研究领域的热点之一.基于演化聚类的方法被广泛采用,但存在2个主要问题:1)缺乏结果校正机制,容易产生"结果漂移"和"误差累积"问题;2)问题的NP-难本质,导致基于模块度的精确社区结构检测在效率上存在很大问题.针对以上问题,通过对传统演化聚类框架和离散粒子群算法的改进及有效结合,提出一种高效且有效的多目标动态社区检测方法(multi-objective discrete particle swarm optimization for dynamic network, DYN-MODPSO),主要工作包括:1)提出基于最近未来参考策略的初始聚类结果校正方法,提高动态社区检测结果的有效性;2)改进传统粒子群算法,使其能与演化聚类框架有效结合;3)提出基于去冗余的随机游走初始群体生成方法,提高传统粒子群算法中的个体多样性并保证个体的初始精度;4)提出多个体交叉算子及改进的干扰算子,提高算法的局部搜索能力与收敛能力.大量基于真实和人工动态网络数据的实验结果证实,提出的方法在效率和有效性方面,显著优于同类比较算法.

基于演化聚类算法的电力系统暂态负荷同步预测

基于提高电力系统暂态负荷同步预测精度的目的,采用演化聚类算法对电力系统暂态负荷同步预测方法进行研究。采用BP神经网络,将补充数据的时间作为BP网络的输入变量引入训练好的BP网络中,以修正电力系统中的历史数据。根据修正结果引入演化聚类算法,计算电力系统在每一时刻的负荷数据。依据负荷数据,计算电压相量距离,获得电网中薄弱断面信息与输电断面关键故障集中的故障数据,确定电网中输电断面的暂态负荷信息,完成电力系统暂态负荷同步预测。通过对比实验,提出的预测方法在对电力系统电机端电压和功率变化预测上,具有较高的精准度,电压预测误差最大为0.025 V。

基于演化聚类的学习者知识跟踪模型研究

传统的知识跟踪模型存在个性化能力不足和预测精度差等问题,难以同时促进学习者的进步和教学系统的改进。为此,提出一种基于演化聚类的学习者知识跟踪模型。该模型将学习者在智能教学系统中的交互数据按照时间推移进行动态聚类,得到不同知识水平的学生群体,并传入贝叶斯知识跟踪模型得到预测结果。模型充分考虑学习者的个体差异以及学习者知识水平变化的时间平滑特性,能有效缓解异常数据的干扰,能更好地服务于学习者和教学系统。

基于形态特征的数据流聚类方法研究

在聚类过程中为保留数据的重要形态与趋势特征,提出一种基于形态特征的数据流聚类方法。在初始化阶段提取重要特征点表示序列分段,在在线更新阶段使用部分动态时间弯曲方法计算子序列距离,基于动态滑动窗口思想保证多条数据流中数据的同步,在用户触发聚类阶段提出数据流聚类方法。通过对仿真数据和实际股票数据的分析结果表明,在参数设置合理的情况下,该方法可以获得接近0.95的聚类演化精度。

一种基于代表点的分布式数据流聚类算法

为发现分布式数据流下不同形状的聚簇,提出了一种基于代表点的聚类算法。算法首先在代表点定义的基础上,提出环点的概念以及迭代查找密度相连环点的算法,在此基础上生成远程站点的局部模型;然后在协调站点设计合并局部模型,生成全局聚簇的算法。通过真实数据集与仿真数据集的实验表明,算法使用代表点能够发现不同形状的聚簇并显著降低数据传输量,同时通过测试—更新局部模型算法避免了频繁发送数据。