同态明文-密文矩阵运算及其应用

支持单指令多数据操作的同态加密方案能有效提高密文计算的均摊效率,但密文结构导致矩阵运算复杂度高。在许多应用中,采用明文-密文矩阵操作可以在确保安全的同时实现隐私计算。基于此,提出一个适用于任意维数的明文-密文矩阵乘法方案。该方案通过明文矩阵编码和密文矩阵维数变换等步骤计算得到密文结果。与已知最好的Jiang等所提的密文方阵乘法算法相比,所提方案支持任意维数的矩阵乘法,并支持矩阵连乘;理论分析和实验结果均表明,所提方案具有更低的密文旋转复杂度和更高的计算效率。将所提方案应用在隐私保护的贝叶斯分类器中,能以更高安全参数和更少计算时间完成分类任务。

数据分类分级确权对数据要素价值实现的影响

数据确权是释放数据要素价值的基础,同时也是数据要素市场正常运行和不断发展的关键支撑。研究梳理了数据确权相关概念以及如何建立产权体系以实现数据确权的路径。在此基础上,本研究明晰了数据分类分级确权的具体方式,并基于价值链分析其对数据价值实现中各个环节的影响。研究结果表明,在数据采集环节数据分类分级确权制度能够激励数据供给,提高数据质量,同时激发市场活力;在数据组织环节,它细分了技术工作,保护隐私数据,并挖掘潜在价值;在数据流通环节,它能调节负外部性、降低交易成本、优化资源配置;最后,在数据利用环节,它在数据合规监管和数据价值再开发方面发挥了关键作用。

基于集成神经网络的类风湿关节炎中医证候分类器研究

目的构建一种集成神经网络模型实现类风湿关节炎(RA)中医证候分类,并探究其中的特征重要性和风险因素。方法针对基于人工智能技术的RA中医证候多标签分类中存在的标签关联性差、泛化性能低等问题,提出一种集成神经网络模型——集成神经网络链(FEN)。FEN模型采用一种基于深度神经网络的特征提取基分类器提取临床RA多标签样本的深层特征,增强RA特征区分度;根据协方差理论衡量标签相关性,调节分类器链的输入空间,减少RA错误信息传播和冗余度;并采用集成学习方法减小分类器链中不合理标签序列对RA特征分类的影响。此外,分析了RA中医证候主证和兼证的特征贡献度,挖掘其潜在的风险因素。结果FEN模型的10折交叉验证性能参数汉明损失、1-错误率、准确度和F1值分别为0.0036、0.0248、97.52%、99.18%。与7种典型多标签分类器(分类器链、标签幂集、二进制关联、随机k-标签集、多标签K最近邻、集成分类器链和集成二进制关联)相比,FEN模型具有较好的分类性能。特征贡献度分析提示,主症和次症特征均可作为RA中医证候分类的重要指标,是影响主证和兼证分类的主要因素。结论基于集成神经网络模型的RA中医证候分类器具有较高的分类精度和效率,对于RA的临床诊断和治疗具有重要参考价值。

基于成果导向教育的分类器实验教学设计探索

探索一种区别于传统教育的新型OBE教育模式。以学生自身兴趣爱好为导向,引用经典课题实践案例,并将其分解成不同难度题型,引导不同基础学生用科学的方法实现基于Python编译器的分类器仿真实验模型,让每一个学生能够得到最大程度的学习效率。通过此互动式、开放性的课堂教学,不仅充分激发了每一个学生的学习能动性,也使得教师通过课堂氛围灵活的分配教学计划以获得更好的教学体验,更好地完成教学成绩。

基于审美分析的口腔美容修复分类诊疗方案(一):基本概念、决策树及临床路径

当前美容修复临床方案多基于欧美国家提出的口腔美感指标(简称欧美审美)制定,但机械地照搬欧美口腔美容修复方案,忽视了其与中国人口腔美感指标(简称中式审美)的差别,是无法有效支撑国人个性化口腔美容修复诊治的。另外,近年发展迅猛的美容修复新技术、新方案层出不穷,但不少热门概念的内涵混淆不清,也缺乏应有的分级诊疗规范,急需讨论明晰。本文从服务好口腔美容修复临床运用出发,探讨了中译词“美学”的不足与误用,美学与美容的区别与联系,美容修复与固定修复的相关关系,还讨论了前牙区、美学区与暴露区的差别、口腔审美分析的诊疗价值,以及脱敏、暗示等疗法在口腔疑难美容修复病例中的运用方法。进一步介绍了审美分析引导的暴露区牙位修复重建的决策树及临床路径,并案析介绍了审美分析评估临床流程、口腔美容修复临床三分类及相应的临床分类诊疗要点。

分行业信息披露与分析师预测——基于行业信息披露指引发布的证据

利用沪深交易所分批次发布的行业信息披露指引作为准实验场景,考察分行业信息披露对分析师预测的影响。研究发现:分行业信息披露显著提高了分析师盈余预测准确度,降低了乐观度与分歧度,且该结论在经过异质性处理效应检验、平衡趋势检验、安慰剂检验、更换核心变量测量方法等一系列稳健性测试后仍然成立。作用机制检验结果表明,行业信息可比性是分行业信息披露影响分析师预测的主要渠道。异质性分析显示,当行业信息敏感性较高、分析师行业专长水平较低、分析师信息获取成本和处理成本较高时,分行业信息披露对分析师预测的积极影响更明显。进一步研究表明,分行业信息披露显著增加了分析师可以获得的公共信息。

基于同伴辅助学习分类器的部分域自适应方法

为了解决传统方法忽略分类器转移场景,进一步减轻负转移,提出一种基于同伴辅助学习分类器的部分域自适应方法。提出一个软加权最大均方差来减轻源异常域和目标域之间的负迁移,使得源共享域和目标域的特征分布在特征空间中是一致的;引入一种同伴辅助学习方法,减轻特定目标学习分类器的过度拟合问题。在三个数据集上的实验结果证明该方法不仅减轻了负迁移,而且解决了分类器移位问题。

一种基于多分类器和证据理论融合的水质分类方法

针对单分类器对不同水质类别识别不均衡、水质分类准确率较低、适应性较差的问题,提出一种基于多分类器和证据理论融合的水质分类方法。选取深度神经网络分类器、改进支持向量机分类器和贝叶斯分类器3种分类器,通过全概率公式构建信度函数,基于证据理论对信度函数进行融合,获得多分类器融合模型。从国家地表水水质自动站发布的2022年3月1—22日水质数据中选取3 558条数据为样本集,采用DNN水质分类模型、PSO-SVM水质分类模型、贝叶斯水质分类模型和多分类器融合模型对待测样本进行测试。结果表明:多分类器融合模型对水质类别判定的平均准确率、精确率、召回率和F1值分别为94.2%、93.8%、94.2%和94.0%。相较于DNN水质分类模型、PSO-SVM水质分类模型、贝叶斯水质分类模型,多分类器融合模型准确率分别提高5.6%、9.8%和13.6%,精确率分别提高5.2%、10.0%和10.9%,召回率分别提高5.6%、9.8%和13.6%,F1值分别提高5.4%、10.2%和12.3%,多分类器融合模型在水质分类方面的准确性和适应性更高。

新形势下民办教育宏观治理的完善与创新

过去一个阶段,我国民办教育宏观治理重在通过推进非营利性和营利性民办学校分类管理改革,破解政策瓶颈,支持和规范民办教育健康发展。以2018年以来国家层面系列规范性文件的出台及实施为标志,民办教育制度环境发生显著变化,民办教育宏观治理步入以鼓励公益办学为重点的全面规范期。新形势下,服务服从于教育强国建设,引导规范民办教育发展,要按照分类管理的基本架构,遵循“源头治理、综合治理、多元治理、依法治理”的总体思路,厘清治理逻辑,完善治理体系,创新治理方式,使民办教育在发展中走向制度化规范,在规范中实现高质量发展。

基于合约熵判决算法的区块链网络DDoS防御优化

为针对多域协同联合防御分布式拒绝服务(DDoS)更有效发挥区块链网络优势,该文提出智能合约熵检测(SCED)算法。基于Hyperledger Fabric区块链架构,首先,通过智能合约技术构建多域协作机制,建立智能合约协作子算法;然后,针对受害域内非法流量IP生成IP黑名单,并通知所有协作域,协同防御DDoS;其次,在各单域内部署由监测、比对、分类及防御模块组成的熵判决防御子算法,检测处理域内非法流量;最后,结合多域智能合约协作和单域熵判决防御,实现区块链网络中受害域、中间域及攻击域协同防御DDoS。仿真结果表明,对比ChainSecure等算法,SCED算法在精度和效率方面有较好的表现。

面向人脸属性编辑的三阶段对抗扰动生成主动防御算法

针对恶意人脸属性编辑行为,基于取证的被动防御技术只能对篡改行为进行取证并不能防止其产生,从而难以消除恶意篡改行为已经造成的损失.因此,主动防御技术应运而生,其可以破坏属性编辑的输出从而避免人脸被篡改使用.然而,现有两阶段训练人脸篡改主动防御框架存在迁移性和扰动鲁棒性不足的问题,为此本文通过优化两阶段训练架构及损失函数和引入一个辅助分类器,提出一种三阶段对抗扰动主动防御框架.本文首先修改两阶段训练架构中的代理目标模型并基于此设计了训练扰动生成器的属性编辑损失,以提升代理模型的重建性能和属性约束能力,从而减少对代理模型的过拟合;其次,在训练阶段引入辅助分类器对代理模型提取的编码后特征进行源属性分类并基于此设计训练扰动生成器的辅助分类器损失,从而将原本的两阶段交替训练改为代理目标模型、辅助分类器和扰动生成器的三阶段交替训练,期望通过对抗攻击辅助分类器以促进对篡改模型的主动防御;最后,在扰动生成器的训练中,引入攻击层以促进对抗扰动对滤波和JPEG压缩的鲁棒性.实验结果验证,本文提出的框架能够比现有框架更好地将主动防御从白盒的代理目标模型迁移到黑盒的属性编辑模型,黑盒性能提升16.17%,且生成的对抗扰动较基线算法具有更强的鲁棒性,针对JPEG压缩的性能(PSNR)提升13.91%,针对高斯滤波提升17.76%.

增强职业教育适应性的高职专业群分类精准育人路径探究

职业教育适应性是指职业教育作为一种类型教育、适应外部环境需求和变化的能力,是衡量职业教育高质量发展的核心指标。专业群分类精准育人能够立足产业发展,注重学生个性化和可持续发展,有助于增强职业教育适应性。作者以苏州健雄职业技术学院药品生物技术专业群人才培养为研究对象,聚焦职业教育适应性与学生个性发展,探索基于职业教育适应性的精准育人路径,并从课程体系、教学平台、教学资源、评价体系和管理制度等方面进行阐述。

银杏硫酸盐木质素组分分离及其抗肿瘤构效研究

为了从硫酸盐木质素中提取具有抗肿瘤活性的成分,以不同极性的溶剂对银杏硫酸盐木质素(KL)进行分级,利用MTT法研究各分级组分的抗肿瘤活性;根据抗肿瘤活性结果,利用中压制备液相色谱对抑制效果最明显组分进行纯化,采用质谱、^(13)C NMR等方法确定其结构,并分析构效关系。FT-IR分析结果表明:KL具有与银杏磨木木质素(MWL)相似的结构;分级组分的总酚含量(TPC)随着其相对分子质量增加而降低。抗肿瘤实验结果表明:乙醚可溶组分(LC2)对人源肺癌A549细胞的抑制作用最强,IC_(50)值为(366.09±6.39) mg/L。LC2纯化结果发现,分离出的化合物L7的抗肿瘤活性最好,对肺癌A549细胞的IC_(50)值为(89.44±2.13) mg/L。质谱、^(13)C NMR测试结果表明:化合物L7是酚羟基上连接着2-丙醛取代基的β-5结构的松柏醛二聚体。木质素小分子物质的苯丙烷单元侧链上醛基的增加会提高抗癌活性,但是醚键的增加会降低抗癌活性。

从“数量名+NP”话题句看话题和述题的复杂依存关系

汉语“数量名+NP”在特定语境中可作话题,被赋予定指理解,但同时也凸显数量特征,是有标记话题。该结构要求述题须表达数量特征,但受句子体特征和语用因素影响其内部也有细微差别。“数量名”话题自身的特征与“话题—述题”的陈述关系决定结构对述题的要求,而述题的构造和语义也有助于话题指称类型的理解,二者相互依存。

基于极化SAR梯度和复Wishart分类器的舰船检测

舰船检测是极化SAR系统的重要应用之一。现有的舰船检测方法容易受到旁瓣泄露的干扰,使得舰船目标的形态难以提取,导致检测结果不符合真实情况。此外,在舰船过于密集、尺度不一致的情况下,相邻舰船由于旁瓣的影响有时会被认为是单个目标,从而造成漏检。针对这些问题,该文提出一种基于极化SAR梯度和复Wishart分类器的舰船检测方法。首先,将似然比检验(LRT)梯度引入对数比值梯度框架,使其适用于极化SAR数据;基于LRT梯度图进行恒虚警(CFAR)检测,提取舰船的边缘信息,消除伪影的同时抑制强旁瓣对舰船精细轮廓提取的影响。其次,利用复Wishart迭代分类器对舰船强散射部分进行检测,可排除大部分的杂波干扰且保持舰船形态细节。最后,将二者信息融合,从而可以保持舰船形态细节的同时克服旁瓣和伪信号的虚警。该文在3幅来自ALOS-2卫星的极化SAR图像上进行了对比实验,实验表明与其他方法相比,该文所提算法具有更少的虚警和漏检,且能够有效克服旁瓣泄露,保持舰船形态细节。

江苏高职院校分类考试招生模式、问题与对策研究

《江苏省深化普通高校考试招生制度综合改革实施方案》提出按照因材施教、多次选择、面向人人的原则,建立高等职业教育分类考试制度。江苏高职院校分类考试招生满足了经济发展对不同类型的人才需求,有利于高职院校选拔适合学校发展的人才,促进了学校和学生之间的双向选择。然而,在实践过程中存在诸多问题:分类考试招生如何兼顾公平与效率;招考方式的合理性选择;合适生源的需求与供给;生源类型多元化与因材施教。鉴于此,分类考试招生在加强宏观指导、优化招考方式、重塑高职教育发展生态、探索差异化教学模式等方面进行了初步探索,以期为完善及推进江苏高职院校分类考试制度提供参考。

基于欠采样和多层集成学习的恶意网页识别

现实中恶意网页与良性网页比重严重失衡,传统的机器学习分类模型不能很好的应用,为此提出一种基于欠采样和多层集成学习的恶意网页检测模型。通过欠采样达到局部数据平衡;通过第一层基于权重和阈值的集成学习确保模型的准确度;通过第二层基于投票的集成学习保证全局信息的完整性。实验结果表明,所提模型在不平衡数据集上的恶意网页识别性能优于传统机器学习模型。

分类评价:高校管理干部评价改革新探索

高校管理干部队伍是推动高校事业蓬勃发展的坚实基础,科学有效的评价体系是加强高素质、专业化管理干部队伍建设的基础性工程。传统评价方式“千人一面”、评价内容“简单趋同”,容易引起不同区域管理干部的同质化竞争。分类评价凸显了新时代高校管理干部的治理使命,推动了专业化人才培育、精细化分类治理和长效化效能提升。作为高校管理干部评价体系改革的新探索,可结合高校治理诉求,针对高校类型的不同、干部岗位类型的不同、干部分级类型的不同开展高校管理干部评价。

我国高校分类发展的历史探索与实践逻辑

实现高校分类发展,既是高等教育普及化的必然要求,更是建设高等教育强国的必由之路。依托历史制度主义理论,基于对中央政府及其职能部门相关政策文件的文本分析,发现中华人民共和国成立70多年来我国高校分类发展,经历了探索建设、恢复调整、规范制度化、创新深化四个阶段,并隐含着底线思维、非均衡发展、知识社会建制、以评促建等实践逻辑,它们主导着高校分类发展的方向。未来,应借鉴历史经验,并根据新时代社会矛盾发生转化的新趋势,构建高校分类发展的包容性政策框架,发展多样、公平且有质量的高等教育。

微生物不平衡数据重采样算法的比较研究

重采样算法的主要思想为原始数据集经欠采样、过采样或混合采样处理,生成一个趋于平衡的数据集,进而使用经典的分类算法解决类不平衡问题。在疾病诊断领域,微生物数据集由于其高稀疏性,与其他不平衡数据集有较大区别。现有的重采样算法已在其他领域得到验证,但在疾病诊断领域,很少有研究对此类算法的有效性和适用性进行深入对比。基于此,对现有的重采样算法利用不同的微生物数据集和分类器进行研究比对。根据重采样算法的采样效果、分类器在不同数据集上的分类性能和不同分类器在数据集上的分类性能等3个方面分析实验结果,得到在不同的评价指标下最适用的重采样算法。验证了重采样算法在处理微生物不平衡数据集上的有效性,有利于解决数据不平衡分类问题,有助于在疾病诊断领域中研究人员快速选择合适的重采样算法和分类器。