村党组织书记“一肩挑”的实践逻辑与规范协同

党的领导是推进农村社会治理现代化,实现乡村振兴的根本保障与动力引擎。党的二十大明确提出:“把基层党组织建设成为有效实现党的领导的坚强战斗堡垒。”村党组织与村民委员会同为农村核心治理主体,二者关系处理是影响农村经济社会发展的关键变量。村党组织书记“一肩挑”的实施依据是《2019年中央一号文件》和《中国共产党农村基层组织工作条例》。村党组织书记“一肩挑”契合了当前农村治理衍生关系复杂性对于治理主体利益协调能力、责任服务意识与良好道德品行的客观需求,体现了党对于农村实现共同富裕与高质量发展目标的组织安排。厘清村党组织书记“一肩挑”制度的实践逻辑、内在结构与规范协同,有助于从整体架构层面廓清和完善农村社会治理体系,为其治理能力提升提供制度势能。基于功能主义视角审视,村党组织书记“一肩挑”蕴含了践行全过程人民民主理念、推进“三治融合”治理模式、实现利益协调治理效果的多重实践逻辑。结合制度文本分析,党内法规与国家法律针对村党组织书记“一肩挑”的文本表达既有耦合性与交叉性特征,也有“具体—概括”“顺序承接”“并列关联”“严格—兜底”等规范形态。但实践中,党内法规与国家法律的衔接协调不畅可能造成村党组织书记“一肩挑”主体的担当能力不足、民意基础薄弱、权力行使失范等问题。秉持立法与立规统筹、中央与地方互动、激励与监督并重原则,着力从领导规定、选举程序、民主决策以及权力监督等层面促进党内法规与国家法律的规范协同,有助于实现村党组织书记“一肩挑”的预设功能。具体而言包括:在领导规范层面,完善上级党组织领导村党组织、村党组织领导农村其他组织的规范;在选举规范层面,应将民意征集设置为村党组织书记选举必要程序,阐明村党支部书记未当选村民委员会主任的补救措施;在决策规范层面,明确应经村党组织讨论和决定的内容并优化农村民主协商的决策程序规范;在监督规范层面,应出台针对村(社)巡察专门规范并完善村务监督补充性规范。

多元纠纷解决机制视域中行政道歉的实体法律规范研究

作为多元纠纷解决机制的重要组成部分,行政道歉能够帮助实现“满足当事人多元需求、促进纠纷实质性化解”的目标。为了更好地实现行政道歉的功能,需要从致歉主体、对象、条件、内容以及后续法律责任等方面予以实体规范。致歉主体分为致歉组织和直接责任人等具体致歉人,致歉对象不限于社会公众和特定行政相对人,致歉条件涵盖“失政”“失德”行为,致歉内容包括分析错误、自责、补救等,后续责任追究成为行政道歉完成的最终标志。

张量学习诱导的多视图谱聚类

现有的方法将通过张量奇异值分解(t-SVD)正则化的低秩表示应用到多视图子空间聚类中,取得了令人印象深刻的聚类性能.然而,它们都具有以下两个共同的缺点:(1)他们专注于探索样本之间的关系以构建表征,然后将其堆叠为张量,其计算复杂度至少为O(n2logn);(2)他们总是直接在整合的表征上运行标准的谱聚类算法,而忽略了不同表征对最终聚类结果的先验知识.为了解决这些问题,本文提出了一种新颖的张量学习诱导的多视图谱聚类(TLIMSC)方法,其中同时探索了空间聚类结构和互补信息.具体来说,该方法将关联样本和簇关系的多视图谱嵌入表示堆叠成张量,计算复杂度最终变为O(n logn).然后,将学习到的带有不同自适应置信度的表征与最终的一致聚类结果联系起来.在五个数据集上的广泛实验证明了TLIMSC所具有的有效性和高效性.

基于Optuna框架的L_(p)范数约束下多核支持向量机在违约风险预测中的应用

针对违约数据存在数据量大、维度多、不平衡及噪声大等缺点,提出一种改进的支持向量机方法,即基于Optuna框架的L_(p)范数约束的代价敏感的多核支持向量机(L_(p)-Optuna-SVM)。该方法采用成本矩阵对不同预测错误赋予不同数值,通过多核学习引入多核混合核函数组合;同时采用Optuna优化框架对犯错成本、核函数的参数和权重实现了自动化的调优过程;还在核函数权重上引入L_(p)范数约束,以提高模型对噪声和异常数据的鲁棒性。最后,对4种常用的基础核函数组合的L_(p)-Optuna-SVM进行探讨,并与单核支持向量机以及K邻近法、逻辑回归、高斯贝叶斯进行对比。结果表明,在给定数据集上,L_(p)-Optuna-SVM在违约数据上的g-mean和AUC均高于其他算法,并且在加了不同方差的噪声数据集上,该算法整体依旧保持较好的鲁棒性。

基于局部归一化互信息联合约束的三维头颈部CT/MR配准方法

针对头颈部图像的复杂解剖结构和不同模态图像的差异,提出一种改进的多模态配准方法。该方法采用局部归一化互信息作为相似性测度,以捕捉局部图像区域的相似性,并减少不同区域间的强度差异对配准结果的影响。此外,为解决MR图像易受到噪声和伪影的影响产生畸变的问题,引入F范数约束配准过程,抑制不必要的畸变。实验结果表明,所提方法在降低均方误差、提高配准精度和鲁棒性方面均有所提高。

城市居民低碳出行意向异质性分析

为揭示居民低碳出行决策过程的内在机理,识别个体异质性对低碳出行决策的影响,本文结合计划行为理论(TPB)和价值信念规范理论(VBN),引入环境意识、政策因素和出行时间感知构建了城市居民低碳出行意向模型。首先应用结构方程模型对398份有效数据进行检验分析,识别模型中的直接效应与间接效应,然后通过多群组结构方程进行异质性分析。研究结果表明,个人规范、态度、知觉行为控制和主观规范对居民的低碳出行意向均有显著直接影响;政策因素与环境意识、出行时间感知可通过中介变量来间接影响低碳出行意向;潜变量对低碳出行意向的主要影响因素按总效应值排序为:个人规范(0.405)、政策因素(0.359)、态度(0.325)、环境意识(0.294)。多群组分析结果表明,年龄和出行时间可以调节潜变量之间的作用关系:对于出行时间较短的青年人来说,态度是影响其低碳出行意向的主要因素;对于出行时间较长的中老年人,个人规范对其低碳出行意向的影响更大。研究结论可为制定差异化的城市居民低碳出行引导策略,促进城市低碳客运交通发展提供一定的理论依据。

基于多尺度分解和改进稀疏表示的脑部图像融合

为克服单一模态脑部图像的局限性,进而突出病灶细节信息,提高视觉清晰度,降低时间成本,提出了一种NSST域下结合DWT和改进稀疏表示的算法框架。首先,NSST分解源图像获取高、低频分量,DWT对低频分量进一步分解生成对应的能量子带及细节子带。其次,利用SPCNN融合低频能量子带,多范数加权度量改进的稀疏表示融合低频细节子带,继而用逆DWT进行融合,并经SPCNN融合高频子带。最后,逆变换得到期望的脑部图像。从主观视觉和客观评价指标两个维度对结果进行综合评估,对比另外4种主流的活跃度水平计算方法,新推出的方法能够兼顾信息的数量和集中程度,效果最优。较之当前主流融合算法,新方法突出了病灶信息,提高了融合效率,降低了时间成本,在视觉效果和客观指标上均有显著优势,能够为临床诊断、教学起到辅助作用。

内外先验结合的多尺度低秩去噪方法

内部先验的去噪方法侧重图像的低秩性、稀疏性等先验知识,较少考虑多尺度特性;而基于外部先验的去噪方法充分利用自然图像的先验信息,却难以恰当地估计相似块组的秩.针对这些问题,综合考虑不同尺度间的噪声图像信息以及外部清晰图像的统计分布规律,提出内外先验结合的多尺度低秩去噪方法.在预训练阶段,学习外部自然图像数据集的统计分布规律,获得外部自然图像的先验信息;在分组阶段,采用外部先验信息引导噪声图像分组,构建低秩矩阵;在低秩约束阶段,利用构建的多尺度低秩去噪方法对噪声图像进行重建.在Set5,Set12,Kodak,McMaster等经典图像数据集上的实验结果表明,该方法在客观评价指标上有较为明显的改善,如峰值信噪比优于对比方法0.2 dB,并在主观视觉效果上能够保留图像细节和纹理.

多智能体通信中的消息聚合策略多样化研究

通过研究包含通信的多智能体强化学习中通信图的邻接矩阵,发现消息聚合的同质性可通过矩阵的秩来衡量。使用核范数,即以矩阵秩的凸包络代替秩进行优化,进一步提出一种即插即用的正则化器“核范数正则化”以约束邻接矩阵,可主动丰富消息聚合策略的多样性。以交通路口和星际争霸II作为实验场景进行验证,使用核范数正则化增强的图注意力网络进行消息聚合,比较相应的训练效率。实验结果表明,相比于现有的消息聚合方法,该方法可得到更多样的消息聚合策略,获得更好的任务性能。此外,该方法易于集成到现有的图建模多智能体通信方法,而且可有效提高其性能。

基于稀疏一致图分解的鲁棒多视图聚类算法

由于数据形式日益复杂,陆续涌现了大量多视图聚类算法。但现有方法存在计算复杂度较高、需要额外的后续处理步骤、构造的相似图非最优等缺点。基于此,首先提出一种基于稀疏一致图分解的单视图聚类算法,然后将其扩展为多视图聚类算法,考虑不同视图对最终结果的贡献不同,对每个视图分配适当的权重,同时利用L_(2.1)范数,得到性能更优的一致图,在一致图基础上学习非负表示矩阵,经交替迭代得到聚类结果。最后在多个数据集上进行比较实验,验证了该算法的有效性。

金融文本特征挖掘及动态融合因子策略研究

目前的金融文本分析受到非规范性金融文本的局限性,所提取的金融特征有效性不足。为解决这一问题,提出了以券商研究报告为研究对象的规范性金融文本特征挖掘模型(normative finanical text feature mining,NFTFM),通过构建规范性金融情感词典(normative finanical text sentiment dictionary,NFTSD)充分挖掘券商报告语义,并采用K邻近算法(K-nearest neighbor,KNN)实现报告作者评价态度分类,将态度分类结果按照时序维度整合为评价一致性因子(rate volatility,RC)和评价特征因子(rate consistency,RV)两类金融特征因子;针对传统量化多因子模型的因子权重无法自适应市场变化的问题,提出动态优化的融合因子策略,通过遗传算法动态优化因子权重。为验证规范性金融特征因子的有效性以及动态优化融合因子策略的效果,以RC、RV因子为基础因子集合,针对中证500股票构建多因子策略实例并展开历史周期回测。结果表明,策略收益相比于基准收益有明显提升,且对于不同的市场环境都具有较好的适应能力,表明NFTFM模型有效地提取了规范性金融特征因子,且动态优化的融合因子策略下的各类因子具有自适应市场变化的能力。

基于潜在低秩表示的多聚焦图像融合方法

低秩表示(LRR)侧重于图像主要特征表示,在实现多焦距图像融合中容易造成细节信息模糊。鉴于此,本文在LRR的基础上对细节信息进一步分解,提出了一种基于潜在LRR(LatLRR)的多聚焦图像融合方法。该方法首先通过预先训练产生一个潜在低秩字典矩阵,以用于后续细节信息的分解并减少运算量。采用滑动窗口将待融合图像分割成多个图像块并构建成一个源矩阵,采用LatLRR对源矩阵进行分解得到低秩部分和细节部分。最后,对低秩部分和细节部分分别采用加权平均与核函数的奇异值分解策略进行融合。对比实验结果表明:在主客观评价中,本文提出的LatLRR的多聚焦图像融合方法获得更好的性能,更好的多焦距图像融合性能。

新Schweizer Sklar范数图模糊算子与决策应用

现有的图模糊运算法则不满足运算封闭性,并且对于图模糊聚合算子多通过单个算子聚合评价信息进行决策,无法全面考虑决策信息间的关系。在Schweizer Sklar(SS)范数条件下定义一种图模糊运算法则。由于幂平均算子可以降低异常评价信息对决策结果的影响,Muirhead平均算子能够体现属性间关联性的影响,因此通过对幂平均算子和Muirhead平均算子进行复合,设计图模糊SS范数聚合算子以及其加权的形式,根据所提的图模糊运算法则推导聚合算子的数学表达式并验证其具有幂等性、交换性和有界性。基于所提的图模糊SS范数聚合算子构建一种图模糊多属性决策方法。实验结果表明,所提的图模糊SS范数聚合算子具有可行性和有效性,决策者可以依据自身风险偏好调节参数向量Q和λ的取值,以满足不同的决策需求。相比PFWA、PFWG、PFWMM等单个算子,所提的复合算子可以更加有效、稳定地聚合评价信息来获得决策结果。

生态翻译学视域下天津市公示语英译规范研究——以天津地铁为例

关于公示语英译研究多以翻译方法与策略分析居多,规范性标准尚未有学者提及。本研究以生态翻译学的多维适应选择论为理论基础,参考国标、北标等基本规范,以天津地铁9号线为例,调研公示语英译语料313条,以生态翻译“三维”视角:语言、文化、交际对其进行量化分析,并将生态翻译学多维适应选择的概念引入天津市公示语英译研究,形成公示语英译生态型规范,编撰《天津地铁公示语英译标准》范例,促进公示语英译天津地方标准的形成。

一个新的零模非凸代理函数及其应用研究

基于带平滑削边绝对偏离(Smoothly Clipped Absolute Deviation,SCAD)函数和弹性网络(Elastic Net)函数,提出了一个零模非凸代理函数(EN-SCAD函数),该代理函数是弹性网络函数与一个连续可微凸函数的差,因此是一个凸差(Difference of Convex,DC)函数;然后,将EN-SCAD函数应用于稀疏线性回归问题,建立了EN-SCAD非凸代理模型,在适当的限制强凸条件下得到该模型的稳定点与真实稀疏向量之间的统计误差界;其次,根据EN-SCAD非凸代理模型设计了一个多阶段凸松弛算法,并得到了该算法产生的迭代点列与真实稀疏向量之间的统计误差界;最后,将基于EN-SCAD非凸代理模型设计的算法与自适应弹性网络凸松弛方法的数值效果进行比较,数值实验结果表明:当采样矩阵的列向量具有强相关性时,基于EN-SCAD非凸代理模型的算法产生的估计误差小于自适应弹性网络凸松弛方法产生的估计误差。

多范数混合约束的正则化图像盲复原

针对传统的正则化盲复原方法中图像和点扩散函数(PSF)的保真项和正则项分别采用同范数约束致使复原图像的质量下降,估计出的PSF准确性降低的问题,提出了多范数混合约束的正则化图像盲复原方法。首先,复原图像的保真项和正则项分别采用L1范数和全变分(TV)范数来消除复原图像中的阶梯效应并较好地保护复原图像的边缘。其次,PSF的保真项和正则项分别采用L2范数和H1范数以降低估计PSF时参数调节的难度。最后,通过分裂布雷格曼迭代方法对提出的模型进行最优化求解。在人造模糊图像和真实模糊图像上进行了实验,结果表明:提出的方法能够对运动、散焦等多种模糊类型的图像进行有效复原,并准确地估计出相应的PSF。与近年来一些较好的模糊图像盲复原方法相比,不仅在主观视觉效果上有较为明显的改进,而且在客观的改善信噪比(ISNR)上也提高了0.36dB到14.66dB。

基于构建虚同相轴压制地震层间多次波

基于构建虚同相轴来估计层间多次波的方法是克希霍夫积分表示定理的一个延伸发展.本文通过构建虚地震同相轴巧妙地将散射点从地下移到了表面,利用表面的散射点来预测层间多次波.由于预测与实际地震记录中的层间多次波振幅存在偏差,采用了多道的L1范数匹配算法来实现真振幅的多次波压制.对简单模型和南黄海地质模型的数据处理实例验证了本文研究方法的正确性和有效性.

基于范数的多维数据模糊聚类方法

根据多维数据间相似度的定义,阐述了数据相似度与向量范数之间的关系,提出了一种基于范数的多维数据模糊聚类方法·该方法把每一个多维数据看做一个多维向量,利用与向量有关的范数对其中的数据进行排序,得到一个近似聚类族解·同理,对每一个近似聚类使用另一个范数做进一步分解,求解多维数据模糊聚类的近似解·最后,对得到的每一个近似聚类使用传统方法求出准确聚类·使用该方法不需建立模糊相似关系即可进行多维数据的近似聚类,总共所需访问数据库的次数也较小,因此具有较好的性能,特别适合于针对大型数据库的聚类·

基于自适应联合字典学习的脑部多模态图像融合方法

针对目前全局训练字典对于脑部医学图像的自适应性不强,以及使用稀疏表示系数的L1范数取极大的融合方式易造成图像的灰度不连续效应进而导致图像融合效果欠佳的问题,提出一种基于自适应联合字典学习的脑部多模态图像融合方法。该方法首先使用改进的K奇异值分解(K-SVD)算法自适应地从已配准的源图像中学习得到子字典并组合成自适应联合字典,在自适应联合字典的作用下由系数重用正交匹配追踪(CoefROMP)算法计算得到稀疏表示系数;然后将稀疏表示系数的"多范数"作为源图像块的活跃度测量,并提出"自适应加权平均"与"选择最大"相结合的无偏规则,根据稀疏表示系数的"多范数"的相似度选择融合规则,当"多范数"的相似度大于阈值时,使用"自适应加权平均"的规则,反之则使用"选择最大"的规则融合稀疏表示系数;最后根据融合系数与自适应联合字典重构融合图像。实验结果表明,与其他三种基于多尺度变换的方法和五种基于稀疏表示的方法相比,所提方法的融合图像能够保留更多的图像细节信息,对比度和清晰度较好,病灶边缘清晰,客观参数标准差、空间频率、互信息、基于梯度指标、基于通用图像质量指标和平均结构相似指标在三组实验条件下的均值分别为:71.078 3、21.970 8、3.679 0、0.660 3、0.735 2和0.733 9。该方法可以应用于临床诊断和辅助治疗。

基于K-Medoids聚类的多传感器航迹关联算法

为有效解决目标密集环境下的航迹关联问题,提出了一种基于K-Medoids聚类的航迹关联算法.该算法采用局部航迹与系统航迹进行关联的策略,将系统航迹作为Medoids,降低了需要关联的航迹对数量,避免了K-Medoids的固有缺陷,很大程度上提高了关联算法的效率.通过采用无穷范数计算采样点点迹距离求出了两条航迹的近似距离,这使得关联判决能考虑历史和当前航迹,提高了正确关联率.在多传感器多目标环境下讨论了其具体实现过程,仿真实验结果验证了该算法的有效性和优越性.该算法在存在噪音和离群点时,具有很强的健壮性,适合目标密集环境.