对产业集群理论的再思考

产业集群理论已成为当代世界经济发展的重要主题,其具有区域性、植根性、创新性、网络化、学习化、专业化、柔性化等特征。产业集群与全球化、产业发展、产业园区、产业集群系统、区域经济发展、可持续发展等的关系是产业集群理论需进一步思考的内容。目前,国内产业集群的实践主要面临产业集群升级、开发区"二次创业"和东北老工业基地振兴中如何实施产业集群战略等问题。     

对产业集群理论的再思考

产业集群理论已成为当代世界经济发展的重要主题,其具有区域性、植根性、创新性、网络化、学习化、专业化、柔性化等特征。产业集群与全球化、产业发展、产业园区、产业集群系统、区域经济发展、可持续发展等的关系是产业集群理论需进一步思考的内容。目前,国内产业集群的实践主要面临产业集群升级、开发区“二次创业”和东北老工业基地振兴中如何实施产业集群战略等问题。     

产业集群创新能力与厂商学习、知识积累关系研究

在对厂商学习与厂商发展的耦合关系进行阐述的基础上,分析了产业集群创新与厂商学习、知识积累之间的逻辑关系,认为知识积累对产业集群创新具有双重效应,而产业集群的网络化可以解决知识分工导致的创新难题。同时,对集群成员的知识基础与技术能力进行了分析,并对产业集群创新能力成长的知识因素进行了剖析,最后以知识视角从微观的企业层面和宏观的产业集群层面提出了产业集群创新能力建设的思路。     

我国信息产业集群的现状、发展趋势与对策

产业集群或簇群（Industry Cluster）是一种相关的产业活动在地理上或特定地点的集中现象。信息产业集群是我国产业集群中重要的组成部分。从复杂适应系统理论——主体的聚集性特征出发，根据产业集群是“企业生态演化的结果”的理论观点，对我国信息产业集群的涌现、演化的路径及特征进行综述，分析我国信息产业集群的现状与发展趋势，提出我国信息产业集群存在的问题与对策。     

韶关铝箔产业集群建设的战略思考

产业集群以相关产业集聚与规模效益促进区域经济的增长。韶关产业结构的调整与优化,广东制造业基地的建设,都必然要求产业集群。铝箔产业集群建设是韶关产业集群的重要组成部分,可以带动相关产业的集聚与发展。在现有条件下进行韶关铝箔产业集群建设是必要的,也是可行的,只要有科学的铝箔产业集群建设规划就能成功。     

产业集群网络与吉林省汽车企业创新竞争力研究

本文利用回归方法对"产业集群网络—知识学习—创新竞争力"进行验证,指出吉林省汽车产业集群企业竞争力的提高关键在于培育产业集群网络,并充分重视知识学习在提升产业竞争力方面的作用。     

产业集群理论:区域化学习

产业集群被人们所推崇往往是集群内企业可以实现区域性的相互学习。作为当代产业非代表性的赛车产业集群表面看来因为个体特殊利益所在会抵制知识共享和相互学习,但是由于特殊渠道的存在并没有杜绝它们的发生。光电子产业作为新兴的高科技产业,研究表明他们的区域性学习主要是通过超越产业集群的地理位置来实现的。     

技术进步对现代农业产业集群的影响研究——以陕西富平农业产业集群为例

通过详细分析富平农业产业集群的时空演变过程及集群结构两方面内容,观察技术进步对现代农业产业集群的作用规律.研究发现:技术进步对现代农业产业集群的推动是有其特定规律的,在现代农业产业集群形成的初期集聚阶段,技术进步在先,集群发展在后,即技术进步推动集群形成;而在中期的产业联系阶段,是技术进步本地化的过程;当现代农业产业集群的发展相对稳定后,技术进步与集群发展相辅相成、相互促生.     

产业集群研究初探

近年来产业集群作为一种产业组织形式越来越受到理论研究者和政策制定着重视。如果认识集群的优势,如何区分产业集群,产业集群的争论以及如何提升产业集群各方更是分说不一。本文将针对这些问题进行一个全面的探讨。     

产业集群品牌形成机理与构建

产业集群已成为区域产业竞争的核心，产业集群品牌能给产业带来巨大的集群品牌资产利益。产业集群品牌的形成是个复杂的过程，以戴维逊的“冰山理论”为基础，可以探析集群品牌建设影响因素并构建产业集群品牌的机理模型，得到产业集群品牌构建的策略。     

基于模糊协方差的自适应聚类神经网络

将模糊协方差距离测度引入到竞争学习型神经网络的参数控制中,采用批处理的网络学习方式消除数据样本顺序对网络权重调整的影响,通过淘汰及合并数据集的冗余类实现对未知类别数、多种分布型数据的自适应聚类．实验表明,新网络对数据集的分布形式有较强的鲁棒性,并能正确确定数据集的类别数．     

基于WEB使用挖掘的个性化推荐系统的研究

通过网络学习的web日志的使用挖掘,获取学习兴趣,建立兴趣模型.采用相似性度量方法对具有相似兴趣的学生用户进行聚类,实现了学习内容的个性化推荐系统.实验结果表明,基于用户兴趣模型的个性化推荐系统具有较高的准确率、新颖率和非预期率.     

一种基于k prototype的多层次聚类改进算法

针对k-prototype算法在处理复杂的数据集时,常出现一些纯度不高的簇,影响了聚类质量的问题,提出一种基于k-prototype的多层次聚类改进算法,利用属性自动选择的方法将一些纯度不高的簇进行再聚类,以提高聚类质量.以UCI标准测试数据集进行实验,实验结果表明,该改进算法能够明显提高混合型数据集的聚类质量,并且在数据约简方面有良好表现.     

基于聚类技术的集成学习方法研究

研究了基于聚类技术提高分类器差异性的方法.通过Bootstrap技术与分类器学习算法训练分类器模型,利用分类器在验证集上的分类结果作为聚类的数据对象;然后应用聚类算法对这些数据聚类,并在每个簇中选择分类器代表模型,以此构成集成学习的成员;最后应用融合方法实验研究了基于聚类技术提高差异性的集成学习性能,并与集成学习方法bagging,adaboost进行了实验比较.     

Repetitive motor learning induces coordinated formation of clustered dendritic spines in vivo

Many lines of evidence suggest that memory in the mammalian brain is stored with distinct spatiotemporal patterns. Despite recent progresses in identifying neuronal populations involved in memory coding, the synapse-level mechanism is still poorly understood. Computational models and electrophysiological data have shown that functional clustering of synapses along dendritic branches leads to nonlinear summation of synaptic inputs and greatly expands the computing power of a neural network. However, whether neighbouring synapses are involved in encoding similar memory and how task-specific cortical networks develop during learning remain elusive. Using transcranial two-photon microscopy, we followed apical dendrites of layer 5 pyramidal neurons in the motor cortex while mice practised novel forelimb skills. Here we show that a third of new dendritic spines (postsynaptic structures of most excitatory synapses) formed during the acquisition phase of learning emerge in clusters, and that most such clusters are neighbouring spine pairs. These clustered new spines are more likely to persist throughout prolonged learning sessions, and even long after training stops, than non-clustered counterparts. Moreover, formation of new spine clusters requires repetition of the same motor task, and the emergence of succedent new spine(s) accompanies the strengthening of the first new spine in the cluster. We also show that under control conditions new spines appear to avoid existing stable spines, rather than being uniformly added along dendrites. However, succedent new spines in clusters overcome such a spatial constraint and form in close vicinity to neighbouring stable spines. Our findings suggest that clustering of new synapses along dendrites is induced by repetitive activation of the cortical circuitry during learning, providing a structural basis for spatial coding of motor memory in the mammalian brain.     

Enhanced Learning Resource Recommendation Based on Online Learning Style Model

Smart learning systems provide relevant learning resources as a personalized bespoke package for learners based on their pedagogical needs and individual preferences. This paper introduces a learning style model to represent features of online learners. It also presents an enhanced recommendation method named Adaptive Recommendation based on Online Learning Style(AROLS), which implements learning resource adaptation by mining learners' behavioral data. First, AROLS creates learner clusters according to their online learning styles.Second, it applies Collaborative Filtering(CF) and association rule mining to extract the preferences and behavioral patterns of each cluster. Finally, it generates a personalized recommendation set of variable size. A real-world dataset is employed for some experiments. Results show that our online learning style model is conducive to the learners' data mining, and AROLS evidently outperforms the traditional CF method.     

基于半监督的模糊C-均值聚类算法

通过将半监督学习的思想引入到模糊C-均值聚类方法中,提出一种基于半监督的模糊C-均值聚类算法,有效解决了模糊C-均值聚类算法随机选取初始聚类中心导致聚类结果局部收敛的问题,能客观获取最佳聚类数目和初始聚类中心.实验结果表明,与传统模糊C-均值聚类算法相比,基于半监督的模糊C-均值算法在一定程度上减少了迭代次数,降低了对初始聚类中心的依赖性.     

A Novel Model of IDS Based on Fuzzy Cluster and Immune Principle

This paper presents a novel intrusion detection model based on fuzzy cluster and immune principle. The original rival penalized competitive learning (RPCI.) algorithm is modified in order to address the problem of different variability of variables and correlation between variables, the sensitivity to initial number of clusters is also solved. Especially, we use the extended RPCL algorithm to determine the initial number of clusters in the fuzzy cluster algorithm. The genetic algorithm is used to optimize the radius deviation for the determination of characteristic function of abnormal subspace.     

用改进的RPCL算法提取聚类的最佳数目

对于传统的Ｋ 平均算法来说,如何选择适当类的数目是一个难以解决的问题．有人提出了次胜者受罚的竞争学习（ｒｉｖａｌｐｅｎａｌｉｚｅｄ ｃｏｍ ｐｅｔｉｔｉｖｅ ｌｅａｒｎｉｎｇ ： ＲＰＣＬ）算法试图来解决这一问题．但是,当数据类有重叠以及输入矢量含有非独立项时,ＲＰＣＬ算法的性能不能令人满意．本文提出了一种结合全协方差矩阵的ＲＰＣＬ算法,并逐步删除那些只包含少量训练数据的类．这种算法,我们称之为改进的ＲＰＣＬ算法．我们用改进的ＲＰＣＬ算法来确定高斯混合分布类的数目,并将其与原来的ＲＰＣＬ进行比较．实验证明,改进的ＲＰＣＬ算法比原来的ＲＰＣＬ算法能够更好地表征类     

基于聚类和分类的个性化文章自动推荐系统的研究

由于缺乏足够的反映用户兴趣的知识,以及巨大的在线计算量,导致互联网上现有文章自动推荐系统普遍存在盲目性和低效性的问题.针对以上问题,提出了一种基于聚类和分类的个性化文章自动推荐系统,利用机器学习的方法隐式地获取用户模型,并根据用户模型为用户提供个性化的文章自动推荐服务.该系统包括离线用户模型及用户群获取子系统和在线个性化文章推荐子系统两大部分,前者对文章进行聚类形成聚类兴趣点,构建基于聚类兴趣点的用户模型,并根据用户兴趣聚类形成各兴趣点的用户群;后者对待推荐文章进行分类,搜索到其所属的兴趣点,向该兴趣点的用户群进行主动推荐.理论分析和实验结果表明,该系统能够显著提高有效性和在线响应速度.所述的设计思想和技术也适用于其它互联网个性化信息自动推荐系统.