基于县域尺度的河南省淘宝店铺数量与质量的空间分异及其影响因素

基于构建的淘宝店铺数量获取与质量计算方法,运用空间分类、探索性空间数据分析、空间回归等分析方法,对河南省县域尺度淘宝店铺数量与质量的空间分异格局进行研究.结果表明:①从综合类店铺来看数量和质量的空间分异格局具有一定的相似度,极高、高等、较高水平区主要分布在中部及南阳的部分地区,中等水平区主要临近3类高水平区分布,极低、低等、较低水平区主要分布在中南、东南、南部并连续成片.②从各类别店铺来看,农产品型、批发零售型店铺数量与质量的空间分布最广且与整体相似度最高.机械仪器、非金属、体艺文卫、生活服务类店铺在分布上出现很多空白区,等级结构不够完善,以极低等水平区为主,但在郑州市区附近均出现了高等水平区.③淘宝店铺数量和质量的空间关联格局较为相似,多以冷点和热点集聚区为主,冷点集聚区多于热点.在数量上形成两个热点集聚区,三个冷点集聚区.热点分布在河南省中部的郑州市区附近以及南部南阳附近;冷点分布在以鹤壁市为中心的北部地区以及东南部的周口、驻马店、信阳等绵延区.在质量上,郑州市区附近形成一个热点集聚中心,冷点集聚区在河南省中南部形成横向大范围冷点绵延区.④通过定量与定性结合的方法发现,影响淘宝店铺数量的因素主要为经济发展水平、居民消费能力、原有商业基础,影响淘宝店铺质量的原因主要是区位优势、卖家经营理念以及地区商品名声等.     

基于样本差异性的多标记特征选择算法

在多标记学习中,特征空间的高维性是多标记学习研究的主要问题。文章通过聚类构建由代表性样本组成新多标记数据,定义了多标记决策系统中样本的分类间隔及样本的差异性概念,在此基础上定义了特征权重,提出一种基于样本差异性的多标记特征选择算法,并用4个指标对4个多标记数据集进行实验评价,对比一些当前流行的特征选择算法,验证了本文所提算法的有效性。     

一种基于集成学习的DBN模型分类方法

雷达信号分类是雷达信号电子侦察的关键技术之一,针对利用深度学习模型进行雷达信号分类时其性能不稳定的缺点,提出了一种基于集成学习的深度信念网络模型进行分类的方法.通过深度信念网络模型不同层间的特征抽取,通过不同的分类器得到不同的分类结果,再将分类结果进行集成,得到最终的输出.待分类的雷达信号由12部雷达产生,包括常规、参差、频率捷变和抖动四种雷达.仿真结果表明,该模型的分类错误率较低,鲁棒性较好.     

重庆市城口县蝴蝶种类调查及区系分析

【目的】调查重庆市城口县的蝴蝶种类并进行区系分布研究。【方法】对重庆师范大学昆虫与分子生物学研究所馆藏的城口县蝴蝶针插标本进行鉴定整理;并于2016—2018年对城口县蝴蝶进行了较为全面的调查和采集,然后对采集到的蝴蝶成虫标本进行分类鉴定。根据已有相关文献资料和调查中采集到的蝴蝶种类分布情况,对城口县蝴蝶进行了系统的区系分析。【结果】共鉴定蝴蝶成虫标本1 466头,分属于5科112属224种,其中发现重庆市新纪录种34种。区系分析结果显示:在世界动物地理区系层面上,城口县蝴蝶有57.59%的种类归属东洋区,35.27%的种类为广布种,7.14%的种类归属古北区;在中国动物地理区系层面上,城口县蝴蝶共有31种分布型。【结论】城口县蝴蝶种类资源丰富,达重庆市已有蝴蝶纪录种数的57.93%,其中蛱蝶科(Nymphalidae)的种数最多。城口县蝴蝶种类在世界动物地理区系中的归属以东洋区为主,在中国动物地理区系上以西南、华中、华北三区交叉分布表现尤为明显。     

大数据环境下的车牌统计算法的数据分片研究

【目的】在大数据环境下,寻找最佳的输入数据分片数量,以便改进统计算法的运行效率。【方法】以车牌统计为例,调整相关多个参数以改变算法中输入数据的分片数量,并分析不同参数下算法运行时间的差异。【结果】最佳的分片数量下的运行效率近似于最差的分片数量下运行效率的2倍。【结论】大数据处理中,合理的输入数据的分片数量有助于提高算法的运行效率。同时也分析了分片数量与算法运行时间的函数关系,以期找到最佳的分片数量区间。     

基于胶囊神经网络的合成孔径雷达图像分类方法

针对合成孔径雷达(synthetic aperture radar,SAR)图像的目标分类,传统的卷积神经网络(convolutional neural network,CNN)需要大量的数据样本进行训练,无法在小样本条件下进行,其应用受到限制。提出将胶囊神经网络(capsule network,Capsnet)算法用于SAR雷达图像的分类,针对小样本SAR数据集对Capsnet结构进行轻量化设计,并在MSTAR数据集上验证了该算法的有效性。结果表明,与CNN相比,基于Capsnet的SAR目标分类抗过拟合性强,泛化效果较好,具有更高的准确性,能够很好地实现SAR图像样本的分类。     

基于编码调制视觉诱发电位脑机接口滤波算法的性能比较

脑机接口(brain-computer interface,BCI)的分类性能一定程度上取决于对脑电信号的预处理方法,这项研究提出了一种空域时域滤波的预处理方法,以解决人类视觉系统中的潜伏延迟对编码调制视觉诱发电位(c-VEP) BCI的目标识别性能的影响。基于一个平均信号和单次试验信号之间的最小均方误差(the least mean square error,LMSE)创建时域空域滤波器,并且通过最小绝对收缩和选择算子(the least absolute shrinkage and selection operator,LASSO)将稀疏约束应用于滤波器的权重系数,并用模板匹配法来对目标进行识别。将算法应用于由63比特的M序列及其循环移位序列调制的16个目标的c-VEP BCI,并与通用的空域滤波算法典型相关分析(CCA)及空域时域逆滤波算法进行比较。结果表明本研究所提出的算法在分类准确率方面优于其他两种算法。     

基于潜在低秩图判别分析的高光谱分类

提出一种基于潜在低秩图判别分析（LatLGDA）算法,利用数据的自表示对数据的列表示系数矩阵和行表示系数矩阵同时施加低秩约束,得到保留数据结构的亲和矩阵,再与图嵌入模型相结合实现高光谱图像的流形降维并进行分类。与其他基于稀疏图或稀疏低秩图的高光谱特征提取算法相比,LatLGDA可利用数据的行信息弥补列信息的不足或缺失,对噪音的抗干扰能力更强;在真实数据集上的实验结果表明,LatLGDA算法具有较高的分类精度和运算效率,应用前景广阔。     

嵌入式多标签分类算法的优化研究

多标签分类中如何有效处理具有许多实例和大量标签的大规模数据集、补偿训练集中缺失标签以及利用未标记实例改进预测性能等问题已成为重要研究方向。提出嵌入式多标签分类（EMC）算法,首先从伪实例参数化的高斯过程（GP）中提取两组随机变换来模拟特征向量、潜在空间表示向量和标签向量之间的非线性关系映射,其次引入一组辅助变量结合专家集成（EEOE）方法补偿缺失标签,最后利用未标记实例学习随机函数的平滑映射提高预测性能。仿真结果表明,与特征识别隐式标签空间编码的多标签分类（FaLE）算法和半监督低秩映射多标签分类（SLRM）算法相比,EMC算法优化了处理大规模数据集、补偿缺失标签及利用未标记数据的能力,从而提高了类标签的预测性能,且具有良好的可扩展性,训练时间短。     

基于LS-SO算法的情感文本分类方法

首先, 基于点互信息与信息检索(PMI IR)算法, 提出一种Laplace平滑情感判定(LS-SO)算法, 对情感词典与表情符号情感词典进行自动扩充, 得到了具有一定规模、 高质量的情感词典, 包括基础情感词典、 目标情感词典、 网络用语情感词典、 表情符号情感词典、 否定词词典、 疑问词词典、 程度副词词典和连词词典. 其次, 通过细化文本语义分析规则计算文本情感值. 实验结果验证了该方法的有效性.