基于灰色聚类的本科生生源质量评价研究

选取合肥工业大学2018年新生录取数据,确立生源结构、录取成绩以及录取志愿3部分为生源质量评价体系的关键指标.提出了基于灰色聚类的本科生生源质量评价模型,设计并实现了基于白化权函数和不同聚类指标权重的灰色聚类的计算算法,总结归纳了影响高校生源质量的相关因素.研究表明:高校生源质量及招生模式改革面对高考招生制度改革和"双一流"建设目标带来的新挑战和新机遇,合肥工业大学加强学校内涵建设和特色发展,创建一流本科教育,提高人才培养质量是关键.     

论看守所管理体制改革——以比例原则为视角

比例原则是现代公法学中的“帝王条款”,比例原则应贯穿于看守所管理的整个过程,针对目前看守所管理中存在的有违比例原则的现象,建立看守所管理的分级管理和处遏制度是十分必要的,本文试图从比例原则的角度探讨看守所管理改革的若干思路.     

云南高原湖泊群的统计学聚类识别 及水质响应模式研究

为探究湖泊群水质变量的响应模式,构建适用于监测数据匮乏的湖泊群聚类和响应模式识别方法体系(PCA-BN),包括4个步骤:数据预处理、PCA降维与湖泊聚类、贝叶斯网络构建及参数学习、湖泊响应关系模拟。以云南高原湖泊群为例开展研究,结果表明:所研究的26个湖泊可分为两类;由于第一类湖泊受到的人为干扰更严重,因而叶绿素a对总氮和总磷的响应比第二类湖泊更敏感;第一类湖泊表层水温高,溶解氧趋近饱和,随叶绿素a变化不显著,第二类湖泊溶解氧随叶绿素a升高而显著升高;两类湖泊的透明度与叶绿素a的关系一致。     

网络结构特征与链路预测算法关系研究

以美国航空网络、科学家合作网络和线虫新陈代谢网络等5种实际网络为例进行了综合实验,用结果数据定量化描述了同配系数、集聚系数和网络效率等网络结构特征参数,与基于局部信息和全局信息的两类链路预测方法结果之间的关系。通过对结果的分析,得到了网络同配系数为正且聚集系数大于阈值(约0.1)时适用基于局部信息的预测方法,否则适用基于全局信息的预测方法;以及集聚系数、网络效率与局部信息预测方法的结果成正比,与全局信息预测方法成反比等结论。这些结论为通过网络特征参数进行链路预测方法的选择提供了定量化的参考依据。     

基于聚类方法和神经网络的非线性系统多模型自适应控制

针对具有参数跳变的非线性系统,联合聚类算法和神经网络提出新的多模型自适应控制方法。首先对系统的输入输出数据进行模糊聚类,然后基于递推最小二乘法建立多个固定模型。为提高系统的暂态性能,同时建立两个自适应模型,并在此基础上设计鲁棒自适应控制器。此外,为了补偿系统的非线性部分,建立非线性预测模型,并设计非线性神经网络自适应控制器。所提方法可使控制切换系统具有稳定性保证。最后,通过性能指标对控制器进行平滑切换。仿真结果表明,所提方法能够保证系统具有良好的控制性能。     

基于收益率的股票相关性计量分析

针对股票间相关性，通过相关分析、系统聚类分析、网络构建等多种方法，以收益率为对象，建立股票间相关性度量指标模型，运用软件 Excel、Matlab 得出股票相关系数矩阵，并设置合适的阈值，利用软件Netdraw 构建出基于最佳阈值和相关系数所对应的股票网络。然后从所建网络出发，对中国股票市场中的板块进行聚类分析，最终建立起一个以收益率为指标来研究股票相关性的模型，为研究股票相关性提供了一个相对比较完善的方案。     

海堤非稳定渗流场渗透参数反演分析

针对受到快速涨落潮位作用的海堤进行非稳定渗流有限元分析,在此基础上结合实测渗压序列构建目标函数对海堤的渗透参数进行反演研究.反演中采用分层搜索技术,先由逐步扫描法确定出渗透参数一个合理的小区间,再用一阶梯度优化方法在该小区间上进行迭代优化以获得合适的渗透参数.以反演得到的渗透参数进行海堤非稳定渗流数值模拟,算例表明,计算及反演步骤合理可行,模拟计算得到的渗压结果与实测序列在数值和动态变化规律上都取得了理想的拟合效果.     

聚类分析法在地质多样性资源评价中的应用——以湖北省大别山地区为例

对地质多样性的概念、内容体系、价值、国内外研究现状等进行概述,根据地质多样性内容建立评价指标体系；并用聚类分析法对湖北省大别山地区的地质多样性资源进行评价,得出地质多样性资源分布呈纬度地带性规律.     

一种应用于二进制传感器网络的目标跟踪算法

针对采用集中式粒子滤波方法解决二进制传感器网络目标跟踪问题存在的实时性较差和网络能量消耗大的缺点，提出了一种基于动态分簇的分布式粒子滤波算法。以随着目标运动而动态变化的簇为信息处理结构，簇头节点收集簇成员的单跳测量信息，实时对目标状态进行估计，非簇内节点进入休眠状态以节省能量。仿真表明，合理设置簇转换距离和激活半径，算法的跟踪精度与集中式粒子滤波方法相当；在不影响跟踪效果的情况下，可适当减小簇转换距离和激活半径，从而节省网络能量。     

基于用户移动行为相似性聚类的Markov位置预测

由于采集点丢失或出现新用户等原因,GPS轨迹数据往往具有稀疏性,使得基于单个用户数据的位置预测准确率较低.针对这种情况,提出了基于移动行为相似性和用户聚类的Markov位置预测方法.首先,基于Voronoi图和原始GPS轨迹进行区域划分,位置预测基于区域轨迹进行;其次,提出了同时考虑用户转移特性和用户区域特性的移动行为相似性计算方法;再次,根据移动行为相似性对用户进行聚类,并在聚类的用户组上采用一阶Markov模型进行位置预测,提高了位置预测的准确性.真实GPS轨迹数据上的实验表明了所提出方法的有效性.