物联网安全问题研究

随着物联网的应用越来越广泛,其安全问题也越来越突出。从物联网的概念入手,对目前物联网存在的安全问题进行了分析,提出了构建物联网安全体系、解决物联网安全隐患的思路。     

区域间总产出波动相互影响的网络模型

国家(地区)间总产出波动存在相互影响是全球化时代的普遍现象,但缺少其相互影响强度的定量研究.基于冲击在非对称的区域间产业网络上的传播,分析了区域间总产出波动相互影响的机理,并依据区域间产品关联,构建了以区域为节点的度量区域间总产出波动相互影响的区域赋权影响网络.通过对网络度关联结构、基础关联结构、核关联结构及非对称结构四个维度的分析,定量描述了区域间总产出波动相互影响的强度.实例分析表明,该模型及相关度量维度能够量化不同区域间总产出波动的相互影响,定量描述某个国家(地区)在多区域经济大系统中的作用,在区域经济合作、贸易规则制定以及全球价值链构建等方面具有重要的理论和实际意义.     

基于域适应与分类器差异的滚动轴承跨域故障诊断

基于数据驱动方法诊断滚动轴承故障时，不同工况下的数据特征分布差异会导致模型诊断性能严重下降.针对这一问题，提出了基于域适应与分类器差异的滚动轴承跨域故障诊断方法.首先利用卷积神经网络对带标记的源域样本和无标记的目标域样本进行特征提取;然后通过2个全连接分类器进行故障分类;最后通过分步优化分类损失、域最大平均差异损失和分类器差异损失，实现源域和目标域之间的域分布对齐，从而实现无标记目标域样本的故障诊断.实验结果表明，所提方法与主流的域适应方法相比具有更高故障诊断准确率，验证了该方法的合理性和可行性.     

含缓冲液的双水相体系相平衡的神经网络模型

针对含有[C4mim]Br和K3C6H5O7/H3C6H5O7的双水相体系在不同pH值的相平衡数据,建立神经网络模型对其进行了关联和预测,提出了隐含层节点数和误差控制值的二维寻优法,获得了较为满意的计算精度.与热力学方程对比显示,所建模型的精度与Wilson方程基本相当,优于NRTL方程.     

基于关键用户的非均衡热传导与物质扩散算法

物质扩散和热传导算法作为2个经典的基于网络结构的算法被普遍用于信息过滤.然而，现有的算法将所有的用户等同看待，没有区分不同用户的贡献，也没有移除恶意用户，从而导致性能不理想.针对这一问题提出基于关键用户的非均衡热传导与物质扩散算法（core-UHM），用以解决教育资源库中的高质量资源检索问题.算法的背后思想主要是基于信息领域中的帕累托法则，也即是20%的用户主导着整个系统中80%的交互.基于关键用户不仅能够保证资源的质量，同时也大大节省了计算开销.通过在真实的学术搜索日志数据集上的实验，证明了算法的有效性.     

面向同源蛋白质探测的一种新型混合深度学习模型

根据蛋白质氨基酸链探测其同源蛋白质,进而预测蛋白质的功能,是生物信息学研究领域的一个重要挑战,也是众多生物医学研究领域的基础研究内容,有着重要的科研价值和广泛的应用需求。其研究难点在于:(1)如何学习对同源蛋白质预测有效、有用的蛋白质特征信息;(2)如何更好地运用蛋白质特征信息,实现同源蛋白质的探测与识别。为了解决同源蛋白质探测与识别研究中的关键难点,本文提出一种基于混合深度学习架构的同源蛋白质探测与识别模型(HDLM-PHP)。通过采用统一的"管道式"深度学习架构,将蛋白质特征学习和探测识别统一为一个整体,提高同源蛋白质探测与识别的效能。采用多组并行的深度卷积神经网络,学习蛋白质的各种属性信息,以期获得丰富的待检测蛋白质和靶蛋白质的高级相关性特征,并通过全连接方式使用多层RBM结构融合和精炼这些相关性特征为全局相关性特征。通过统一的深度网络连接方式,以探测和识别任务为导向,学习到对于同源蛋白质预测最有效、最全面的蛋白质特征信息。在标准数据集SCOPe上,对所提模型进行性能与效率评测,结果表明:本文提出的模型能有效地学习到符合任务导向的蛋白质特征数据,提升同源蛋白质探测与识别的准确度和召回率,优于现有的模型和算法。     

基于节点标号的Koch网络结构性质研究

针对正多边形Koch分形岛所映射成的Koch网络,根据节点接入网络的时间和位置信息给节点标号。在节点标号的基础上,研究网络的最短路由及计算最短路径长度;并分析网络的主要结构性质,如节点的度、度分布和累积度分布函数,以及网络的聚类系数、平均最短路径长度、度关联函数和介数中心性,得出结构性质的解析解。结果表明,所构建的Koch网络是无标度和小世界的;其聚类系数趋向于比较大的常数值;平均路径长度与网络节点数的对数呈正比关系,度相关函数、点介数和边介数都随节点度的变化而指数变化。     

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。     

BP神经网络在大学毕业生就业率预测中的研究与应用

为能更好掌握高校毕业生就业趋势,本文以佳木斯大学2002~2012年本科毕业生就业率为依据,利用神经网络方法,构建了BP神经网络预测模型.通过对所建模型训练学习可知,该网络最大误差为3.36%,满足预期要求.最后,对佳木斯大学2013-2015年本科毕业生就业率进行了预测,以期为相关部门工作提供参考依据.     

大学生网络集群行为的预警管理

大学生日常生活的网络化、利益诉求的多元化使网络集群行为成为校园客观存在的一种特殊的舆论现象。完善的预警管理是高校发展战略必不可少的一个组成部分。预警管理可以及时准确地对网络集群行为实施预测、预报，预警干预可以对网络不良趋势进行矫正，使大学生有效规范自身的思想和行为。