基于群偏好与用户偏好协同演化的群推荐方法

群推荐系统已经成为社交网络平台的重要工具,为群体用户提供兼顾个性化和整体满意度的产品和服务.现有群推荐方法大多是对个性化推荐方法的集成和聚合,忽略了群体和用户的交互影响以及群偏好和成员偏好的动态变化,从而无法保障群推荐系统的效果.为此,本文提出一种基于群偏好和用户偏好协同演化的群推荐方法,能够建模群体和用户的动态交互.具体而言,本文将用户偏好建模成其历史偏好和群影响的加权聚合结果,将群偏好建模成群历史偏好和新加入成员偏好的加权聚合结果,最终预测群体可能消费的产品列表和成员可能加入的群体列表.实验结果表明,本文所提模型在群体消费行为和用户加群行为的预测表现都优于基准算法,并兼具很好的鲁棒性.     

基于特征选取与树状Parzen估计的入侵检测

针对目前网络空间安全形势快速变化带来的新风险和新挑战, 提出一种基于相关性分析的特征选取和树状Parzen估计优化的入侵检测方法。首先, 通过基于相关性分析的数据特征选取方法对数据维度进行压缩。其次, 对原始数据集进行特征筛选, 生成新的特征子集。最终, 使用序列模型优化算法中的树状Parzen估计算法对随机森林算法进行模型优化。实验结果表明, 相比其他应用机器学习算法的入侵检测方法, 所提方法在提升综合性能的同时拥有更高的检测效率, 有效地提升了入侵检测技术的实用性。     

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.     

后疫情背景下武汉创新生态修复与优化研究

2019年底出现的新冠疫情给武汉创新生态带来了明显的冲击,但是同样也带来了新的机遇.本文介绍了创新生态系统的提出和发展历程,梳理了国内外创新生态系统的理论框架及结构相关成果,通过整理分析生态修复相关文献,归纳类比出创新生态系统修复的方法与可行性.采用案例分析方法,通过收集二手数据,分析了武汉光谷创新生态系统受新冠疫情的影响和修复的情况,并结合现有创新生态系统的理论和政府政策,提出了关于武汉创新生态修复与优化的具体对策建议.     

凯勒流形上Yang-Mills-Higgs流的曲率估计（英文）

主要研究紧致凯勒流形上Yang-Mills-Higgs流的曲率估计。在Higgs丛不是半稳定并且HarderNarasimhan-Seshadri滤过没有奇点长度为1的假设条件下，证明了与之相应的Hermitian度量对应的曲率是一致有界的。     

部分可观测耦合随机抛物方程组的参数估计

本文研究加性时空白噪声驱动下的部分可观测耦合随机抛物方程组的参数极大似然估计量.在观测时间和噪声强度不变的条件下，本文证明了估计量的强相合性和渐近正态性.数值算例验证了理论结果.     

基于分层贝叶斯模型的损失准备金估计

传统的准备金模型主要是通过加总个体数据得到聚合损失三角形数据建立的,然而,这种数据的加总对原始个体数据产生不可避免的信息浪费.虽然这种方法简单,但可导致准备金估计的较大偏差.近年来提出的个体数据准备金模型中大都没有考虑保单合同之间的相依性.本文假设相同事故年的保单产生的索赔具有某种共同效应导致的相依情形,通过建立个体数据准备金的分层贝叶斯模型,利用信度理论的思想,得到每个事故年的准备金估计,从而得到总准备金的估计.进而,讨论了发展因子和结构参数的估计及其相应的统计性质.最后,给出数值例子表明本文给出的准备金估计的计算方法,并且比较了个体数据和聚合数据下准备金估计的均方误差.     

抛物方程非特征柯西问题的分数次Tikhonov方法

讨论了一个不适定的抛物方程的非特征柯西问题,为了解决这个问题,采用了分数次Tikhonov正则化方法,并提出先验和后验两种参数选取规则下的稳定误差估计。     

关于审查阶段如何认定权利要求保护范围的思考

本文通过对一个实际案例的分析,引出了权利要求保护范围的认定对专利审查的重要性,并从法条依据、对后续程序的意义和专利审查阶段的认定原则对权利要求保护范围的认定进行阐述,为审查过程中准确认定权利要求保护范围提供相关参考。