基于网络文本分析的洛阳旅游形象感知研究

本文运用网络文本分析法对洛阳旅游形象感知进行研究,通过携程、马蜂窝、去哪儿等知名旅游网站获得洛阳旅游的相关游记,利用内容分析法提取出旅游者对洛阳旅游形象感知的高频词汇,从"旅游空间感知形象、旅游景观感知形象、旅游服务与设施感知形象、旅游体验感知形象"4个维度进行研究,并在此基础上进一步提出改善旅游设施、挖掘丝绸之路新形象、推进智慧旅游城市等建议来提升洛阳旅游形象。     

随机和认知混合不确定系统的全局灵敏度分析方法

为计算具有随机不确定性和认知不确定性的混合不确定系统灵敏度,提出一种基于证据理论和条件概率理论的全局灵敏度分析方法.用证据理论对认知不确定性变量进行表征,并提出两种基于证据理论的随机采样方法,包括一次随机抽样法和二次随机抽样法.运用条件概率理论,提出存在认知不确定性条件下混合不确定系统的Sobol'全局灵敏度指标,经过理论推导给出一阶灵敏度及总灵敏度的计算公式,并设置单循环的拟蒙特卡罗方法实现灵敏度的近似数值计算.开发了灵敏度分析程序,并给出了典型应用实例.实例表明,新方法的分析结果正确,计算工作量可控.     

“当归-益母草”药对抗Ⅱ型糖尿病物质基础及作用机制研究

基于网络药理学手段探讨"当归-益母草"药对抗Ⅱ型糖尿病的物质基础及作用机制.以口服利用度(OB)、类药性(DL)为指标,结合生物信息学手段评估,筛选"当归-益母草"药对活性成分及抗Ⅱ型糖尿病特异性靶点,并构建"药物-靶点"网络.在数据库共收集到"当归-益母草"药对有170个化学成分,以OB、DL为评估参数共筛选出135个活性成分."药物-靶点"网络包含135个活性成分,相应靶点438个.进一步以OB、DL为评估参数共筛选出32个抗Ⅱ型糖尿病的活性成分,进一步利用MCODE插件富集到43个Ⅱ型糖尿病关键靶点.显示该药对活性成分和作用靶点与Ⅱ型糖尿病的发生、发展存在密切联系.确定了"当归-益母草"药对与Ⅱ型糖尿病的物质基础及关键调控靶点,并采用文献挖掘方法为药对治疗Ⅱ型糖尿病的分子机制提供理论依据.     

强德性知识论的认知难题及其解决路径

作为人类认知最为非凡的成就,知识与认知有着内在的关联,对知识的描绘离不开认知的术语。当代德性知识论就主张,知识是认知能力的产物,赋予一个主体知识需要赋予他相关的认知能力。然而,延展认知论题对认知能力之外的环境因素的强调,使得当代德性知识论特别是强德性知识论出现了认知难题。针对这一难题,国外学者指出了两条可能的解决路径:一是从强德性知识论转向弱德性知识论;二是从个体有机体的认知能动性走向分布的认知能动性。但是依托于这两条路径能否成功解决认知难题仍存在争论,问题的关键仍有赖于我们对能力及认知本质的理解。     

基于DenseNet的图像识别方法研究

在深度学习中,随着神经网络层数的加深,训练网络变得越来越困难,现有的浅层的网络无法明显提升网络的识别效果。针对在原有网络的情况下提升网络识别效果,减少参数的问题,本文提出一种改进的DenseNet网络模型,借鉴Inception V3的思想,利用非对称卷积将DenseNet网络中Dense Block层所包含的3×3卷积分解成3×1和1×3的两个卷积,简化网络结构模型。之后再对改进前与改进后的网络模型在数据集上进行训练,实验结果表明,与经典的DenseNet网络模型相比,改进后的网络模型可以提高图像识别的准确性,降低参数,有效地缩短运行时间。     

基于时标网络计划前锋线的工程进度偏差探究

施工进度是决定工程顺利完工的主要因素,直接关系到项目的经济效益.采用关键线路分析法确定各工程进度的拖延对总工期的影响,运用双代号时标网络计划前锋线,根据影响施工进度因素变化,对工程进度和投资进行分析,通过调整和优化进度计划,达到建筑工程进度管理的最佳效果.     

网络贷款使用对大学生冲动性消费行为影响研究

网络贷款的兴起在助益个人消费的同时也带来了以冲动性消费为代表的非理性消费问题。采用网络贷款使用量表、冲动性消费行为量表、金钱态度量表,实证研究了网络贷款使用对当代大学生冲动性消费行为的影响。结果表明,网络贷款使用同大学生冲动性消费行为呈显著正相关;大学生冲动性消费行为受到个体金钱态度的影响;网络贷款使用对冲动性消费行为的影响受到个人金钱态度中"权力-名望""忧虑"两个维度的调节作用。防范网络贷款滥用带来的社会风险需要疏堵结合、多元合作、创新思路。     

一类具有时滞的离散型网络拥塞模型的稳定性分析

研究了一类具有时滞的离散型网络拥塞模型.通过讨论相关特征方程的特征根的分布,分析了系统的平衡点的稳定性.以时滞作为参数,证明了当时滞通过临界值序列时产生了Neimark-Sacker分支.最后,通过数值模拟验证了所得结论.     

AR-Grams:一种应用于网络舆情热点发现的文本聚类方法

网络舆情热点发现是一种常用且处理速度要求较高的应用.针对网络舆情热点发现这一特殊应用场合,本文提出了一种基于随机N-Gram的文本聚类方法AR-Grams.该方法通过随机N-Gram的文本相似度计算方法,确立待聚类文档集中各个初始聚类的标志文档并完成初步的聚类操作,继而通过聚类元素数阈值来确定初始聚类,并可根据实际情况确定是否执行聚类合并.该方法生成的聚类内聚性好,准确率高.另外,为了便于评估整体的聚类效果,提出了聚类的整体覆盖率和正确覆盖率.实验结果表明:与对比方法DR-Grams相比,在低阈值时,AR-Grams的准确率、召回率、F-score、正确覆盖率分别提高了11.9％、9.1％、10.2％和9.2％,提升效果尤为明显;在高阈值时,效果基本相当;在整体上,前述4项指标则分别提高了4.5％、2.9％、3.5％和3.0％,优于对比方法DR-Grams.     

基于生成对抗网络的半监督图像语义分割

提出了一种基于生成对抗网络的语义分割模型,包括一个全卷积语义分割网络以及一个判别网络,其中语义分割网络负责生成与输入图像对应的语义分割图,判别网络负责检测分割图与真实标签的区别,以促使分割网络改进分割效果。为了更好的提取全局结构信息,语义分割网络中采用了金字塔池化模块,对不同规模的空间区域进行池化操作。另外,为了应对语义分割训练数据集人工标注成本过高的问题,利用判别网络生成伪标签协助语义分割网络进行训练,从而实现了半监督训练效果。模型在PASCAL VOC2012数据集中进行了测试,结果表明该模型在全监督和半监督条件下均优于已有方法。