论新信息环境下中小型图书馆信息资源建设

论述了新信息环境下中小型图书馆信息资源建设的定位,探讨了新信息环境下中小型图书馆信息资源建设的有效对策.     

基于安全信息传递管理(IT-IM)系统安全模型的电力基建安全管理研究

自2015年来，电力基建安全事故频发，面对难度极大的现场安全管理任务亟需建立起合理有效的管理机制。本文从安全信息视角出发，运用层次分析法（Analytic Hierarchy Process, AHP）结合安全信息传递理论以及供给原理，建立安全信息传递管理IT-IM系统安全模型，以探索传递过程中信息失真和不对称的发生发展机理及其对电力建设系统的影响，以期为基建现场管理提供可行的对策。并以江西丰城“11·24”事故为例，进行了模型的应用演示。结果表明：典型案例时间序列中的确存在安全信息缺失、信道噪音甚至信息欺骗的节点且与事故致因高度相符。     

快速和尺度稳健的纹理图像识别

传统的纹理图像识别方法很难同时获得较好的识别精度、实时性和尺度稳健性,不利于实际的工程应用.因此,提出一种快速和尺度稳健的纹理图像识别方法.该方法首先利用高斯滤波构造一个纹理图像的多尺度空间,然后利用完备的局部二值计数(Completed Local Binary Count,CLBC)算法对多尺度空间中的每个图像提取局部二值特征,并跨尺度提取局部二值特征的最大值,再将多个分辨率的特征相结合作为纹理图像的最终特征描述,最后利用最近子空间分类器(Nearest Subspace Classifier,NSC)判定纹理图像的类别.在基准纹理图像数据库上的实验表明,该方法在识别精度、实时性和尺度稳健性方面获得了很好的综合性能,有利于实际的工程应用.     

基于去噪自编码器的镜像极限学习机设计

针对极限学习机在高维度、含噪声数据集中需要大量隐含层节点来保证分类性能的问题，设计了镜像极限学习机.该算法使用伪逆法确定输入权值，随机生成输出权值和偏置，在对数据进行分类时，它仅需极少的隐含层节点.为了提升镜像极限学习机的分类性能和抗噪性，将它与去噪自编码器相结合.利用去噪自编码器对输入数据进行特征提取，并将提取到的特征作为镜像极限学习机的输入数据，再进行网络训练.在无噪和含噪声的MNIST，Fashion MNIST，Rectangles和Convex数据集中，将基于去噪自编码器的镜像极限学习机与ELM，PCA-ELM，SAA-2和DAE-ELM作对比实验，结果表明，基于去噪自编码器的镜像极限学习机的综合性能最优，用于分类的网络隐含层节点数最少.     

中国科协融合信息平台建设

 采取参与观察法、实地勘察调查法与个案研究法等研究方法，调研了国内外媒体融合建设研究趋势、优秀平台与爆款产品，盘点了科协系统已有的媒体力量，分析了中国科协融合信息平台建设中内容融合、渠道融合与经营管理融合的3个层次，阐述了融合信息平台3个子平台的建设内容与核心竞争力，并对未来5年融合信息平台在创新期刊发展模式、提升科普品牌传播力、建设媒体型智库与融通中外话语体系4个方面的发展进行规划，得出融合信息平台建设落实中央部署、传播科协声音、彰显科技组织精神品质的结论。     

融合多源先验信息的舰船备件可靠性评估

舰船工作环境常导致备件的实际可靠性规律与设计参数不一致。在实际使用消耗量较小的条件下,全面分析备件可靠性信息来源,通过定义似然权重系数,融合多源先验信息,建立指数型备件可靠性的贝叶斯评估方法。最后,通过仿真分析验证方法的合理性。结果表明,所提出的基于似然权重的先验信息融合方法可以较好地融合不同信息源的可靠性信息,估计方法具有较好的稳定性。     

基于线性判别分析的时频域特征提取算法

针对复杂环境中的声目标特征提取与选择问题,结合声信号时频域的特点,提出了一种时频域相结合的特征提取方法。首先,对信号进行小波分解,达到去噪目的;然后,将短时能量、短时平均幅值、过零率及频带能量值作为原始特征矢量,并结合Fisher判别准则进行特征选择,以此构造低维特征向量;最后,对两类声目标的实测样本数据进行特征提取,并采用支持向量机和K近邻两种分类器对该特征提取方法的有效性进行校验。实验结果表明,采用“时域+频域+线性判别分析”的特征提取方法简单有效,且与单一时域或频域的特征提取方法相比,识别率更高。     

大学生沟通能力对信息素养的影响研究 ——以聊城大学计算机学院为例

大学生信息素养作为就业能力的重要因素已经引起了各个高校的重视,但是如何提高大学生的信息素养是学校要认真对待的问题。研究提出沟通能力影响信息素养的假设,对聊城大学计算机学院学生进行了问卷调查后,结果显示大学生沟通能力中的调整能力和传达能力对信息素养的提高有显著的影响。     

网络舆情及其应对与上市公司的信息效率

网络舆情的兴起给资本市场带来了深远影响,对监管层和上市公司的舆情管理工作也提出了新的挑战.借助于监管部门对深市上市公司网络舆情应对状况的调查,实证检验了网络舆情及其应对与上市公司的信息效率的关系.研究发现,网络舆情危机会造成当年度股价崩盘,且来自自媒体的转载会增大股价崩盘的幅度,网络舆情重视和应对程度良好的公司在面对舆情危机时的股价崩盘幅度更低.上市公司对网络舆情的重视及投入能够向资本市场传递公司特质信息,提高资本市场的信息效率,进而降低未来股价崩盘风险和股价同步性.结论表明,上市公司加强网络舆情应对并非是满足监管要求和投资者诉求的面子工程,而是一项切实有效的求是工作,结论对完善资本市场信息传播管理制度,提高资本市场信息效率具有一定的参考价值.     

基于深度无监督学习的图像分类算法

为了取得精确的图像分类效果,一方面需要提取大量的图像特征数据进行样本分析,另一方面大量的数据又造成了维数灾难.因此,为了解决信息全面与维数灾难的矛盾,引入了深度学习.深度学习利用分层结构处理复杂的高维数据,可以完成复杂函数的逼近,是一类具有多层非线性映射的学习算法,但深度学习模型优化困难且对隐层参数敏感.针对上述问题,将无监督算法引入深度学习,这种学习方法无须人工设计特征提取数据,训练过程中样本标签是未知的.实验表明,该算法在不影响图像分类效果的前提下,可以大大降低计算复杂度,具有一定的时效性.