基于LMKL和OC-ELM的航空电子部件故障检测方法

针对航空电子部件故障样本获取困难以及检测准确率不高的问题,提出基于局部多核学习(localized multiple kernel learning, LMKL)和一类超限学习机(one-class extreme learning machine, OC-ELM)的故障检测方法。仅运用正常状态的小样本数据,给出了LMK-OC-ELM的数学表达形式,并在不同的门模型下推导了LMK-OC-ELM中局部核权重的优化方法;在获取局部核权重的基础上,定义了离线故障检测所需的统计检验量与阈值,以便工程实现。将所提方法应用于某型接收机,结果表明，在训练时间可控的前提下,与4种常见的一类分类(one-class classification, OCC)算法相比,所提方法可均衡地提高召回率、查准率和特异度,以LMK-OC-ELM-sig为代表,其在F1、曲线下方面积(area under curve, AUC)、G-mean和准确率4个指标上,比最近提出的局部多核异常检测(localized multiple kernel anomaly detection, LMKAD)方法分别提高了1.60%、1.57%、1.53%和2.23%。     

基于DIKW图谱的虚拟社区用户性格分类与转换方法

随着社交网络的发展，网络虚拟社区的成员数量快速增长.在虚拟社区中，用户会偏向选择浏览自己喜欢的内容，同时倾向与具有相近或相关兴趣爱好或目的的人进行内容交流与处理合作.在虚拟社区中，用户之间的交互内容以数据、信息和知识的形态存在.虚拟社区上大量的数据、信息与知识形态的网络类型化资源中保留了许多网络用户使用“痕迹”.这些痕迹是真实用户的数字化存在代表.为了实现对虚拟社群用户生成内容按照偏好和兴趣进行量化调控，采用数据信息知识及智慧（data information knowledge wisdom，DIKW）图谱对这些类型资源进行建模.根据用户DIKW图谱结合自我构建理论将用户按性格指数进行进一步的归类，并根据DIKW图谱结合自我决定理论将用户的心理需求分类.根据性格指数和心理需求设计了针对不同用户的不同的性格转换方法，模拟了用户生成内容的产生.     

Species of the genera Bakera and Mangganeura (Homoptera: Auchenorrhyncha: Typhlocybinae) occurring on mango and other crop plants in the Oriental region

The genera Bakera (Bakera), Bakera (Guinobata) and Mangganeura (Homoptera: Auchenorrhyncha: Typhlocybinae) are re-described and compared. Sandalla is considered a synonym of Bakera (Guinobata) (syn. nov.).

Bakera (Bakera) nigrobilineata (Melichar) (=vittata Mahmood) is redescribed and illustrated from mango in the Philippines, on which it is frequently abundant, and found in association with Bakera (Bakera) luzonica sp. nov. which is described. Bakera (Bakera) abaca sp. nov. is described from the Philippines having been collected on abaca (Manila hemp). Bakera (Guinobata) nigroscuta Mahmood is redescribed from the Philippines and its association with coconut confirmed. Mangganeura reticulata Ghauri, described from Malaysia on mango, has been found in Thailand and the hitherto unknown female is described.     

基于IMU与sEMG混合信号的实时手势分类算法研究

为了提高表面肌电信号(surface electromyography,sEMG)的手势分类准确率，通过惯性测量单元(inertial measurement unit,IMU)与采集姿态信号与sEMG的混合信号，提出了GRUBiLSTM双层网络的实时手势分类算法。第1层门控循环单元(gated recurrent unit,GRU)利用能量组合算子特征对混合信号进行突变点检测，定位运动态数据起始点；第2层双向长短时记忆循环神经网络(Bi-directional long short term memory,BiLSTM)使用能量核相图特征对运动态混合信号进行2个方向10种手势的分类。通过离线模型优化，分类算法识别时间低于40 ms，突变点检测精度88.7%以上，手势分类准确率为85%，信息传输率(informationtranslaterate, ITR)达到89.9 bits/min，与基于机器学习的分类算法相比，在准确率与计算效率上具有优势。     

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.     

基于BP-AsymBoost的医疗诊断模型

本文主要研究BP神经网络以及AdaBoost算法在医疗诊断中的应用,在分析标准AdaBoost算法的基础上提出改进的AdaBoost算法,即BP-AsymBoost.针对UCI数据库中的威斯康星乳腺癌数据集设计结合BP网络以及改进后的AdaBoost算法的诊断模型,并且通过多个指标将其与BP模型,遗传算法优化的BP模型,未经改进的BP-AdaBoost模型进行比较,验证BP-AsymBoost模型的有效性.     

音乐推荐系统中的用户冷启动问题

利用新用户使用音乐时的上下文环境信息来解决冷启动问题.当用户播放音乐时，提取用户当时场景的时间、天气、状态等信息，利用这些信息构建决策树分类模型.当新用户使用音乐推荐系统时，提取当前情景的上下文信息，根据决策树分支和上下文信息判断新用户的兴趣，向新用户推荐音乐.实验结果表明，当采用上下文相关音乐推荐算法，推荐数目不超过6项时，新用户对推荐结果的满意度超过TopN算法.     

基于原子能量熵和CSM的配电线路故障分类方法

针对配电线路上的故障分类问题,提出了一种结合原子能量熵和连续字符串匹配(CSM)的故障分类方法.通过分析故障信号的暂态特征,利用原子分解法得到故障暂态信号的主导原子以及对故障信息进行补充的次级原子,计算原子能量熵作为故障特征量,较完备地描述了故障特征.应用CSM进行故障分类节省了智能算法故障辨识中参数选择和优化的时间,通过建立的编码规则,将故障特征进行编码,搜索故障编码库,最终确定故障类型.通过仿真研究,验证了该算法的可行性与有效性.     

Classification,reconstructed phylogeny and geographic history of the Neotropical phorid flies of the genus Gymnophora (Diptera: Phoridae)

The Neotropical species of Gymnophora are revised to include 28 species, 17 of which are new. Two subgenera, Cerocratia (in a revised sense) and Gymnophora s.s. are recognized. Cerocratia includes Gymnophora triangularis sp. nov., G. acutangula Schmitz, G. latibrachia sp. nov., G. lacertosa sp. nov., G. chilensis Borgmeier, G. parachilensis sp. nov., G. aemula Borgmeier, G. forticornis Schmitz, and doubtfully G. colona Brues. G. adumbrata Borgmeier is considered as a junior synonym of G. aemula (syn. nov.). Within Gymnophora s.s. there are four major lineages, the G. commotria-group, the G. carina-group, the G. cymatoneura-group and the G. quartomollis-group. Of these, the G. carina-group and the G. quartomollis-group are known only from the Holarctic Region. The G. commotria-group consists of the G. forcipis-series, containing G. forcipis sp. nov., subuncata sp. nov. and uncata sp. nov., and G. damula-series, whose species are further organized into the G. strigula-subseries, containing G. strigula sp. nov. and G. unidentata sp. nov., plus the G. falciformis-subseries, containing G. alces sp. nov., damula sp. nov. and falciformis sp. nov. Also included in the G. commotria-group are eight residual species whose relationships cannot be deduced at this time. Three of these species, G. commotria Schmitz, penai sp. nov. and quadrata sp. nov. are more closely related to each other than to G. auricula sp. nov., brasiliensis Borgmeier, heteroneura Schmitz, inusitata sp. nov. and trispina sp. nov. The G. cymatoneura-group contains G. cymatoneura Enderlein and G. spiracularis Borgmeier, and the male of G. spiracularis is described for the first time. A key is given that permits identification of males of most species, but females cannot be identified with certainty. A partially sequenced classification of the genus indicates the relationships of most of the included species. The genus may have originated in the Neotropical Region, although the evidence is tenuous, and shows some similarity of distribution to Andean-centered plant groups.     

基于自适应遗传算法的超平面分类及遥感应用

智能分类算法是遥感影像分类研究的热点,遗传算法作为一种智能全局优化技术在遥感影像分类中具有良好应用前景.针对现有多光谱遥感影像分类方法的不足,提出了基于自适应遗传算法的超平面分类方法(hyper plane-adaptive genetic algorithm,HP-AGA)并应用于遥感影像分类,该方法利用神经网络中的神经元激活函数Sigmoid函数,对遗传算法中交叉率、变异率进行非线性自适应性调整,不再需要反复训练遗传参数,同时利用快速全局寻优特点,确定分类超平面的各个位置参数,从而获取最佳分类超平面集进行分类.多光谱遥感影像分类方法的应用实验表明,基于自适应遗传算法的超平面遥感分类方法能更快、更稳定地收敛到全局最优解,具有更好的效率及鲁棒性,并能取得优于简单遗传超平面分类算法及传统分类方法的分类精度.