基于共现分析的分类器链标签序列优化方法

针对分类器链模型采用随机生成方式确定标签序列会极大影响分类器链性能的问题。通过共现分析技术深入挖掘标签间的潜在关系, 提出一种基于贪心算法和n-gram模型的两种标签序列优化策略以提升分类器链模型性能。基于贪心算法的策略通过计算和排序标签之间共现率来生成优化的分类器链标签序列, 而基于n-gram模型的策略则通过最大化标签之间条件概率来生成优化的分类器链标签序列。最后通过多个多标签基准数据集进行实验验证, 实验结果表明, 与当前流行的各种分类器链模型相比, 所提的两种策略很有竞争力, 可以明显提升多标签分类效果。     

充填体强度影响因素及组合预测模型

水灰比、堆积密实度和比表面积是充填体强度的重要影响因素，但有关各因素对强度影响显著性的研究较少，为此通过3因素5水平正交试验，分别对龄期为3d，7d和28d的试块开展单轴抗压强度试验.对试验结果进行方差分析，获得不同龄期各因素F统计值比(水灰比∶堆积密实度∶比表面积):3d为698.404∶26.148∶0.910，7d为862.626∶35.465∶1.286，28d为1585.404∶31.695∶1.338.分析各因素F统计值和P值，确定因素显著性大小关系为:水灰比>比表面积>堆积密实度;水灰比和比表面积为主要影响因素，堆积密实度为次要因素，所以控制水灰比可以有效控制充填体强度.绘制各因素水平趋势图，以最有利于充填体抗压强度原则确定最优组合为水灰比1.2，比表面积410m²/kg，堆积密实度0.6%.改变最优配比中水灰比值，开展30组不同水灰比的3d，7d和28d试块的抗压强度试验.以试验强度为原始数据，结合灰色预测、模糊分类和马尔可夫理论，建立3d，7d和28d试块强度组合预测模型；分析实测值与GM(1，2)模型、曲线回归模型和组合模型预测平均相对残差，结果表明，组合模型较其他模型具有较高的精度和稳定性.     

基于改进CLDNN的辐射源信号识别

传统辐射源信号识别方法往往需要人工提取特征,不仅对专业知识要求较高,而且人为选择的特征不能够保证适用于大多数类型信号的识别,识别精度和识别速度也不能兼顾。针对上述问题,将语音处理领域常用的深度学习模型——卷积长短时深度神经网络(convolutional long short-term deep neural network, CLDNN)引入到辐射源信号的识别中,并将该模型中的长短时记忆层改为双向门控循环单元层。模型的输入为原始时间序列数据,特征提取和分类识别过程均在网络中进行,避免了人工选择特征的不完备性。实验结果表明,所提模型在低信噪比情况下也能够有效识别信号类型,同时与其他模型相比,实现了识别精度和识别速度之间的平衡。     

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CWD和残差收缩网络的调制方式识别方法

针对低信噪比时莱斯信道下特征提取准确性难以保证、识别准确率偏低等问题, 提出一种基于Choi-Williams分布(Choi-Williams distribution, CWD)和深度残差收缩网络(deep residual shrinkage network, DRSN)的通信辐射源信号调制方式识别方法。利用CWD将时域复信号转换为二维时频矩阵, 对深度残差网络添加软阈值化得到DRSN, 将时频矩阵样本用于对DRSN的训练, 最终构建不同信噪比下的调制方式识别网络。仿真实验表明, 基于RadioML2016.10a数据集, 利用部分先验信息的情况下, 该分类识别方法具有较高的识别准确率和噪声鲁棒性。在0 dB时, 对11类信号的总体识别准确率达到了89.95%;在2 dB以上时, 总体识别准确率均超过91%, 优于其他深度学习识别方法。     

人口流动如何影响主观幸福感——基于主观社会地位的中介效应

中国城镇化背景下的大规模人口流动行为一直都是学术界关注的焦点。但是关于人口流动行为与迁移个体的主观幸福感之间的关系依然鲜有研究。采用2014年中国劳动力动态调查（CLDS）数据，通过倾向得分匹配法研究迁移人群对幸福感认知的中介作用机制。研究结果发现：迁移行为显著影响了个体的主观幸福感水平；主观社会地位对于迁移行为-主观幸福感的关系具有明显的中介作用。最后，对于该研究的理论贡献和实践意义进行了讨论，并指出了未来的研究方向。     

基于中心差异度迭代调整机制的 网络社区搜寻算法研究

为解决当前网络社区搜寻算法存在的节点聚类形成困难,搜寻迭代过于复杂,难以实现社区归属的二次更新等不足,提出了一种基于中心差异度迭代调整机制的网络社区搜寻算法。首先,通过领袖节点重叠度来实现初次社区搜寻裁决,有效降低了重复搜寻的概率,且根据加入节点与领袖节点差异度进行聚类匹配;随后,通过待加入节点与领袖节点之间的交互热度方式进行基于热度机制的聚类递归,实现对搜寻误差的二次校正。仿真实验表明,与当前网络社区搜寻算法中常用的差分迭代阈值裁决机制,混沌度一体化成型迭代机制相比,本文算法具有更高的首次成功率,以及更小的搜寻次数与迭代周期,具有很强的实际部署价值。     

非锚固式大型立式热质储罐强度分析

针对大型储罐在多种载荷作用下易发生强度破坏的问题，以某热质储罐为研究对象，利用有限元法分析热质储罐在自重、内压、液柱静压力、风载荷、地震载荷、雪载荷以及温度载荷作用下的应力强度以及变形，模拟大角焊缝区域翘曲情况，并依照JB4732—1995进行强度评定，为此类大型立式储罐的设计提供参考。     

多纤芯弹性光网络中虚拟网络映射模型及算法

为解决多纤芯弹性光网络虚拟化中的虚拟结点映射、链路映射和频谱分配问题,首先建立了一个以最小化占用的频谱数及最小化最大占用频隙号为目标的全局约束优化模型.其次,设计了具有高效的交叉、变异及不可行解可行化算子的全局优化遗传算法,以有效求解该模型得到最优的虚拟节点、链路映射方案.最后,为验证算法的有效性进行了不同的仿真实验.结果表明,所设计的算法能够有效地减小网络中占用的频谱数和最大占用频隙号.     

溶解气回注提高致密油藏采收率效果及敏感性

针对致密油藏水平井产量递减快，衰竭开发采收率低等问题，提出了衰竭开发后期回注溶解气提高采收率的方法。基于新疆玛湖凹陷百口泉组地质油藏特征，建立了致密油藏多级压裂双水平井机理模型，系统研究了上述方法在致密油藏中的生产特征及敏感性。结果表明，溶解气回注可以有效提高致密油藏采收率，缓解水平井产量递减的速度。采出程度随注入量、注入速度及吞吐轮次逐渐增加；气体分子的扩散作用可增加基质的受效范围，扩大气体的作用半径；弱非均质性储层（变异系数0.2）采用溶解气吞吐提高采收率效果最佳。敏感性分析结果表明，吞吐轮次对注溶解气提高采收率的影响最大，其次是注入时间、注入速度、扩散系数、焖井时间。另外，建立的代理模型可准确预测和优化致密油藏注溶解气提高采收率效果。