基于灰色关联分析模型的新乡市科技金融耦合关系研究

基于科技创新与金融发展之间的耦合机制,引入灰色相对关联度分析法,以2014年到2019年的专利申请数量、技术合同交易额和金融机构贷款额为依据,分析了科技创新与金融发展之间的互动关系.研究结果表明,新乡市科技创新与金融发展有着较强的正相关关系,应大力推进科技金融的协调发展,提高两者的融合质量.     

“新工科”背景下电子信息类专业工程应用型人才培养模式研究

"新工科"背景下对传统工科专业改造和新兴工科专业建设提出了新的需求.结合IEET工程教育认证的要求,从新专业建设、培养方案制定及课程体系设置、理论和实践教学改革、人才培养模式创新等方面提出了电子信息类专业工程应用型人才培养途径和方法,为培养适合社会发展需求的工程实践能力强、竞争能力强的高素质"新工科"人才提供了思路.     

安徽建筑大学本科线上教学现状统计分析研究

2020年,受新冠疫情影响,在教育部"停课不停教,停课不停学"的倡议下,线上教学成为高校的主要教学方式.对安徽建筑大学师生使用线上教学平台情况,以及使用超星学习通和直播平台开展线上教学过程中遇到的问题进行统计分析,结果发现,虽然各大平台都能"八仙过海,各显神通",但是大部分平台的功能却"尺有所短",如没有学情数据收集功能、缺乏师生有效互动功能等.针对线上教学存在的问题,提出了相应的提质增效策略,为后疫情时代高校有效实施在线教学提供参考.     

《南京林业大学学报(自然科学版)》征稿简则

1特色和栏目《南京林业大学学报(自然科学版)》创刊于1958年,是由南京林业大学主办的林业类综合性学术刊物。以“大森林、大生态、大环境”为特色,面向国内外学者组稿,重点报道以生态环境建设,林业资源培育、保护综合利用等为主,包括生态学、林学、植物保护学、生物学、环境科学城乡规划学、风景园林学、园艺学等一级学科, 以及与之相关的二:级学科、交叉学科研究成果。     

基于旅客画像的航班出行选择预测方法研究与实现

根据预处理后的旅客出行数据,运用改进的K-means聚类算法进行用户分群,提取聚类特征得到旅客类型子集合,并构建用户画像.基于特征重构数据库,构建旅客类型、出行方式、出行时间段三个维度的交叉巢式Logit模型,捕捉选择方案间的相关性,预测旅客航班出行方式、出行时间段的交叉选择,并基于实际数据进行参数估值和检验.结果表明,旅客倾向于先根据个人及家庭的需求形成旅客类型,考虑选择何种出行方式,最后在旅客类型和出行方式的双重约束下选择航班的出发时间,为机场实施需求管理提供有效依据.     

基于目标跟踪与轨迹聚类的行人移动数据挖掘方法研究

随着物联网、大数据、人工智能等技术在安防领域不断取得突破性进展,公共视频监测系统近年来得到飞跃式发展.基于监控设备产生海量的非结构化视频数据,通过对监控视频中的行人轨迹进行分析和研究,可以挖掘出其中蕴含的行为模式,这对人群行为研究有着重要的研究价值.本文使用基于目标检测的多目标跟踪算法对地铁站出口,商场出口等场景中的行人移动轨迹进行提取,并在此基础上对行人的轨迹模式进行分析.针对行人轨迹的特点,在基于点密度聚类算法的基础上,提出并实现了基于轨迹相似度的轨迹聚类方法.结果表明,该方法能够有效的提取行人轨迹,并且从大规模轨迹数据中提取出轨迹模式.     

空间用四轴陀螺组合浪涌防护及数据填补方法

针对空间用四轴陀螺组合换轴及光源切换时产生浪涌以及数据丢失的问题, 提出了一种浪涌防护及数据填补方法。首先，采用双光源方案, 设计了浪涌防护电路, 降低了上电过程中瞬时大电流对元器件的影响。然后，建立了数据填补机制, 用来弥补切换过程中丢失的数据。最后，进行了地面数据填补实验, 角速率分别设为0.174 5 rad/s和1.745 rad/s, 预测的角速率与实际的角速率分别相差不超过0.003 rad/s和0.008 rad/s, 相对残差分别为0.003 9和0.001 2, 验证了所提方法的有效性。     

基于改进TOPSIS的电力基建项目评价机制与应用

针对现有电力基建项目评审时存在的测评指标不全面、评价结果不合理等缺陷，提出基于改进TOPSIS的电力基建项目质量偏差度评价模型。通过对影响电力基建项目质量评审合理性的因素进行分析，实现项目质量偏差度评价指标体系的构建。采用组合赋权法，使得主客观权重值得到有效的平衡，完成权重组合系数的合理选取。利用余弦相似度和灰色关联分析，完成对传统TOPSIS法的改进。在此基础上，将改进TOPSIS法运用于电力基建项目质量评价工作中，使评审结果的准确性得到进一步的提高。算例结果表明，该模型可有效完善项目质量偏差度评价指标，使得评价结果更加符合实际情况，为电力基建项目的评审工作提供有效支持和决策。     

基于改进K-means算法的工件表面缺陷分割算法研究

工件表面缺陷的存在影响工件产品的质量以及工件的安全使用,传统的工件表面缺陷检测由人工完成,工作量大且易受到检测人员主观因素的影响,很难保证检测的效率与精度.本文提出了一种基于改进的K-means算法的工件表面缺陷分割算法,将自适应人类学习优化算法应用到K-means聚类算法中,使自适应人类学习优化算法初始化K-means聚类算法的聚类中心,最后将改进的K-means聚类算法结合形态学进行工件表面缺陷的检测.实验表明,该算法能够较理想的分割出工件表面的缺陷,具有分割精度高、实用价值较好的特性.     

一种基于类不平衡学习的情感分析方法

针对网络评论中普遍存在的负面评论较少而影响力却较大的类不平衡问题, 提出一种基于类不平衡学习的情感分析方法. 该方法利用深度学习训练过程中的概率输出, 以计算样例的信息熵作为影响因子构建交叉信息熵损失函数. 在IMDB公开数据集上进行实验验证的结果表明, 基于集成信息熵损失函数的双向长短期记忆网络能处理类不平衡问题; 对数据的统计分析结果表明, 该策略能提升基于双向长短期记忆网络的评论情感极性分类性能. 针对AUC(area under curve)指标, 使用集成信息熵损失函数的双向长短期记忆网络模型比未考虑类不平衡的深度学习模型在中位数上最多提升15.3%.