美国调整国防布局，以应对新一轮大国竞争

<正>随着中美战略博弈的不断深化，拜登政府重新定义了中美关系，在认可特朗普政府对华政策总体方向的基础上，将中国明确定义为“最严峻竞争者”，甚至奉行“弹性遏制战略”，在遏华的总方向上更进一步。拜登总统上台一年以来，不断调整国防布局，从国防组织架构、国防预算、作战概念开发、军种建设以及全球军事部署等多个方面进行调整，以应对新一轮大国竞争。     

基于子图特征的科学家合作网络链路预测

提出了多种基于子图结构特征的新特征,构建了基于节点重要性、基于节点共同邻居、基于边共同邻居、基于邻居子图和基于边子图五类特征,并将这五类特征中的多种特征分别作为特征输入,运用机器学习的方法,实现科学家合作网未来合作关系的预测。研究中发现,基于边子图特征的链路预测准确率最好。此外,研究中运用基于模型的特征排序和最大信息系数特征选择方法分析类内特征的影响力以及相互关系,通过机器学习算法的分类模型进行链路预测。该方法能够有效地揭示网络类内特征在预测中的重要性和相关性,有利于发现影响力大的特征和冗余特征。     

盘点政府工作报告里的那些“安全”细节

<正>2015年国务院政府工作报告中的安全看点3月5日上午9时,第十二届全国人民代表大会第三次会议在人民大会堂举行开幕会,国务院总理李克强作政府工作报告,审查计划报告和预算报告。李克强在政府工作报告中,首先回顾了2014年的全面工作。在总结创新社会治理,促进和谐稳定方面,他指出:我们妥善应对自然灾害和突发事件,有序化解社会矛盾,建立健全机制,强化源头防范,保障人民生命安全,维护良好的社会秩序。去年云     

浅谈财政税收工作存在的问题及深化改革

在我国经济快速发展的同时,对财政税收工作也越来越重视,但目前的税收工作与经济体制稍有不服,还需深化改革。在此首先分析了财政税收工作中出现的问题,然后提出了一些解决对策。以期对以后的工作中提供一些参考。     

微波接力组网的节点再优化研究

为进一步完善常规方法构建的微波接力网组网拓扑,提出了一种基于最优链路集的网络节点再优化方法。该方法综合考虑节点吸引系数、链路衰落概率、节点通信冗余等因素,借助网络拓扑优化的思想,采用遗传算法构造了微波接力网的最优链路集;以节点在该集合中的度为依据,通过对节点的合理排序,以部分用户节点代替非必要的干线节点,完善了组网拓扑。在修改链路和节点价值集后,该方法还可解决其他网络干线、中继节点的选择问题。     

解析俄罗斯《2020～2022年联邦预算》

2019年12月2日,俄罗斯总统普京签署了《2020~022年联邦预算》。根据该法案,未来三年俄罗斯将力求保持财政预算的盈余状态,以应对外部冲击、缓解内部压力。在维护国家宏观经济政策稳定的同时,中期预算还谋求扩大政府投资,为俄罗斯经济增长创造新的动力。     

国土资源部门财务预算管理的现状及对策探讨

该文以国土资源部门财务预算管理为研究对象，论文首先分析了当前国土资源部门预算管理中存在的主要问题，进而从组织保证、时间保证、积极推行零基预算三个方面给出了对策，在此基础上，论文给出了国土资源部门预算管理的具体策略，相信对从事相关工作的同行能有所裨益。     

《政府预算管理》课程教学范式改革诉求与创新实践

《政府预算管理》作为财税专业的核心课程,体现出教学模式由知识传递转向能力提升、教学内容由固化守旧转向动态化、教学方法由被动灌输转向主动学习、教学考核由单一途径转向多元形态等诉求。由此,应引入MIMPS教学理念,紧跟"互联网+"发展节奏,提升参与"感"与"度",关注教与学双面效果等,搞好教学范式改革。     

一种基于链路质量的蚁群优化VANET路由算法

针对城市环境下车载自组织网络(vehicular ad hoc network， VANET)中车辆信息传输性能不稳定的问题，提出了一种基于链路质量的蚁群路由算法实现信息可靠稳定的传输。通过道路中的车辆密度，通信半径，数据包大小分析当前道路的连通概率、传输时延以及分组投递率，并建立数学模型，评价当前传输道路的链路质量；引入局部链路质量(local link quality， LQ)和全局链路质量(global link quality， GQ)改进蚁群算法的路段选择公式，得到最优的信息传输路径。仿真结果表明，该算法在收敛速度、数据包传输时延和分组投递率方面优于其他算法。该算法的提出能够实现城市场景下车辆信息可靠、稳定、高效地传输。     

基于集成学习的复杂网络链路预测及其形成机制分析

为了预测节点与网络中其他现有节点之间的新连接或缺失连接，链路(边)预测近年来引发了越来越多的研究兴趣。最近已经提出各种具有不同特点的算法，以解决链路预测的问题，其中每种算法只考虑一种网络信息，从而产生片面的结果。提出基于集成学习的方法，将所有单一算法集成组合，综合考虑网络的各种信息来解决这一问题。在8个真实网络上进行了实验，利用局部拓扑索引、全局拓扑索引和推荐算法提取了17个不同的特征。结果表明，集成学习的关键性能指标——受试者工作特征曲线 (receiver operating characteristic curve， ROC)下面积(area under curve， AUC)比最佳单一算法提高2%至17%，最高达到0.9624。此外，根据度分布和随机森林得到的特征选择，分析了不同类型网络的结构与形成机制。在形成机制、网络类型和功能之间，获得了一些重要的见解:由某些确定的机制或假设导出的特征，确实是连接2个节点的内在驱动力，也正因为如此，这些特征可以用于链路预测。