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。     

结合流形结构与柔性嵌入的多标签特征选择

将线性回归模型与流形结构相结合,构成了弱线性多标签特征选择的联合框架。首先,用最小二乘损失函数来学习回归系数矩阵;其次,通过标签流形结构来学习数据特征的权重矩阵;再次,用L2,1-范数来约束回归系数矩阵和特征权重矩阵,这样既能引导稀疏性,又有利于特征选择。此外,设计并证明了具有收敛性的迭代更新算法来解决上述提出的问题。最后,所提出的方法在多个经典多标签数据集上进行了验证,实验结果表明了所提算法的有效性。     

中国代表团取得冬奥会历史最好成绩

<正>2月20日晚，北京冬奥会圆满落下帷幕。连日来，中国奥运健儿们奋勇拼搏，带领中国冰雪运动实现新跨越。中国体育代表团在本届冬奥会多个项目上实现新突破，共收获九金四银两铜共15枚奖牌，位列奖牌榜第三名，取得了自1980年参加冬奥会以来的历史最好成绩。短道速滑是中国的传统优势项目。在2月5日首个比赛日，短道速滑队拼下一枚混合接力金牌，为中国代表团赢得首金。     

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。     

基于ESVM的科技政策文本标签分类研究

文本标签作为一种文本关键词,能够简化科技政策中有效信息的挖掘。本文从科技政策类别角度,将标签类别分为科技投入、知识产权、农村科技和税收四类,针对传统SVM算法的缺点和标签数据不平衡的缺点,结合欧式距离思想,提出一种带有惩罚因子的ESVM科技政策文本标签分类方法。最后,对比SVM和ESVM两种分类方法,验证了本文方法在处理科技政策文本标签数据上的有效性。     

THPWJB-1型微机变压器保护实训考核装置在教学中的应用分析

介绍THPWJB-1型微机变压器保护实训考核装置的结构组成特点及基本功能,结合实训教学案例对该装置在高职继电保护课程教学中的应用情况进行分析研究,针对应用中的一些问题提出了加强操作规范及安全意识培养、增加人为设置实训装置操作环节故障模拟等具体的改进优化措施,以期为进一步提高学生的工程实践应用能力设计开发出更多更好的实训项目,整体提升实训设备的使用效益和人才培养质量.     

标签本体在图书资源管理中的应用研究

本文主要对标签本体进行了介绍,并对标签本体与图书分类法进行了比较,指出标签本体与当前图书馆图书资源组织的不同,最后对标签本体在图书馆的应用进行了展望。     

Hadoop框架下的多标签传播算法

标签传播算法的主要思想是利用已标注数据的标签信息预测未标注数据的标签信息。然而,传统传播算法没有区别对待未标注数据与已标注数据相互之间的转移信息,导致算法的收敛速度较慢,影响了算法的性能。针对传统算法的不足,提出了差异权重标签传播算法,算法按标注信息的重要性赋予不同的权重。在解决了大规模特征矩阵相乘问题之后,将提出的差异权重标签传播算法应用到Hadoop框架下,采用分布式计算,实现了能够处理大规模数据的多标签分类算法(HSML),并将提出的HSML算法与现有主流多标签分类算法进行了性能比较。实验结果表明,HSML算法在多标签分类的各项性能评测指标和执行速度上都是有效的。     

浅析电力施工中的项目质量管理

随着电力企业改革的不断深入,推动着企业在各个阶段都要规定并严格遵守质量控制手段,以提高自己的整体竞争力。电力施工工程质量管理的一个重要组成部分就是项目质量管理,因为电力施工中的复杂和动态性,故在质量操纵方面都会有更高的条件和尺度,论文着重分析了电力施工企业在施工中应用项目质量管理的情况。