多重网络中的创意扩散模型研究

基于线上线下多种渠道的创意扩散研究是企业管理的新兴研究热点之一.为此,引入多重网络理论与传播动力学理论,考虑工作中线下沟通、工作中通过企业社交媒体在线沟通及非工作时间电子沟通三种渠道,构建多种渠道构成的多重网络中的创意扩散模型.研究创意在多重网络中持续扩散的阈值条件,并对创意在多重网络中的扩散过程进行仿真实验.结果表明:1)当员工在单位时间内通过以上各渠道沟通的平均次数较接近时,在多重网络中创意扩散的速度较快,创意扩散的范围较广;2)与匀质网络相比,当非工作时间电子沟通子网络是无标度网络时,在多重网络中创意扩散的速度较快,扩散的范围较广;3)增大子网络层间创意扩散的相互促进作用对整个多重网络中创意的有效扩散有积极影响.     

基于信息化知识管理系统的中医拔尖人才培养模式

中医拔尖人才的培养是新时期中医院校和中医医院发展的"核心竞争力",信息化知识管理系统是运用信息技术将名老中医的隐性知识转化为显性知识,利用网络存储、系统开发、资源共享的便捷性探索适用面更广、形式更灵活多样、可操作性更强的中医拔尖人才培养模式.     

高低温环境航天机构力矩特性测试平台研制

为了测试在太空环境下航天机构中弹性机构的性能指标,研制了高低温环境下测量角度-力矩特性的测试平台.分析测试平台测试原理后,设计了平台的机械结构、设计电气系统结构并搭建软件系统.机械结构考虑对被测对象的保护,针对高低温测试带有高低温箱,可以为被测对象提供-100℃～100℃的温度环境,具有热变形偏差测量与补偿设计,减少温度变化对测量精度的影响.软件系统具备收集、处理、存储数据和图形化显示能力.分析平台不确定度的组成,对传感器进行测试校准并对航天弹性机构进行测试,测试结果验证了:该测试平台的力矩检测范围为0～50 N·m,力矩检测精度≤0.5％FS,角度测量扩展不确定度为U=35.6″,得到了被测对象的角度-力矩特性曲线图.     

视觉搜索中图标布局的影响机理

采用视觉搜索范式，研究图标视觉特征及数量变化对图标布局认知绩效的影响.实验表明，当图标数量N=6时，仅图标视觉特征主效应显著，布局方式对搜索速度无显著影响，图标视觉特征是认知绩效的主要影响因素;当图标数量N=15时，仅图标布局方式主效应显著，横向排列搜索速度最快.通过图标数量的连续性变化实验发现，图标数量超过10个，横向排列反应时显著低于纵向排列，两者错误率无显著差异;随着图形面板 L_○长度 / S_○宽度比值的降低，两者平均反应时差距逐渐缩小，趋于一致.研究表明，图标数量的变化对布局方式和视觉特征的认知绩效产生显著影响.     

基于深度学习的多STBC盲识别算法

针对空时分组码(space-time block code, STBC)识别中多种编码类型难区分的问题, 提出了一种基于卷积神经网络的STBC盲识别算法。该算法首先将接收信号采用自相关函数的频域预处理, 输入到卷积神经网络中对信号特征进行提取, 全连接层对特征进行映射, 实现对6种STBC类型的识别。仿真实验结果表明, 在无信道和噪声等先验信息的条件下, 所提算法能够有效区分3种相似度高的STBC3码, 且将STBC可识别的编码类型由目前的4种扩充到6种, 识别准确率能达到96%。该方法的复杂度较低, 不需要利用大量样本数据, 实时性高, 具有较好的工程应用价值。     

中国高层次科技人才省际流动的特征

.以2014-2019年中国内地(未包括香港、澳门和台湾地区)人选高被引科学家为高层次人才研究对象,通过挖掘高层次人才个人履历信息,构建科学家迁移特征信息数据库,从跨省域流动、省内流动及机构流动等多层次、多维度对高层次人才省际流动特征进行研究.研究结果表明,中国高被引科学家在各地区间分布差异非常明显,主要集中在北京、江苏、上海等经济与科教资源发达的地区;高被引科学家净流杰主要集中在广东省、江苏省和四川省等东部发达地区,净流出主要集中在吉林省、安徽省和辽宁省等中西部和东北地区;从机构来看,净流入主要集中在电子科技大学、苏州大学和复旦大学,净流出集中在中国科学院、北京大学等,但由于中国科学院高被引科学家人选人数多,故中国科学院净流出占其入选总人数的比例并不高.     

浅析“四项负责制”在高校图书馆的实施——以湖北工程学院图书馆为例

分别从"四项负责制"的基本概念入手,阐述了在高校图书馆实施"四项负责制"的基本内容及基本要求,以湖北工程学院图书馆为例,介绍了该馆倡导和推行"四项负责制"的情况,以提高图书馆整体服务质量。     

基于GAN的通信干扰波形生成技术

现有通信干扰方法, 通常基于通信侦察中获取的目标信号特征进行干扰决策, 选取合适的干扰波形实施干扰, 难以应对目标信号特征未知或参数动态变化的情况。为此, 提出一种基于生成对抗网络(generative adversarial networks, GAN)的通信干扰波形生成技术, 运用GAN直接提取目标信号的潜在特征, 并生成与目标信号特征相似的干扰波形。在介绍GAN原理的基础上, 首先设计网络模型, 并对学习率进行优化, 使GAN更适用于时间序列通信干扰波形的生成。然后通过对不同类型和参数的通信信号进行干扰波形生成实验, 验证了该技术的泛化性。最后进行干扰效果对比试验, 结果表明, GAN生成的干扰波形干扰效果能够逼近最佳干扰效果。     

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。