看向宇宙中最黑暗的地方

1915年,爱因斯坦创立了广义相对论,指出万有引力的本质是时空弯曲。很快,德国物理学家史瓦西根据该理论,推导出天体的视界半径,即天体能被人类看见的最小半径。后来,科学界称之为史瓦西半径。     

ECOC多分类算法在慕课数据挖掘中的应用

收集并整合多所高校学生的慕课学习行为数据，设计基于数据复杂度的纠错输出编码（ECOC）多分类算法。该算法利用数据复杂度降低多类之间的分类难度，从而提高算法的预测准确度。实验结果表明，在不同高校的慕课数据集的测试中，所设计基于数据复杂度的ECOC分类算法比传统的ECOC算法具有更高的分类准确度和鲁棒性，实现了学生学习成绩多等级的有效预测，为个性化教学奠定了基础。     

安庆CGCS2000坐标转换的设计与实现

分析现有自然资源和规划空间地理信息数据,利用国家全球导航卫星系统和区域似大地水准面精化成果,构建安庆独立坐标系与2000国家大地坐标系转换关系,采用平面四参数转换模型,自主研发2000国家大地坐标系转换软件,实现空间地理信息数据的大地基准转换.     

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%.     

基于自适应形态学的跳频信号参数联合盲估计

跳频通信的应用大大提高了军事装备的抗干扰和抗截获能力，使得跳频对抗技术面临严峻的挑战。为解决传统形态学跳频信号参数估计方法中结构元素选择困难问题并提高估计精度，提出了一种基于自适应形态学的跳频信号参数联合盲估计方法。首先，对跳频信号进行短时傅里叶变换获取谱图。然后，从其时间轴投影中获取结构元素尺寸的知识, 设计自适应形态学滤波器抑制谱图噪声, 提取跳频图案初步估计跳频参数。最后, 引入最小二乘估计方法, 对跳频周期和跳变时刻进行精估计。仿真结果表明，此方法能够同时估计出跳频频率、跳频周期和跳变时刻, 不需要其中某一种参数作为先验条件, 在复杂的通信环境也能够保持良好的估计性能。     

面向拥堵传播阻断的城轨站点分类

针对拥堵客流的传播阻断问题,研究了一种城轨站点分类方法.首先,通过分析影响站点拥堵传播阻断能力的相关因素,选取了站点客流量、站点运输能力和拓扑位置指标构建指标体系;其次,采用SOM神经网络和模糊分类算法对多指标数据进行分类,获取了不同时段下具有不同拥堵阻断能力的站点类别,实现面向拥堵传播阻断的站点分类;最后,采用北京市轨道交通实际运营数据对模型进行验证.研究结果表明:该方法能够在城轨系统不同时段下,随着客流量和运输能力的变化,准确识别不同类型的站点,并为后续研究城轨网络的大客流拥堵传播模型提供站点参数分析依据.     

基于强化局部特征的3D点云分类与分割网络

在点云的处理过程中，许多深度学习网络未能充分考虑局部点之间的复杂关系，导致大量空间几何信息丢失。针对该问题，提出了一个强化局部特征的网络，用于点云的目标分类和语义分割。该网络通过设计编码单元对点的多方向信息进行编码；通过注意力机制学习采样分组后形成局部点云的特征。同时提出了一种新的多维损失函数，结合使用交叉熵损失函数与中心损失函数作用于分类任务。在数据集ModelNet40和ScanNet上进行了大量实验，结果表明：该网络在点云的目标分类和语义分割任务上表现出较好的性能。     

生产率差距与产业创新转型的时机选择

随着与世界前沿水平的接近，高中等收入经济体要实现持续增长就必须推进创新战略转型，即从模仿式创新为主转向自主创新为主。以此为基本思路，本文将宏观层面的研究深入到产业层面，构建理论模型，并利用中国与美国1998—2018年工业分行业数据，分析了不同创新战略对生产率的贡献如何随着技术前沿距离变化，并在此基础上探究了创新战略转折点的性质。研究发现：(1)自主创新对劳动生产率的贡献逐渐增加，模仿式创新的贡献趋于下降；(2)当与世界前沿距离达到临界值时，两种技术进步模式对生产率的影响出现转折，利用门槛分析方法作出判断，中国的创新战略转折点应在2005年前后；(3)考虑到产业技术的特性差异，针对技术密集型行业，鼓励自主创新的政策更为有效，而模仿式创新在非技术密集型行业中仍有较大空间。     

基于不平衡数据的公司破产预测研究

整合创新数据预处理技术与集成算法利用不平衡数据探讨了公司破产预测问题。首先，运用冗余信息处理方法、不同抽样方法等对不平衡数据进行预处理。其次，以5.0分类器（Classifier 5.0,C5.0）决策树和单隐层前馈神经网络作为基分类器，分别与三类重抽样数据预处理技术结合，择出最优抽样法。再次，结合自助汇聚法提升分类效果，并运用十折交叉验证的受试者操作特征曲线的下方面积进行评价，对比了两基分类器的集成模型。最后，运用加利福尼亚大学尔湾分校数据库中一万多家波兰制造业公司的实际数据进行实验验证。实验结果表明：欠抽样或人工少数类过采样法与神经网络结合的集成模型分类效果最优，为企业实施破产预测提供积极支撑。     

基于混合优化算法的关节臂式测量机参数标定

为进一步提高关节臂式坐标测量机等高机动性精密测量设备的测量精度,使用D-H矩阵法建立其关节坐标转换数学模型并据此推导出参数误差模型.针对非线性多参数标定问题,通过变换分析消除了最小二乘法求解时矩阵中的冗余参数,降低了计算的复杂性.设定判定准则并实现最小二乘法和模拟退火算法的混合,提出了一种基于混合优化算法的参数标定方法,解决了LM算法的初值设定和SA算法的搜索效率逐步降低的问题.实验结果表明:关节臂式测量机参数经混合优化算法标定后,参数的误差范围有了显著的缩小,单点重复性误差的平均值减小了1.746 mm,长度误差的平均值减小了0.941 mm,测量误差得到了进一步的抑制.