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。     

浅论气象术语标准研制的问题与对策

为避免气象术语中出现循环定义、定义不协调、定义与术语不匹配、定义重复术语名称或使用代词等问题,运用术语学原理分析,提出研制术语时要注意“语料收集、定义研制、术语分类、辨析关系”的对策建议,这对提高术语研制质量,增强表达交流效果,完善气象标准体系具有重要作用。     

基于三维点云的岩体结构面自动分类与参数计算

结构面间距是岩体稳定性和力学特性分析中的一个重要参数，在岩石力学、采矿工程、边坡监测等领域的数值计算中广泛应用.本文以岩体边坡露头为研究对象，基于非接触测量获得的三维点云数据，提出一种基于密度聚类的结构面细化分类方法；在结构面粗略分组提取的基础上，通过投影变换、散乱点拟合等算法，求得结构面间距和岩体体积节理数.设计开发了结构面细化分类及间距等参数计算与分析原型系统，实际案例分析表明，本文方法可有效实现结构面的自动细化分类，并能够计算出间距等相关参数，可为岩体质量分级和岩体稳定性分析等提供方法支撑.     

基于mRMR与因子分解机的分类模型研究

很多学者用“全球恐怖主义研究数据库”GTD数据集，采用博弈论、K近邻法和支持向量机等分析恐怖事件的聚集性，已经取得一些成果.但在前期研究中未有很好考虑数据的稀疏性以及高维度多冗余等会导致聚集分类准确率不高的问题.本文提出一种基于最小冗余最大相关与因子分解机结合的TFM分类模型，使用增量搜索方法寻找近似最优的特征解决高维度多冗余问题和FM方法解决数据稀疏问题，并对预处理后的恐怖袭击事件数据用TFM模型做量化分类.文中使用朴素贝叶斯NB、支持向量机SVM、逻辑回归LR与TFM等4个模型的“马修斯相关系数”MCC进行比较，结果显示TFM的MCC相对于其他三个模型NB、SVM、LR分别提高了49.9%,2.5%,2.3%，可见TFM模型有一定可行性.     

改进的人工蜂群算法及其在坐标转换七参数计算中的应用

人工蜂群(artificial bee colony,简称ABC)算法是模拟蜂群在采蜜过程中所表现的群体智能行为来实现对实际问题求解的相对较新的优化技术.针对ABC算法收敛速度慢和容易陷入局部最优的缺点,结合坐标转换七参数计算的特点,作者对ABC算法的初始解的确定和观察蜂阶段选择策略进行了改进,并将此改进的ABC算法应用到坐标转换七参数的计算中.通过与其他两种方法计算的七参数进行坐标转换的精度对比实验,验证了论文方法计算的七参数实现了更高精度的WGS-84坐标系与BJ-54坐标系坐标的转换.     

血浆N末端脑利钠肽水平和心脏超声功能参数在评估临床心功能分级中的价值研究

目的探讨血浆N末端脑利钠肽(NT-proBNP)水平和心脏超声功能参数在评估临床心功能分级中的价值.方法选取慢性心力衰竭患者106例,入院次日清晨抽取患者空腹肘静脉血,采用酶联免疫法检测血浆NTproBNP水平,并对患者进行纽约心脏病协会(NYHA)心功能分级评定,之后进行心脏彩色多普勒超声检查.结果血浆NT-proBNP水平与心功能分级之间呈明显正相关(P0.01);左心室短轴缩短率、左心射血分数与心功能分级之间呈明显负相关(P0.01);左心室舒张末期内径、左心室收缩末期内径与心功能分级之间呈明显正相关(P0.01);不同心功能分级之间血浆NT-proBNP水平、各心脏超声功能参数均存在明显差异(P0.01);其中,心功能Ⅰ级和Ⅱ级,Ⅲ级和Ⅳ级之间差异均无统计学意义(P0.05),Ⅲ级与Ⅰ级、Ⅱ级,Ⅳ级与Ⅰ级、Ⅱ级之间差异均有显著统计学意义(P0.01);NT-proBNP联合心脏超声检查对不同心功能分级的诊断特异性和敏感性明显高于血浆NT-proBNP水平、心脏超声检查,差异具有统计学意义(P0.05).结论血浆NT-proBNP水平联合心脏超声功能参数能够客观准确地判断慢性心力衰竭患者的心功能情况,有助于指导临床对该类患者的治疗及判断预后.     

汇聚传统教材精华 吸纳新近科研成果——冯力斌、白萌主编《声乐教程》评析

《声乐教程》是旨为促进学生全面发展的音乐教育针对性的声乐教材,强化了"全能"教育理念,培养了艺术综合能力,探索了根据教学需要的音乐教育课程结构,采用实用性强的进阶技术训练途径,在置换或更新教材教法中为学界提供了很多有益经验。在对其评析基础上,针对近年来声乐教材编写现状提出发展建议。     

巨灾风险大数据处理应急分类、分解、分拣算法与应用

本文主要研究巨灾风险大数据处理的应急分类、分解、分拣算法,给出了相应的算法原理和可操作的步骤.首先根据巨灾风险大数据灾害规模巨大的特征,提出了一种用来解决巨灾风险大数据中一级事件的应急分类与二级事件及以下更低级事件的应急分解算法,并以特大地震灾害作为实例进行了算法应用.接着定义了事故灾难度,用来对巨灾风险大数据处理过程中,对各种级别的事故灾难后果进行不同的数字标识.然后提出一种用来解决巨灾风险中大数据快速处理的应急分拣算法,并在汶川地震中大规模灾害的应急救援计划中进行应用.经过采用这样的应急分拣原理,就可以在面对巨灾风险大数据的复杂、繁多和零乱的重灾事件状态下,使整个应急救援方案优化,并能够有条不紊地进行救援.     

基于主题突变检测的颠覆性技术识别——以无人机技术领域为例

 颠覆性技术对实现中国科技创新跨越式发展具有重要战略意义。以无人机技术领域为例，获取Web of Science论文数据库和德温特（Derwent）专利数据库2005-2019年收录的2812篇论文与专利数据，基于LDA-LSTM文本分类算法得到技术主题，采用CiteSpace构建共现网络，从突变权重排序及突变时间段和突变共词聚类知识图谱2个角度进行主题突变检测，进而识别出无人机交互技术中的脑机接口技术及手势控制技术为该领域内的颠覆性技术，通过2020年无人机技术领域相关论文专利验证了识别框架的有效性。     

基于改进的局部保持投影的战时备件分类

为提升战时合成部队备件保障效能，需对其进行有效分类，以便开展备件的预储预置。针对备件种类多、时效性强、影响分类因素复杂的现实问题，提出了基于改进的局部保持投影的备件分类方法。首先，根据战时备件分类储备的影响因素，作为备件分类的特征指标，其次，利用改进的局部保持投影的降维方法对备件原始特征数据进行特征降维，得到低维特征向量。再利用支持向量机（support vector machine，SVM）的分类器对低维数据进行分类。并通过量子粒子群对SVM的核函数参数进行寻优，提升备件分类精度，得到满足备件分类准确率最优时的降维维数和分类器参数。最后，通过对演习装备备件分类的实例分析，验证了模型的可行性和合理性，并对比分析了其他分类方法，表明该方法能够较好地解决战时备件分类的问题。