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。     

基于混合流量预测的虚拟网络拓扑重构方法

目前在构建虚拟网络时, 为满足用户动态变化的带宽需求, 虚拟网络控制平台通常把虚拟链路带宽设置为流量最大值, 一定程度上造成了资源浪费。针对这一问题, 提出一种基于混合流量预测的虚拟网络拓扑重构方法, 利用基于参数优化选择的混合流量预测算法对下一周期的网络流量进行预测, 根据流量预测结果进行拓扑重构, 在避免出现乒乓效应的同时节省更多带宽资源。为了提高流量预测算法的精度与效率, 首先采用小波分解方法将流量数据分解为高频的细节时间序列和低频的近似时间序列, 然后利用基于粒子群优化的相空间重构方法, 对该时间序列进行特征提取构建训练样本。之后分别采用混沌模型对细节时间序列进行训练预测, 采用极限学习机(extreme learning machine, ELM)神经网络对近似时间序列进行训练预测。仿真结果表明, 所提的流量预测算法在保证预测精度的同时, 运行时间更短, 预测效率更高, 进而保证了拓扑重构方法可以节省更多的带宽资源。     

企业生命周期下投资者关注对权益资本成本的影响

基于行为金融学的价格压力假说，结合企业生命周期理论，以2007—2014年的主板上市公司为样本，分析投资者关注对权益资本成本的影响以及这种影响在企业生命周期中存在的阶段性差异。研究发现，投资者关注与权益资本成本显著负相关，即权益资本成本随着投资者关注的提高而降低。对于不同生命周期的企业，投资者关注对权益资本成本的影响存在差异。新生期、衰退期企业的权益资本成本并不会随着投资者关注程度的提高而降低；成长期、成熟期企业的权益资本成本随着投资者关注程度的提高而降低。可以看出，投资者能够识别企业所处的生命周期，并愿意为成长期、成熟期的企业支付更高的溢价。     

基于自适应变异PSO-SVM的APU性能参数预测模型

为提高辅助动力装置(auxiliary power unit, APU)性能参数预测的精度,针对支持向量机(support vector machine, SVM)模型在实际使用中遇到的参数选择问题,采用自适应变异粒子群优化(particle swarm optimization, PSO)算法实现对SVM惩罚参数和核参数的优化选择,提出一种基于自适应变异PSO算法优化SVM的APU性能参数预测模型。进一步分析了预测模型不同预测步长对短期预测精度的影响。利用某型APU性能参数数据进行了验证,并与多种预测模型进行了对比实验。实验结果表明,对于排气温度(exhaust gas temperature, EGT)的预测,自适应变异PSO-SVM模型的平均绝对百分比误差(mean absolute percentage error, MAPE)比标准PSO-SVM模型低47%;对于滑油温度(oil temperrature, OT)的预测,自适应变异PSO-SVM模型的MAPE比标准PSO-SVM低29%,为短期APU性能变化趋势预测提供了一定的参考。     

考虑外委的露天矿剥岩计划的优化研究

针对“剥岩高峰”对矿山生产带来的不利影响，研究了设备配置更新策略与露天开采外委剥离的优化问题.基于铲运设备的运营成本与生产能力随设备役龄变化的关系，建立了决策单台设备退役时间的动态经济寿命计算模型，并根据此模型给出了具体的设备配置算法步骤.设置一系列不同的矿山自剥离量与外委剥离量的分界水平，计算各分界水平条件下的外委单价可行区间，然后在区间内确定外委商谈价格并分析得出与之对应的总成本净现值最低的外委方案.实例计算证明，采用该方法减少设备投资的成本要高于外委岩石剥离成本.     

部件寿命服从威布尔分布时典型系统的寿命与剩余寿命估计

在实际工程中,对系统寿命以及剩余寿命的估计非常重要。在已知系统中部件寿命与可靠度的前提下,关于如何快速得到系统级寿命与剩余寿命的相关研究比较缺乏。针对这一问题,首先研究了可靠度、寿命以及剩余寿命的关系,进一步假设部件寿命服从同一威布尔分布,根据部件的寿命与可靠度函数,推导得到串联、并联和表决系统寿命与剩余寿命期望的封闭表达式,并给出了相应的计算方法。对于冷备系统,当部件寿命服从同一指数分布时,推得了系统寿命及剩余寿命期望的封闭表达式,而当部件寿命服从同一威布尔分布时,给出了系统寿命与剩余寿命的数值计算方法。仿真试验证明本文所提出的方法是准确高效的。最后,以卫星中的动量轮r/n(G)表决系统为例开展了实例研究,证明了该方法在工程实践中的有效性。     

枯草芽孢杆菌XF-1的碳水化合物活性酶类(CAZymes)蛋白预测与遗传关系分析

枯草芽孢杆菌XF-1对多种植物病原菌具有较好的抑制作用,是农业生产上非常重要的生防菌之一.碳水化合物活性酶类蛋白(CAZymes)作为植物病原真菌、细菌中重要的蛋白,在其生长和发育过程中发挥着重要作用.基于前期获得的枯草芽孢杆菌XF-1中104个分泌蛋白基本序列信息,利用CAT预测程序对该菌中的CAZymes蛋白进行预测分析,明确其含有CAZymes蛋白的数量是58个,上述蛋白可以分为主要类别和复合类别两大类,前者包括26个GHs、21个CBMs以及2个CEs、3个PLs、2个GTs;后者则包括4个复合蛋白类型GH/CBM.该研究有效地实现了枯草芽孢杆菌XF-1中CAZymes的预测,为进一步开展其功能研究打下坚实的理论基础.     

西川满《地狱的谷底》的遣返书写与台湾记忆 ——基于文化记忆视阈的分析

作为日本战后最早涉及台湾遣返体验与殖民地记忆的文学作品之一，日本作家西川满创作的《地狱的谷底》以生命体验与身份认同为遣返书写的两大主题，以女性不断耗散的生命体验展现遣返者作为受害者的“悲剧”，通过持续破灭的身份认同呈现遭遇巨大失败、丧失文明、内部撕裂犹如“地狱的谷底”般的日本，在此基础上进一步将台湾“记忆化”为“故乡”式的存在。西川遣返书写的最大逻辑悖论在于其构筑的“遣返者=受害者”“战后日本=地狱”的意识形态，其台湾记忆最大的情感陷阱就是通过“美化”和“忘却”的记忆重构了“事实”、代替了“事实”，这种记忆成为日本战后民族文化记忆的一部分，影响了战后日本人关于殖民和战争的认识，需要进行批判和厘清。     

A Time‐Simultaneous Prediction Box for a Multivariate Time Series

A sample‐based method in Kolsrud (Journal of Forecasting 2007; 26 (3): 171–188) for the construction of a time‐simultaneous prediction band for a univariate time series is extended to produce a variable‐ and time‐simultaneous prediction box for a multivariate time series. A measure of distance based on the L_∞ ‐norm is applied to a learning sample of multivariate time trajectories, which can be mean‐ and/or variance‐nonstationary. Based on the ranking of distances to the centre of the sample, a subsample of the most central multivariate trajectories is selected. A prediction box is constructed by circumscribing the subsample with a hyperrectangle. The fraction of central trajectories selected into the subsample can be calibrated by bootstrap such that the expected coverage of the box equals a prescribed nominal level. The method is related to the concept of data depth, and thence modified to increase coverage. Applications to simulated and empirical data illustrate the method, which is also compared to several other methods in the literature adapted to the multivariate setting. Copyright © 2015 John Wiley & Sons, Ltd.