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。     

高校场域中学术治理机制对科研产出的影响

随着我国科技政策导向和资源配置对高校学术产出重视力度日益加大,高校科研生产对政府和市场的资源依赖性不断增强,其组织场域呈现外部基于学术性标准的分层和内部学术与行政权力分权的双重特质。作为高校外部组织场域和内部科研生产的中间变量,学术治理机制集中体现了组织场域位置与组织内部技术要素的互动。学术-行政权力耦合是我国高校学术治理机制的主要构型,与外部行政化的场域特征相契合。学术治理机制存在层间异质性和层内同质性,处于场域位置顶层的院校学术权力主导及专业化分工的治理特征明显,师均科研产出较高;处于场域位置底层的院校行政权力主导或学术-行政融合治理的特征鲜明,师均科研产出较低。学术治理机制从结构层面的学术决策权力配置模式、关系层面的学术-行政部门非正式关系以及文化层面的学术氛围3个维度作用于高校教师的科研产出。高校场域位置优势既可直接也可间接通过影响大学学术治理机制,进而影响院校科研产出。应通过高校分类定位、错位发展、多元评价,松动固化的高校组织场域布局,构建以同行评议为核心的学术治理机制、校内学术与行政部门的专业化-支持性关系,优化高等教育场域的组织生态,激发多样化的学术生产活力。     

双向认知网络物理层安全策略建模及仿真研究

为提高移动通信系统的性能,构建了一个存在主网络干扰和窃听者的双向认知中继网络的物理层安全传输模型,设计了一种中继选择和功率分配的联合优化策略,用于对抗窃听者,保护收发节点的信息传输。通过仿真分析得出,此非凸优化问题限制条件较多,难以保证粒子群优化算法随机生成的初始解的可行性,从而造成求解困难。提出了一种基于可变网格优化和粒子群优化算法的混合优化算法。仿真结果表明此算法提高了次级网络的保密速率,提升了次级网络的安全性能。     

基于元学习的航空电子设备特征选择算法推荐方法

为了对航空电子设备的测试数据进行有效约简, 去除冗余信息和不相关特征, 基于机器学习领域现有的特征选择算法, 提出了一种元学习框架下的航空电子设备特征选择算法推荐方法。所提方法旨在根据不同航空电子设备测试数据所蕴含的信息, 推荐合适的特征选择算法。首先, 分析了数据集特征的描述方法。然后, 介绍了采用综合度量指数的算法性能评价方法。最后, 给出了特征选择算法推荐方法的框架。使用42个航空电子设备的测试数据和13个过滤型特征选择算法建立了元数据库, 采用留一法进行交叉验证, 推荐命中率达到了90%以上, 推荐性能比例达到97%以上。     

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。     

设施拥堵状态下的层次性备用覆盖网络模型与改进遗传算法

经典的分层覆盖位置问题(HCLP)是在有限预算内找到设施位置以提供分层服务的问题.这个过程中,需求点的差异化服务需求可以来自层次型网络中不同服务可用性的设施.我们设计了混合服务可用性的层次型网络,通过讨论层次型设施数量为定量和变量的情况构建混合层次网络备用覆盖问题的整数规划模型,并设计、改进元启发式算法来求解问题.结果表明考虑变量的混合服务可用性的优化模型在一次覆盖中能更好的满足客户的需求,而其备用覆盖能力和系统造价并非始终优于单类型层次网络;建议的启发式算法在合理的计算时间内产生高质量的解.     

Space use by two arboreal rodent species in a Neotropical cloud forest

Studying animal space use patterns can help increase our understating of ecological processes such as competition and community dynamics. To quantify space and habitat use in an isolated and patchy cloud forest community in Mexico, we evaluate the vertical stratification, home range and habitat selection of two arboreal rodents: Habromys schmidlyi and Reithrodontomys microdon. Using live-traps at ground level and different forest strata, we radio-equipped nine individuals of H. schmidlyi and seven of R. microdon, and evaluated fine-scale space use and broad-scale habitat selection between cloud forest and oak forest. We found an average home range of 0.24 ha for R. microdon males and 0.72 ha for females, with a preference for higher canopy in the cloud forest. For H. schmidlyi the home range was 0.83 ha for males and 0.29 ha for females, with a preference for the understory level in the cloud forest. Home range is three-dimensional for these rodents, so we estimate that on average, individuals of both species used eight trees in the time they were tracked. We characterised the vegetation at the trap sites, and used recursive partitioning to relate the presence of different plants with the probability of finding these two species and Peromyscus aztecus, a third rodent species also present in the area and considered in our analysis of habitat use. The highest probability of finding R. microdon (96%) was related to the presence of Brachythecium occidentale and Renauldia mexicana, while H. schmidlyi (95%) was found in close proximity to Fabronia ciliaris and Everniastrum. We highlight the importance of arboreal trapping in biodiversity assessments, and the role of arboreal rodents in maintaining tropical forest ecosystems. We suggest that these rodent species could avoid or reduce competition by using the vertical strata differentially, and that H. schmidlyi and R. microdon can be biological indicators for cloud forest management and conservation.     

基于变量选择-神经网络模型的复杂路网短时交通流预测

摘要： 针对传统交通流预测模型正在由单断面历史数据处理向多断面、多时刻历史数据处理转变,但在考虑各断面间的影响时,多变的交通状况往往会使预测模型复杂化的问题,引入一种多元线性回归最小绝对收缩和选择算子方法(Lasso),并利用其优秀的变量选择能力,在复杂路网多断面中选出相关性较高的断面；结合神经网络(NN)的非线性特性,提出了Lasso NN组合模型.结果表明：Lasso NN模型在路网交叉口对未来15 min交通流数据预测的误差率低于9.2%；在非交叉口的误差率低于6.7%,总体优于各自单独使用得出的结果.     

选材引起测量金属丝杨氏模量的误差分析

杨氏模量的测量是大学物理中重要的力学实验之一。我们对不同直径、不同长度的钢丝进行了杨氏模量测定,分析了选材对实验结果的影响。研究结果表明,在仪器允许的测量范围内,直径越小、长度越长的材料,其杨氏模量的相对合成标准不确定度越小。     

住宅中儿童活动空间设计方法

住宅发展致力于解决住户最基本的生活问题,直到近年来住宅多样化,才出现儿童房等功能分区。然而,儿童活动空间仍未得到住户与设计者足够的重视。由此,试图通过分析儿童在住宅内的行为习惯与设计存在的问题,归纳其需求。在此基础上,研究文献,结合实际提出儿童活动空间的位置选择,家具布置方法,提出可持续设计建议。