Semiparametric Preference Learning

Unlike traditional supervised learning problems,preference learning learns from data available in the form of pairwise preference relations between instances.Existing preference learning methods are either parametric or nonparametric in nature.We propose in this paper a semiparametric preference learning model,abbreviated as SPPL,with the aim of combining the strengths of the parametric and nonparametric approaches.SPPL uses multiple Gaussian processes which are linearly coupled to determine the preference relations between instances.SPPL is more powerful than previous models while keeping the computational complexity low （linear in the number of distinct instances）.We devise an efficient algorithm for model learning.Empirical studies have been conducted on two real-world data sets showing that SPPL outperforms related preference learning methods.     

基于Stacking集成学习的网络安全态势预测方法

针对现有的网络安全态势预测模型预测精确度低且泛化能力差等问题,提出一种基于Stacking模型融合的态势预测方法。该方法中,借助Stacking算法将TCN网络、WaveNet、GRU、LSTM进行集成挖掘态势数据之间的相关性;之后利用逻辑回归进行预测得到最终态势值;利用粒子群优化算法进行参数寻优,提升模型性能。基于2个数据集进行验证,实验表明,所提预测方法具有较小的均方误差和平均绝对误差,收敛速度较快,拟合度均可达0.999,可以很好解决预测精确度低的问题,提升了模型的泛化能力。     

面向同源蛋白质探测的一种新型混合深度学习模型

根据蛋白质氨基酸链探测其同源蛋白质,进而预测蛋白质的功能,是生物信息学研究领域的一个重要挑战,也是众多生物医学研究领域的基础研究内容,有着重要的科研价值和广泛的应用需求。其研究难点在于:(1)如何学习对同源蛋白质预测有效、有用的蛋白质特征信息;(2)如何更好地运用蛋白质特征信息,实现同源蛋白质的探测与识别。为了解决同源蛋白质探测与识别研究中的关键难点,本文提出一种基于混合深度学习架构的同源蛋白质探测与识别模型(HDLM-PHP)。通过采用统一的"管道式"深度学习架构,将蛋白质特征学习和探测识别统一为一个整体,提高同源蛋白质探测与识别的效能。采用多组并行的深度卷积神经网络,学习蛋白质的各种属性信息,以期获得丰富的待检测蛋白质和靶蛋白质的高级相关性特征,并通过全连接方式使用多层RBM结构融合和精炼这些相关性特征为全局相关性特征。通过统一的深度网络连接方式,以探测和识别任务为导向,学习到对于同源蛋白质预测最有效、最全面的蛋白质特征信息。在标准数据集SCOPe上,对所提模型进行性能与效率评测,结果表明:本文提出的模型能有效地学习到符合任务导向的蛋白质特征数据,提升同源蛋白质探测与识别的准确度和召回率,优于现有的模型和算法。     

归纳式学习中连续型数据的区间划分问题

主要研究的是归纳式学习中连续型样本数据的分组问题 .在归纳式学习方法中 ,对样本数据的不同分组会直接影响到所生成的反映变量间相互关系的规则 ,从而影响到对新样本的识别效果 .特别是对样本数据为连续型的数据的分组问题 ,目前尚未得到很好的解决 .本文在类相关离散化方法的基础上 ,提出了用极大熵法进行初始区间划分 ,用多因素优选法调整区间的边界 ,二阶概率统计检验与实际意义相结合进行区间合并的一整套划分区间的方法 ,并用本文建立的新方法体系对中国宏观经济的某些指标间的相互关系进行了分析 ,取得了良好的效果.     

可持续发展的外语学习能力探析

综合哲学、教育学、心理学和二语习得等不同角度对学习能力的理解,对可持续发展的外语学习能力内涵进行阐释。外语学习能力系统既包括智力因素,也包括非智力因素。外语学习能力应由基本学习能力、拓展学习能力和调节学习能力三大要素构成,三大要素中又包含一系列子要素,其中语言学习的迁移能力、自主学习能力和持久动机是外语学习能力可持续发展的重要指标。     

基于项目的高职大学英语混合学习模式研究

项目教学和混合学习是目前教育界盛行的学习方式和方法。针对高职院校的特点,提出将项目教学与混合学习模式进行有机融合来改革大学英语教学的思路,并重点探讨了学习模式的设计和实施。实践表明,基于项目的混合学习模式有助于增强学生的学习动机,培养学生的语言能力和自主学习能力。     

宋代太学生的学习生活与师生关系研究

宋代太学生一般要由本地选拔举送,通过考试方能入学;宋代太学没有规定肄业年限,只要考试合格,就准予毕业;宋代太学生之间可以相互切磋,还可以和校外名士一起游学,同时,太学生不仅可以跟从太学里的老师学习,也可以根据自身的兴趣,选择太学外的老师学习;宋代太学生的生活总体来说是不错的,相处也较融洽;宋代太学的师生关系除了教学与学术上的传承关系外,更多的是政治上的依存关系。     

虚拟图书馆环境下的虚拟学习探究

虚拟图书馆环境下的虚拟学习成为当今图书管理和图书馆新型服务的新趋势。为此,探讨虚拟图书馆的开发现状和开发方式,突出强调虚拟图书馆的服务范畴,认清虚拟图书馆存在的问题,了解读者信息需求,才能对虚拟图书馆进行有效管理,达到有机统一,以达到充分利用图书馆数字资源,提高虚拟学习环境的效果。     

基于学习风格理论的网络教学模型构建

就网络教学的本质和技术特质而言,网络教学的目的是为学习者提供一种不受时空限制的个性化教学,但网络教育忽略了学习者的个体差异,从而影响了网络教育的质量．通过分析学习风格理论与网络教育的特殊性及学习者的个性特征的关系,提出并构建了运用学习风格理论的网络教育个性化模型,以对网络教学实践有一定的启示,真正实现网络教育的个性化．     

改进的遗传算法在球面点分布问题中的应用

球面点的分布问题,是世界性数学难题.对基本遗传算法进行了改进.采用实数编码,同时在遗传算法中引入了正交算子、变维子空间算子、灾变算子等高效演化算子,形成了自适应遗传算法.这样改进的算法极大地促进了个体多样性,并能促进优秀基因型的杂交和遗传,在收敛和鲁棒性方面优于一般的遗传算法,将它应用于球面点分布问题取得了较好的效果.