人内传播与人的社会化

本文将美国社会心理学家米德从社会学角度提出的以＂泛化的他人＂为特征的人的社会化过程分解为媒介社会、社会映射、人内传播等人类传播子过程,试图通过米德提出的社会互动理论,分析各子过程的作用,并解释它们对社会文化的传承以及人内传播之影响。     

基于贝叶斯正则化神经网络的径流长期预报

针对神经网络用于径流长期预报时,网络结构过于复杂而易出现过拟合的问题,采用主成分分析和贝叶斯正则化神经网络对预报模型进行改进.首先利用主成分分析对输入因子进行降维和优化,然后通过贝叶斯正则化对网络权值的限制来简化网络结构,从而有效地抑制过拟合.对嫩江流域江桥站年平均径流的仿真结果表明,贝叶斯正则化神经网络结合主成分分析的预报方法,可以显著地提高泛化能力和预报精度,而且网络收敛也比较稳定.     

基于模糊粗糙集理论的信息检索方法的研究

信息检索中的词汇挖掘就是利用给定域范围的词汇来提高用户查询效率，大多数情况下信息检索系统上的查询不是优化的。词汇挖掘可以使我们在查询上进行泛化、特化或者其他基于词汇转换的操作来提高查询性能。本文将粗糙集和模糊集理论结合起来研究了一种新的词汇挖掘框架，该框架即使当文本和查询使用加权表示即模糊表示时，也可以用基于粗糙集的近似集合。     

隐喻与认知视野下“牛”意义的演变

牛的形容词意义是本身固有的，其衍化是人类在对牛性状的认知中经历了隐喻及转喻的过程，使其原型性状在各主体间经历了抽象与泛化，而且，人类对原型性状的这种认知及词义的转换方式是很多名词衍化成兼类形容词所共有的特性。     

全局视野多层次特征增强的人脸伪造检测方法

针对现有的深度伪造检测方法的偏重于局部伪造纹理信息以及对于未知伪造类型人脸泛化性检测精度低的问题，提出了一种基于全局视野的多层次检测网络，利用多头注意力机制聚合空域中Query的像素级别强度以及梯度信息生成Key和Value,使得网络在空域中构建长距离依赖关系便于获取全局伪造信息，并结合多层次特征增强策略对检测网络不同层次之间的提取伪造特征进行增强，用于提升网络的空间感知局部伪造信息能力。实验结果表明在数据集内和跨伪造类型数据集上均有较高的ACC和AUC测试得分，消融研究验证了模型各个子模块的有效性。     

从系统发育分析进化生态学中的特化

 进化生态学(evolutionary ecology)是利用生态学、遗传学、进化生理来考虑和分析生态学问题的一个学科,它是生态学的一个分支学科.而特化(special-ization)是由一般到特殊的生物进化方式,指物种适应于某一独特的生活环境、形成局部器官过于发达的一种特异适应,是分化式进化的特殊情况.     

分类器集成差异性研究

差异性是集成学习中的重要概念,对差异性的研究在集成学习领域中占有基础性地位。从差异度量方法、差异度与分类器集成性能的关系以及差异度在集成优化中的应用三个方面对当前研究进展进行分析。深入分析了现有工作,对存在的问题给出一些解决思路,建议不能为了差异性以较大的基分类器精度损失为代价;不能为了引入差异性而偏离原来的分类问题。     

基于T-S模型的扩展型模糊神经网络及应用

针对基于T-S模型的模糊神经网络的局部逼近缺陷,提出了一种基于T-S模型的扩展型模糊神经网络,从训练样本特性和网络结构两个方面来提高网络模型的泛化能力.利用先验知识和模糊推理的方法对样本集进行分析和分类处理,使样本集更加规范;并采用模糊规则推理动态调整正则项系数的方法来减小网络结构.仿真结果表明,所提出的网络具有更快的收敛速度和良好的泛化能力.     

基于错分样本权重约束的AdaBoost算法改进

提出一种AdaBoost算法中错分样本权重约束的方法,该方法对AdaBoost算法中多次错分样本数据的权重进行约束,当其超过一个阈值时,就限制这些样本权重的增加,使其在下一轮迭代中的权重比例不至于过大,以提高强学习算法的泛化能力及精度.仿真实验表明该方法在分类问题和回归问题上都得到了较好的结果.     

小波网络和BP网络在负荷预测中的比较研究

从收敛速度、网络稳定性、泛化性能及预测结果等方面分析BP网络和小波神经网络的预测过程,探讨了差异的原因.发现:(1)BP网络预测稳定性强,易取舍数值,但预测速度较慢,预测精度不够理想;(2)小波网络预测速度快,精度高,泛化性能好,但稳定性能差,实际运用中还没有合适的数值取舍方法;(3)小波网络总体超过BP网络,但实际预测时技术问题较大.