一类(L)-半富足半群的平移壳

给出了一类(L)-半富足半群的平移壳.     

Fea2Lab:基于多标记学习的特征到标签生成模型

传统多标记学习方法通常只考虑和示例相关联的单个特征向量以及无差别地预测全体标签,从而忽视了与示例相似的其他示例及隐含的标签属性,造成输入空间特征信息较少、标签属性被忽略和对大标记空间预测效果差等问题.为解决以上问题,文章转化传统多标记学习任务为多标记学习的序列到序列任务,并由此提出新的多标记学习标签生成神经网络模型(Fea2Lab模型):通过交错的顺序排列示例和相似示例形成链式特征向量序列,来增加输入空间特征信息;通过挖掘标签属性来有差别地预测标签;通过在解码流程中使用全局标签信息,来缓解预测过程中出现的错误标签级联问题.在多个数据集上的实验结果和消融实验表明转化任务和Fea2Lab模型的合理性、可行性及有效性.     

基于小波变换域的SVM股市时间序列预测算法

研究利用小波变换技术提高基于SVM的股市时间序列预测算法的效果.采用结构相同的若干SVM同步预测股市时间序列数据在不同尺度下的小波变换系数,通过对各预测值进行加权组合预测股市变化趋势.其中所有SVM的核参数采用遗传算法同时自动进化调整.通过实证分析,以及同基于SVM的股市时间序列预测算法进行对比,结果证明结合小波变换技术能够更深入揭示股市规律.     

基于LSTM的燃煤电厂NOx排量软测量

燃煤电厂煤粉在燃烧过程中产生的有害气体会对大气环境造成污染,NO_x为其中之一。针对燃煤电厂生产过程中NO_x排放量测量成本高、过程复杂等问题,考虑到机组运行数据具有的时间序列特征,提出一种基于长短期记忆神经网络的软测量方法对NO_x排放量进行预测。在分析NO_x产生机理的基础上,利用来自陕西省榆林市某电厂2019年1月至6月的实际生产数据,初步选取与NO_x排放量紧密相关的20个辅助变量;将数据进行预处理以消除粗大误差和随机误差,并利用灰色关联度分析进一步精选出15个辅助变量;将实际生产数据划分训练集和测试及对LSTM模型进行训练和测试,并将LSTM模型与BP神经网络模型和支持向量机模型的软测量结果比较。结果表明：基于LSTM的测量方法均方误差较基于BP神经网络与SVM的方法均有减小,说明该方法测量准确度较高,泛化能力更强。     

我国自然灾害风险预警模型

自然灾害风险的预警对防灾减灾有重要意义,做好风险预警除了要考虑常规的相关因素外,更要考虑自然灾害在大跨度时间区域内的变化趋势。该文基于时间序列ARIMA模型,分析全国31个省75个月(2014年3月至2020年5月),由自然灾害造成的直接经济损失和受灾人口情况,得出其依照时间线的规律,并预测未来12个月直接经济损失和受灾人口的发展情况。结果表明,我国自然灾害造成的直接经济损失和受灾人口的变化趋势基本相同,在一年内均有两次较大起伏,最高值分别处于夏季的7月份和冬季的1月份,最低值则分别处于春季的3月份和秋季的11月份,最高值约为最低值的2～4倍。     

胶东郭家岭序列北截杂岩体SHRIMP锆石U-Pb年代学、岩石学、地球化学特征及构造意义

胶东地区大规模金成矿作用与中生代构造、岩浆活动关系紧密,如郭家岭期岩浆杂岩体与该区域大规模的金成矿期存在较好的时间耦合性.本研究以郭家岭期北截杂岩体中发育的两期花岗闪长岩为研究对象,开展岩相学、全岩主微量元素地球化学及S H RIM P锆石U-Pb年代学研究.北截杂岩体两期花岗闪长岩均为似斑状结构,但二者的基质粒度表现...     

关于序列覆盖K映射的注记

利用sn覆盖和cs覆盖概念,以及度量空间的序列覆盖k-映象和1序列覆盖k-映象的内部特征,证明了度量空间上的序列覆盖k-映射是1序列覆盖映射,并构造例子说明度量空间上的序列商k-映射不是序列覆盖映射．     

基于IPSO-GPR的HVAC送风温度预测模型

针对AHU系统中的多维、异构、非线性等特点,提出了一种基于改进粒子群的高斯过程回归(IPSO-GPR)算法.在传统的PSO算法上引进了混沌序列和交叉策略,使粒子在运动过程中能够自适应的调整搜索方向和速度,并针对局部最优解附近的区域进行了重点搜索,降低PSO陷入局部最优解的风险.使用平方指数和二次有理两种核函数的组合GP...     

求周期序列线性复杂度的快速算法

基于有限域GF(q)上的分圆多项式理论,提出和证明了求周期为qnpm的GF(q)上序列的线性复杂度和极小多项式的一个快速算法,这里p与q均为素数,且q是模p2的本原根.该算法既推广了求周期为pm的GF(q)上周期序列的线性复杂度的一个快速算法,也推广了求周期为2npm的二元周期序列的线性复杂度的一个快速算法.     

图像可逆数据隐藏技术研究综述

可逆数据隐藏技术不仅能从嵌入数据后的载体中完整地提取嵌入的秘密数据,而且能无损地恢复原始载体,这在诸如医学图像、遥感图像等特殊的应用领域非常实用,已成为多媒体安全领域的研究热点。以数字图像为载体,首先对信息隐藏技术的分类、应用和特性与可逆数据隐藏技术的基本框架和性能评估进行简要描述。其次,对基于差值扩展、直方图平移、预测误差扩展、像素值排序和插值技术等五种典型的可逆数据隐藏技术分别进行了介绍和讨论,给出了每种典型技术的嵌入和提取过程。最后,对可逆数据隐藏技术未来的研究趋势进行了展望。