公民意识刍议

公民意识是政治民主化的必备内容之一。公民意识相对于臣民意识而言,指民众有独立的人格和理性精神,神圣的法律意识和权利义务观念,积极主要的政治参与热情。我国民众尚不具备现代公民意识,原因是我方面的,既有历史传统的影响,又有现代客观条件的限制。培育公民意识是我们艰巨的任务,必须从政治、经济、文化等方面入手。只有培育出现代公民意识,我国民主政治的建设目标才能实现。     

用于非规则波导传输特性分析的高效坐标变换法

针对传统数值方法在非规则波导的数值计算中存在边界处理复杂、计算效率低等问题,提出了一种高效分析非规则波导传输特性的坐标变换法。首先根据变换函数,将非规则截面区域映射为一个简单的规则截面区域,为保证变换前后Maxwell方程组满足形式不变性,变换后的规则截面区域需填充适当的各向异性媒质,媒质参数由Jacobian变换矩阵确定,由此将非规则截面波导转化为一个与其等效的规则截面波导;其次借助有限元法对简单的等效规则波导进行求解,可有效降低边界处理算法的复杂度和剖分网格密度,提高数值计算效率。对椭圆波导和矩形脊波导的计算结果表明,使用该方法能够在保证足够计算精度的同时,节省计算资源达50%以上。     

约束优化问题的修正选择粒子群优化算法

提出一种求解约束优化问题的修正选择粒子群优化算法(RSPSO).在这个算法中,利用动态多阶段罚函数方法处理约束,并加入一种违反约束的修正选择策略,采用线性递减违反约束容忍度来引导粒子,即利用修正的可行基规则来更新个体极值和全局极值,指引粒子迅速飞向可行域;考虑到粒子群中每个粒子周围的局部信息对它未来飞行的影响,改进了基本粒子群优化的速度方程.数值结果表明,所提出的算法求解约束最优化问题具有较高的计算精度、较好的稳定性和较强的全局寻优能力.     

FP-growth算法的一种优化实现

研究工作者已经提出了许多对事务数据库中频繁模式、关联规则的挖掘算法.早期算法有Apriori算法,然而该算法利用候选项集找频繁项集,而候选项集的产生往往是非常耗时的.JianweiHan等人提出了一种改进的算法,FP-growth算法.该算法不产生候选项集,效率比Apriori算法提高了近一个数量级.在描述FP-growth算法的基础上,具体讨论了如何优化数据结构,有效的实现该算法.     

规则意识:建构社会主义和谐社会的精神支撑

和谐社会的规则意识是建构社会主义和谐社会的精神支撑。文章分析了确立社会主义和谐社会规则意识的历史与现实依据;指出社会主义法治精神与伦理精神是构建社会主义和谐社会规则意识的两个基本维度;提出社会主义和谐社会的规则意识应该着重协调与调整不同群体的利益关系,使社会规则的安排有利于不同社会阶层、社会群体平等交往、共同发展,这是构建社会主义和谐社会的关键所在。     

不同行为规则下动态市场份额推测变差模型的复杂性

针对静态双寡头推测变差模型中对参与人行为的限制,考虑如何将非线性动力系统理论和混沌理论等结合起来更好地描述寡头垄断市场。本文构建参与人分别具有不同行为规则的动态市场份额推测变差模型,研究动态市场份额推测变差模型的复杂性。通过模型求解和数值仿真分析得出结论:参与人在不完全信息和不完全理性情况下,市场份额推测变差系数和其它参数的取值范围决定了动态系统的稳定性、产量分岔、利润分岔、混沌等;如果参数取值在一定范围内,静态市场份额推测变差均衡能够作为稳定的动态均衡实现;否则,市场份额推测变差均衡不稳定,经济系统可能会出现周期变化或混沌的现象。     

基于启发式混合遗传算法的相控阵雷达最优化调度

针对相控阵雷达最优化调度,提出了结合启发式规则的混合遗传算法实现。设计了基于遗传算法的相控阵雷达调度的编码规则、初始种群产生、交叉和变异遗传算子等,定量描述了波束合并和交错跟踪的条件,并提出了五项启发式规则。最后开发了结合启发式规则的混合遗传算法相控阵雷达调度软件系统,并利用仿真结果验证了算法的可行性和有效性。     

基于元学习技术的分布式采掘关联规则研究

关联规则是数据采掘中的重要研究内容。本文利用元学习技术提出了在分布式交易数据库环境下,分布式采掘关联规则的一种方法和相应算法DMAR。该算法具有较高的采掘效率和较低的数据通信量。定义了衡量采掘算法效率的分布式因子g,并指出算法的采掘效率和数据通信量与g值的大小有关。最后通过实验验证了该算法的正确性和有效性。     

改进的模糊神经网络应用于投标报价

针对模糊神经网络规则膨胀导致的网络训练速度慢和泛化能力弱的缺陷,提出了一种改进的基于T-S模型的模糊神经网络的结构和算法。网络结构包括前件和后件网络二部分,本文在后件网络中增加了一个隐含层以提高计算能力,在前件网络中运用了有效模糊规则选取的方法以提高收敛速度。最后将提出的网络结构应用于建筑工程的投标报价中,仿真结果证明:该网络能达到更高的误差精度、更快的训练速度和更好的泛化能力。