论非物质文化遗产传承人制度之完善

非物质文化遗产是重要的国家财富,非遗保护的核心即传承人保护。我国非遗传承人的传承环境艰难且正面临断层的危机,当前非遗保护中的传承人制度存在着认定机制不合理、扶持力度不够、资格取消不当等问题。新颁布的《非物质文化遗产保护法》关于传承人制度的第29、30、31条也并未从根本上改变上述问题,未来应在以下方面加以完善:合理确定传承人认定的数量和标准、完善多渠道的认定程序、加大对传承人扶持的广度和力度以及废止传承人资格取消制度。     

基于模糊支持向量的多标签分类方法

单实例多标签分类是指一个样本拥有多个标签的分类问题,对此提出了一种基于半模糊核聚类和模糊支持向量机的多标签分类算法.该算法采用一对一分解策略将多类多标签数据集分解为多个两类双标签数据子集,在每个子集上训练两类双标签模糊支持向量机.为提高分类器的性能引入了半模糊核聚类技术.实验结果表明,与现有的一些算法相比新算法具有其优...     

改进的SVM决策树分类算法

为解决多类分类问题,在分析SVM决策树分类器及存在问题的基础上,通过引入类间可分离性测度,并将其扩展到核空间,提出一种改进的SVM决策树分类器。实验表明了该分类算法对提高分类正确率的有效性。     

SVM在金属塑性成形摩擦系数预测中的应用研究

针对金属塑性成形过程中摩擦系数较难确定的客观情况,提出一种基于支持向量机的能够快速预测摩擦系数的方法。利用支持向量机建立了金属塑性成形中润滑油、模具表面粗糙度、滑动速度和金属材料表面粗糙度与摩擦系数的支持向量机模型．实验结果表明这种模型具有很好的精确度和预测性,为摩擦学设计和程序化计算和分析提供了一种方便且有效的工具。     

数据挖掘在高校图书馆读者管理中的应用

在论述数据挖掘技术的基础上,从7个数据挖掘模式方面探讨了如何把数据挖掘技术应用于高校图书馆读者管理中。     

基于异质分类器集成的蛋白质结晶倾向性预测

X射线结晶学是确定蛋白质分子结构的重要方法之一。准确预测蛋白质的结晶倾向性对于基于X射线结晶学的蛋白质结构确定的成功率具有重要意义。该文提出了一种基于异质分类器集成的方法,以进一步提高蛋白质结晶倾向性预测的准确率。首先从蛋白质序列出发抽取氨基酸组成成分、伪氨基酸组成成分、伪位置特异性得分矩阵以及伪溶剂可及性特征,并将这些特征进行组合;然后,在特征空间训练多个异质分类器并进行集成。该文所提方法在公开训练集上的五重交叉验证及独立测试集上的马修斯系数分别达到了0.64及0.73。与现有的基于序列的蛋白质结晶倾向性预测方法的对比结果进一步验证了所提方法的有效性。     

基于划分融合的非平衡SVM分类算法

支持向量机(Support Vector Machine,SVM)是一种公认有效的分类算法,在处理小规模二分类问题时表现出较好的性能,但在处理非平衡数据的分类问题时能力有限,针对非平衡数据的分类问题,文章提出一种基于划分融合的非平衡SVM算法(Imbalanced SVM Algorithm based Divisio...     

领悟社会支持与大学生抑郁:生命意义感和自我控制的作用

采用领悟社会支持量表、生命意义感量表中文修订版、大学生自我控制量表和流调中心用抑郁量表,对450名大学生进行问卷测量,在社会支持主效应模型、情绪ABC理论和自我决定理论的综合视角下,探讨领悟社会支持与大学生抑郁的关系及其影响机制.结果发现:(1)领悟社会支持与大学生抑郁呈显著负相关;(2)领悟社会支持对大学生抑郁的影响...     

基于变分模态分解和神经网络的风速组合预测

风速预测在风能开发和利用中起着关键作用,然而风速序列往往存在强波动性和非平稳性的特征。为了提高风速预测的精度,文章提出变分模态分解(variational mode decomposition, VMD)和神经网络相结合的风速组合预测模型。首先采用变分模态分解将风速序列分解为若干不同频率的子序列;其次计算各子序列的样本熵(sample entropy, SE)以量化复杂程度,引入熵值法建立神经网络组合预测模型,对复杂度较高的分量采用神经网络组合预测模型,其余分量采用支持向量机(support vector machine, SVM)模型进行预测;最后将各分量预测结果运用BP神经网络拟合得到最终预测值。针对北京测风塔实测样本进行建模预测,验证所提出预测模型的可行性,并与6种不同风速预测组合模型开展对比分析,证明所提出的预测模型具有更好的鲁棒性和预测精度。     

智能故障诊断技术及应用的研究

首先讨论了故障诊断系统的主要任务及其不同的分类方法,接着对几类典型智能故障诊断方法的原理、特点、诊断内容、诊断过程作了分析和比较。由于在实际应用中一种单纯的故障诊断方法往往得不到理想的诊断效果,因此重点讨论了几种重要的综合智能故障诊断方法。最后对智能故障诊断方法的应用做了简要介绍并对智能故障诊断方法的进一步发展做出思考。