System deployment optimization in architecture design

Optimization of architecture design has recently drawn research interest. System deployment optimization （SDO） refers to the process of optimizing systems that are being deployed to activi- ties. This paper first formulates a mathematical model to theorize and operationalize the SDO problem and then identifies optimal so- lutions to solve the SDO problem. In the solutions, the success rate of the combat task is maximized, whereas the execution time of the task and the cost of changes in the system structure are mini- mized. The presented optimized algorithm generates an optimal solution without the need to check the entire search space. A novel method is finally proposed based on the combination of heuristic method and genetic algorithm （HGA）, as well as the combination of heuristic method and particle swarm optimization （HPSO）. Experi- ment results show that the HPSO method generates solutions faster than particle swarm optimization （PSO） and genetic algo- rithm （GA） in terms of execution time and performs more efficiently than the heuristic method in terms of determining the best solution.     

辫子群的q-组合式

从标准R-矩阵和适当选取的相互对偶的辫子群出发,作者在[1]中利用双重玻色化定理刻画了ABCD型量子包络代数U_q(g)的递归构造.本文详细刻画在这些递归构造中,辫子群的生成元在更高一秩的新量子群中的表达式,它们是关于单根向量的q-组合式形式.     

视知觉训练与初级视皮层神经元信息及其表征容量

通过分析猕猴初级视皮层（V1）神经元的群体活动在轮廓线检测训练过程中的变化发现：知觉训练可以降低V1神经元响应在不同试次之间的变异性，促使V1神经元对相同刺激的响应更加稳定；训练还可降低V1神经元群体中神经元活动之间的相关性，使V1神经元之间的活动更加独立；增加了神经活动的维度，提高了神经元表征信息的容量，减少了冗余的神经活动，进而提升了感知能力.     

有限群的p-幂零性和超可解性

通过讨论群G的Sylow子群的极大子群的弱F_s-拟正规性,得到了G是p-幂零和超可解的一些新的判别准则。     

基于蚁群算法的电梯群控系统控制器设计

随着社会的进步,电梯数量的不断上升,如何让电梯的运行变得更加有效成了一个亟待解决的课题。基于CAN总线和蚁群算法,将建筑物的楼层、电梯总体数量、乘客等候的时间以及电梯的载荷等重要指标融为一体,提出了一种新的针对电梯控制的操作系统,为下一步深入研究对电梯的控制打下良好的基础。     

基于TCN-BiLSTM的网络安全态势预测

针对现有网络安全态势预测模型预测精确度低和收敛速度慢的问题，提出一种基于时域卷积网络(temporal convolution network, TCN)和双向长短期记忆(bi-directional long short-term memory, BiLSTM)网络的预测方法。首先，将TCN处理时间序列问题的优势应用到态势预测上学习态势值的序列特征；随后，引入注意力机制动态调整属性的权值；然后，利用BiLSTM模型学习态势值的前后状况，以提取序列中更多的信息进行预测；利用粒子群优化(particle swarm optimization, PSO)算法进行超参数寻优，提升预测能力。实验结果表明，所提预测方法的拟合度可达0.999 5,其拟合效果和收敛速度均优于其他模型。     

单参数变换群中L算子的性质和应用

通过无穷小变换引入单参数变换群（OPG）中的L算子,介绍并证明L算子的几个重要性质,在此基础上给出了其性质的一个应用.     

云南高原湖泊群的统计学聚类识别 及水质响应模式研究

为探究湖泊群水质变量的响应模式,构建适用于监测数据匮乏的湖泊群聚类和响应模式识别方法体系(PCA-BN),包括4个步骤:数据预处理、PCA降维与湖泊聚类、贝叶斯网络构建及参数学习、湖泊响应关系模拟。以云南高原湖泊群为例开展研究,结果表明:所研究的26个湖泊可分为两类;由于第一类湖泊受到的人为干扰更严重,因而叶绿素a对总氮和总磷的响应比第二类湖泊更敏感;第一类湖泊表层水温高,溶解氧趋近饱和,随叶绿素a变化不显著,第二类湖泊溶解氧随叶绿素a升高而显著升高;两类湖泊的透明度与叶绿素a的关系一致。     

基于改进粒子群优化的K-means算法在学生状态分析系统中的应用

研究学生状态分析系统,旨在收集学生的综合数据,并对这些数据进行分析给出学生的状态,为老师和学生提供一个交流平台.使用基于改进粒子群优化的K-means算法来分析学生的数据,可以提高K-means聚类算法的全局搜索能力,缓解粒子群优化算法的早熟收敛现象.与基于标准粒子群优化的k-means算法和基于遗传算法的k-means算法的收敛结果相比,本文研究的算法有更好的搜索能力.将系统得到的学生评估结果与人工评价得到的相比,从系统获得的评价更全面、更客观.系统还可以提供视觉信息.最重要的是系统还能帮助老师更好地了解学生,及时引导学生,提高管理学生的效率.