张家湾出土龙泉古瓷来源的EDXRF分析

为了解北京张家湾出土龙泉古瓷的来源,用能量色散X射线荧光(EDXRF)测试了10个张家湾出土龙泉古瓷的化学组成,并和浙江南宋时期龙泉大窑青瓷、寺龙口越窑仿官瓷数据一起进行模糊聚类分析,结果表明多数张家湾出土龙泉古瓷可能来自于南宋龙泉大窑区,少数张家湾出土龙泉古瓷可能来自于浙江龙泉其他窑区.张家湾出土龙泉古瓷的胎、釉料来源和南宋寺龙口越窑仿官瓷有所不同.     

Variety distribution pattern and climatic potential productivity of spring maize in Northeast China under climate change

This study was based on the daily meteorological data of 101 meteorological stations from 1971 to 2000 and the 0.25°×0.25° grid data from 1951 to 2100 simulated by RegCM3 under the future A1B climatic scenario published by National Climate Center,in combination with the demand of climatic condition for maize growth in Northeast China.The trajectory of agricultural climatic resources and the effects of climate change on variety distribution and climatic potential productivity of spring maize in Northeast China under future climate change were analyzed.The main agro-climatic resource factors include:the initial date daily average temperature stably passing 10℃(≥10℃),the first frost date,the days of growing period,the ≥10℃ accumulated temperature,and the total radiation and precipitation in the growing period.The results showed that:(1) in the coming 100 years,the first date of ≥10℃ would be significantly advanced,and the first frost date would be delayed.The days of growing period would be extended,the ≥10℃ accumulated temperature and the total radiation would be significantly increased.However,no significant change was found in precipitation.(2) Due to the climate change,the early-maturing varieties will be gradually replaced by late-maturing varieties in Northeast China,and the planting boundaries of several maize varieties would be extended northward and eastward.(3) There would be a significant change in the climatic potential productivity of maize in Northeast China with the high-value gradually moving towards northeast.(4) It was an effective way to increase the climatic potential productivity of maize by appropriate adjustment of sowing date.     

网络多媒体环境下的大学英语大班教学模式探讨

大班授课是扩招后各高校大学英语教学中普遍存在的一种形式。然而大班教学模式本身存在一些缺陷。为弥补大班授课的一些不足,多媒体被广泛引入大学英语的一些教学中。本文就多媒体技术在英语大班教学中应用的必要性及其优势展开讨论,提出一些改革英语大班课堂教学模式的观点和办法。     

聚集数据线性模型一种有偏估计

文章对病态的聚集数据模型,提出了新的有偏估计,其中对模型中的参数要求大于零。讨论了这种新的有偏估计的优良性,证明了此估计改进了岭估计(均方误差意义下),推广了已有的结果。     

基于机器学习的犯罪预测综述

随着犯罪数量不断增加,以及新型犯罪模式不断出现,准确预测未来的犯罪活动越来越重要。所以,基于机器学习的犯罪预测方法对于识别未来犯罪以及减少犯罪数量具有重要的意义。根据犯罪类型的不同,使用的犯罪预测方法也呈现多样化。为此,对国际上不同类型的犯罪预测方法进行了总结和分析,并在此基础上对如何提高犯罪预测的精度进行了讨论,希望对使用机器学习进行犯罪预测的相关工作有一定的参考意义。     

基于MapReduce和改进人工蜂群算法的并行划分聚类算法

针对大数据背景下基于划分的聚类算法中存在参数寻优能力不佳、初始中心敏感、数据倾斜等问题,提出一种基于MapReduce和人工蜂群(artificial bee colony,ABC)算法的并行划分聚类(the partitioning-based clustering algorithm by using im-prove artificial bee colony based on MapReduce,MR-PBIABC)算法.首先,提出基于反向学习和聚类准则函数的初始化策略(backward learning and the clustering criterion function,BLCCF),提升人工蜂群算法搜索的解质量,并将ABC算法和人工鱼群(artificial fish colony,AFS)算法结合,提出改进人工蜂群(improve artificial bee colony,IABC)算法,通过利用AFS算法最优解能力较强的特性,来提高ABC算法的寻优能力;其次,根据改进的人工蜂群算法IABC获取初始聚类中心,提出相对熵策略(rela-tive entropy strategy,RES)衡量人工鱼间的距离,保证获得的初始聚类中心是最优人工鱼状态,从而有效避免了随机选取初始聚类中心,引起的初始中心敏感的问题;再次,设计数据均衡策略(data balancing strategy,DBS),通过动态收集节点负载并分配节点间的负载,解决了节点上数据倾斜的问题;最后,结合MapReduce计算模型,并行挖掘簇中心,生成最终聚类结果.实验结果表明,MR-PBIABC算法的聚类效果更佳,同时在大数据环境下,能有效地提高并行计算的效率.     

云计算环境下关联性大数据实时流式可控聚类算法研究

针对传统聚类算法效率低、效果差和稳定性弱等弊端,提出一种新的云计算环境下关联性大数据实时流式可控聚类算法。介绍了关联性实时流式数据的定义和特点。通过粗聚类对实时抵达的数据元组进行相应的预处理,确定类簇的数量与中心点位置,形成通过存在差异的宏簇构成的集合,粗聚类采用的算法为Canopy算法。将粗聚类得到的宏簇传至K-means算法,给出了K-means算法的详细步骤,通过K-means算法完成细聚类,介绍了整个细聚类详细步骤。实验结果表明,所提算法具有效率高、质量好、稳定性强等优势,可有效实现云计算环境下关联性实时流式大数据聚类。     

一种分布式文件系统的推送式数据预取机制

为了克服传统的数据预取机制的不足,提出了一种在分布式文件系统中存储服务器端的推送式数据预取机制.在达到减少网络通信的数据量和通信时延目的的同时,可以让运行客户端文件系统的计算节点从跟踪I/O操作和预测I/O操作的工作中脱离出来,减轻了客户端的工作负担,提高了存储系统的性能.     

基于文献计量的中文科技新词探讨

文章以中国知网的中文学术文献数据库为基础,利用词频统计,结合时间参数,对中文科技新词做了探讨。文章认为,高被引论文的关键词包含了专业领域的重要中文科技名词。统计结果表明,大部分高被引论文为基金论文。由于基金论文在全部论文中所占比例较低,因此,不需要考虑全部新论文,只要对其中基金论文的关键词做词频统计,就有助于发现大部分重要中文科技新词。这样,既减少了工作量,也减少了盲目性。此项工作对科研工作者和术语工作者有一定帮助。     

大数据科学的认知和数学基础引论

 大数据不仅在科学、工程与计算智能中有着广泛的应用，而且在人类感知、估计、量化、记忆和推理的认知机制中发挥着基础性作用。通过对大数据科学理论的基础研究，提出一组大数据系统的一般原理和分析方法。为了从形式上解释大数据的起源和本质，探讨大数据的认知基础及其数学模型，严格地引出了根植于科学、工程和社会各个领域的大数据的一般模式。研究发现大数据不再是传统实域上的纯数，而是一个前所未有的新型数学结构，称为递归类型化超结构（RTHS）。这一大数据系统的基本拓扑特性揭示了大数据工程的复杂性及其操作与处理的全新认知、理论挑战，以及可选解决方案。