一种新的神经网络集成方法及其在精准施肥中的应用

为解决作物精准施肥量确定这一难题,提出了一种新的基于神经网络集成的精准施肥量确定方法.在该方法中,采用回放取样生成神经网络个体集合,通过给出一种神经网络相似度度量标准,用聚类算法AP从神经网络个体集合中选出一组精度高、多样性强的网络个体;进而形成分别用拉格朗日乘子和预测有效度法线性集成所选个体的算法LME和FEME.在基准数据集上的实验结果表明:在精度方面,算法LME要明显优于算法FEME和算法BSN(单个最优神经网络算法),且LME具有较好的泛化能力.最后在确定精准施肥量方面,对算法LME进行了实际应用,结果表明LME明显优于传统施肥模型和现有神经网络精准施肥模型.     

基于SNFS地震资料处理并行共享存储系统

针对传统并行共享存储系统在深水海洋地震资料处理应用中存在的缺点,设计部署了一种新的基于SNFS并行共享存储系统.通过对其进行功能与性能测试分析,结果表明该系统具有优越性,能满足实际石油物探应用需求.在此基础上,进一步提出了对该存储系统优化的建议与方法.     

角色导向的网络表示学习综述

网络表示学习是一种将网络节点映射到低维、连续的实值向量空间上的技术,它在网络分析中发挥着重要作用.社团导向的网络表示学习作为目前研究的主要分支之一,主张在学习的节点表示中保持自身的社团属性,如节点的邻近性,使得相近节点具有相似表示.这类方法虽然可以挖掘现实系统中具有明显聚集特征的实体集合,但因其未考虑节点结构上的相似性,导致它们无法识别扮演相同角色、发挥类似功能的实体.近些年,一些方法结合角色的概念,利用节点在网络中的连接模式来派生节点表示,这使得学习到的表示可以尽可能地保持原始网络中节点的结构相似性.尽管这种面向角色的网络表示学习对于现实场景的分析及网络科学的发展起到了一定推动作用,但是目前对该领域的研究仍然非常有限,已有工作缺乏统一的理论解释和实验比较.本文主要对近年来角色导向的网络表示学习工作进行了系统性综述:首先,本文结合相关概念及理论知识,分析了社团导向和角色导向网络表示学习的区别;接着,在总结现有角色导向网络表示学习方法的基础上,给出了一种全新的分类方式,以把握不同算法的本质原理;随后,本文在具有社团或角色标签的十个实验数据集上对基于社团或角色的算法进行了可视化、节点分类、...     

基于k最近邻网络的数据聚类算法

聚类研究在数据挖掘研究领域中占有十分重要的地位。虽然目前已有很多数据聚类算法,但精度仍不够理想。文中提出一个基于结构化相似度的网络聚类算法(SSNCA),试图从网络聚类角度进一步提高数据聚类精度。具体解决方案是,将待聚类的向量数据集转化为k最近邻网络,并用SSNCA对该网络进行聚类。将SSNCA与c-Means、仿射传播进行比较,实验表明文中算法得到的目标函数稍差,但聚类精度要明显高于这两个算法。     

基于反射和数据绑定机制的WEB动态查询研究

本文在分析了利用基于Weblogic平台的JAVA反射机制和Workshop数据绑定机制开发WEB动态查询的优越性基础上,提出了一种解决方案.结合印染商务信息系统的实践开发为例,介绍了这种思想、方法的具体实现.     

凝心聚智铸共识 勠力同心谋发展--《武汉市再制造产业的现状调查与政策研究》线上访谈实录

0前言再制造是循环经济“再利用”的高级形式。其作为朝阳产业被定位为战略性新兴产业而被纳入国家发展战略中,发展再制造产业是促进循环经济和推动实现碳达峰、碳中和目标的重要途径。