刍议高职院校校外实践基地的建设与管理

高职院校都建立了一定数量的校外实践基地，但是运行情况不容乐观，有的甚至是有名无实，虽然数量不少，实际利用率却不高。文章从高职院校校外实践基地的类型区分、存续问题、政府作用以及运行管理、责任分担诸方面作了初步探讨。     

一种基于神经网络分形模型的一维信号表示方法

本文提出了一种基于神经网络的分形模型,讨论了映射收缩条件,并对湖底回波进行了实验。实验结果表明,在此基础上求解分形逆问题,得到的吸引子能很好地逼近指定信号。     

基于红外云图的台风中心智能定位方法

台风中心附近的云墙是同心圆状云带且其灰度值范围较固定,针对该特点,利用红外云图对台风中心进行智能定位,提出由云图预处理、Snake活动轮廓模型提取台风云墙轮廓点、最小二乘法拟合圆组成的3步定位方法。实验结果表明,该方法定位速度快、精度高,能满足气象业务的实时性要求。     

一种非线性分形的时间序列模型表示法

提出了一种基于非线性映射的迭代函数系统（ Ｉ Ｆ Ｓ）,并以此作为一个时间序列的模型。为了保证模型成立,文中给出了映射收缩条件并进行了证明。非线性函数以分段函数形式给出,文中讨论了当非线性函数取为多项式形式时模型的求解方法,并对湖底回波进行了实验。实验结果表明,非线性 Ｉ Ｆ Ｓ产生的吸引子能够很好地逼近原信号。     

一种基于神经网络分形模型的一维信号表示方法

本文提出了一种基于神经网络的分形模型，讨论了映射收缩条件，并对湖底回波进行了实验，实验结果表明，在此基础上求解分形逆问题，得到的吸引子能很好地逼近指定信号。     

基于时空大数据与卫星图像的城市火灾风险预测

火灾事故在全世界范围内普遍存在且频繁发生。然而，针对城市火灾的风险预测研究尚在起步中。为此，提出一种针对城市火灾风险的预测模型HISS。基于多重分形维度从卫星图像中提取视觉特征，并将卫星图像的视觉特征与从历史火灾数据、气象数据、出租车流动记录、区域用电量数据和POI数据中提取的非视觉特征相融合，构成静态特征。基于静态特征对XGBoost进行预训练，并设计一种特征嵌入模块，将XGBoost的预测结果作为基准值嵌入到包含时序关系的动态特征中，通过Transformer学习火灾的时间波动模式。采用动态加权模块实现XGBoost和Transformer在模型层面的融合，进一步提升模型的性能。实验结果表明，HISS模型的确定系数R²达到了72.56%，与长短期记忆网络和门控循环单元相比R²分别提升4.25和3.92个百分点，与Lasso、随机森林和梯度提升决策树相比R²分别提升10.88、5.62和3.93个百分点，具有较优的预测性能。