考虑产品属性层次性的评论挖掘及需求获取方法

为提高需求获取的准确性,提出一种考虑产品属性层次性的评论挖掘及需求获取方法。首先,采用基于层次主题模型的半监督方法挖掘大量文本评论数据,得到产品属性层次结构树。其次,基于依存句法分析抽取产品属性对应的情感极性相关词,并对其量化表示为情感极性值,再基于属性间的加权层次关系对缺失的情感极性值进行补充。最后,计算每个产品属性的平均用户满意度,并分析确定下一代产品的开发需求。通过挖掘汽车之家口碑数据获取用户需求的案例,证明了所提方法的有效性。     

满族旗袍的审美文化探索

满族旗袍源于古代深衣,肃慎时期衣皮为主,挹娄时期学会以麻制袍,勿吉时期兽皮与布帛并用,女真时期袍以皮、麻、丝为之。满族在旗故称旗袍,以丝绸为尚。旗袍作为这个民族特有的服饰不仅凝聚了满族的文化,也顺应了华夏民族的审美思想,伴随时代的变迁,满族旗袍也在不断地发展变革,其鲜活的符号意义代代传承。其旺盛的生命力生生不息,并且在当今民族文化产业中占据一席之地。对满族旗袍的文化属性、商品属性进行了较系统研究,并对其发展趋势进行提炼与探索。     

聚类混合型数据的密度峰值改进算法

聚类混合型数据，通常是依据样本属性类别的不同分别进行评价。但这种将样本属性划分到不同子空间中分别度量的方式，割裂了样本属性原有的统一性；导致对样本个体的相似性评价产生了非一致的度量偏差。针对这一问题，提出以二进制编码样本属性，再由海明差异对属性编码施行统一度量的新的聚类算法。新算法通过在统一的框架内对混合型数据实施相似性度量，避免了对样本属性的切割，在此基础上又根据不同属性的性质赋予其不同的权重，并以此评价样本个体之间的相似程度。实验结果表明，新算法能够有效地聚类混合型数据；与已有的其他聚类算法相比较，表现出更好的聚类准确率及稳定性。     

带权决策表的属性约简

属性约简是粗糙集理论的重要应用。考虑将决策表中的每行都作为一条决策规则时，若把表中出现相同决策规则的次数作为权，可得到带权决策表。提出了关于带权决策表的正域约简相应的辨识矩阵并给出了证明，从而得到了约简算法。相比于决策表中的正域约简时发现，通过将决策表转化为带权决策表后，再利用算法1进行约简时，其在一定程度上优于前者。提出了近似分类精度约简相应的辨识矩阵并给出了证明。对于2个算法，在选取的UCI数据集上进行了实验验证。通过实验进一步说明了所提出算法的可行性和有效性。     

密文策略属性加密中的撤销控制方案

在云环境下使用数据共享功能时，由于云环境的复杂性，需要对数据进行安全保护和访问控制，这就要求使用加密机制。基于密文策略属性的加密（CP-ABE）是当前广泛使用的加密机制，它可以根据用户的属性来设置访问权限，任何具有合格访问权限的用户都可以访问数据。然而云是一个动态环境，有时可能只允许具有访问权限用户中的一部分用户访问数据，这就需要用户权限的撤销机制。然而，在CP-ABE中，访问权撤销或用户撤销是一个冗长且代价高昂的事件。所提出方案根据对CP-ABE流程的改进，在原密文中嵌入了可灵活控制的用户个人秘密，使得用户权限撤销时既不要求使用新访问策略的用户撤销数据，也不要求对数据进行重新加密，大幅减少撤销时的计算成本。与知名CP-ABE撤销方案对比，所提出方案的计算成本更低且具有良好的安全性。     

改进的多层感知机在客户流失预测中的应用

针对在传统的客户流失预测数据预处理中，使用one-hot编码处理离散属性导致数据维度增加及数据过于稀疏的问题，提出了两种基于多层感知机的改进后的客户流失预测模型。其主要思想是分别使用堆叠自编码器和实体嵌入两种方法对多层感知机进行改进，通过将离散属性的高维编码数据向低维空间映射，有效地减少了one-hot编码产生的稀疏数据，增加了离散属性值之间的关联度。在对两份公开的数据集进行交叉验证后的实验结果表明，改进后的模型既有效地提高了预测的准确度，又维持了传统多层感知机模型在并行化计算方面的优势。     

高职院校混合所有制办学管理机制中法律问题探讨

高职院校混合所有制办学管理机制中存在多种法律问题,如法人属性问题、产权归属问题、管理制度问题等尤为突出,是制约高职院校混合所有制办学进一步发展的瓶颈。现通过对高职院校混合所有制办学的调查及理论研究,建议明确办学法人属性、完善高职院校混合所有制办学产权制度和制定高职院校混合所有制办学管理模式。     

人工监督神经网络在煤层裂缝发育区识别中的应用

针对在地震属性应用中难以精细识别煤层裂缝发育区边界的难题,开展了基于人工监督神经网络技术的煤层裂缝发育区应用研究。从地震资料中获取倾角导向体以提取高质量的地震属性,以多属性为指导进行人工拾取样点,并基于多层感知器进行神经网络机器训练学习,建立裂缝的最优属性集,拓展整体数据后获得裂缝概率体,从而识别划分出煤层裂缝发育区。该技术在山西阳泉新元矿区进行了应用,煤层裂缝发育区的识别结果明显优于属性直接识别,但勘探区内暂无钻井资料,预测效果还有待进一步验证。