建国前后中国共产党对知识分子阶级属性的突破性认识探析

在建国前后,中国共产党的许多重要领导人对知识分子阶级属性的评判标准以及属性界定较之以往有了突破性的认识,是中国共产党对知识分子统一战线的重大发展.这些突破性认识为中国共产党对知识分子阶级属性的进一步阐述提供了非常重要的理论基础,有着非常重要的理论意义和现实意义.     

基于采样的半监督支持向量机软件缺陷预测方法

软件缺陷预测有助于提高软件开发质量,保证测试资源有效分配。针对软件缺陷预测研究中类标签数据难以获取和类不平衡分布问题,提出基于采样的半监督支持向量机预测模型。该模型采用无监督的采样技术,确保带标签样本数据中缺陷样本数量不会过低,使用半监督支持向量机方法,在少量带标签样本数据基础上利用无标签数据信息构建预测模型;使用公开的NASA软件缺陷预测数据集进行仿真实验。实验结果表明提出的方法与现有半监督方法相比,在综合评价指标[F]值和召回率上均优于现有方法;与有监督方法相比,能在学习样本较少的情况下取得相当的预测性能。     

党的民族政策在长征中的初步实践

在二万五千里长征中,红军主要经过了彝族、藏族、回族等少数民族聚居区,党坚持民族平等、民族团结的方针政策,执行了严格的民族群众纪律,因此,我军不但顺利地通过了这些地区,还使党的民族政策得到了初步实践,为此后党的新型民族政策——民族区域自治的确立积累了经验,提供了现实依据。     

基于深度自编码网络的软件缺陷预测方法

软件缺陷预测是提升软件质量的有效方法,而软件缺陷预测方法的预测效果与数据集自身的特点有着密切的相关性。针对软件缺陷预测中数据集特征信息冗余、维度过大的问题,结合深度学习对数据特征强大的学习能力,提出了一种基于深度自编码网络的软件缺陷预测方法。该方法首先使用一种基于无监督学习的采样方法对6个开源项目数据集进行采样,解决了数据集中类不平衡问题;然后训练出一个深度自编码网络模型。该模型能对数据集进行特征降维,模型的最后使用了三种分类器进行连接,该模型使用降维后的训练集训练分类器,最后用测试集进行预测。实验结果表明,该方法在维数较大、特征信息冗余的数据集上的预测性能要优于基准的软件缺陷预测模型和基于现有的特征提取方法的软件缺陷预测模型,并且适用于不同分类算法。