高考招生录取工作公正公平性探讨

高考招生是全社会关注的焦点。现有的招生制度、各省市的录取差异都存在着一定程度上的不公平。2005年江苏高考招生普通类实行平行志愿,是坚持以考生为本,进一步为考生服务、为院校服务的一项重要改革。这项改革扩大了考生的选择范围,降低了考生填报志愿的难度,使高校招生的生源素质更加均衡,有利于录取工作的完成,进一步提高录取工作的公平、公正性。     

新高考背景下结合考生个性化需求的志愿推荐模型研究

为了解决新高考改革对考生填报志愿带来的不利影响,本文以湖北省为例,提出一个结合考生个性化需求智能评估的高考志愿推荐模型,该模型将对考生原始的高考志愿表进行解析和评价,从而甄别出不合理的志愿并提示问题所在,进而提醒考生谨慎报考。并根据考生原始志愿表,获取考生偏好,综合考生成绩进行合理且个性化的高考志愿推荐,最后利用实际案例来检验该模型。结论表明该模型在满足考生个性化需求的同时也能够有效提高考生的志愿填报质量,该研究不仅丰富了新高考志愿填报推荐领域,并且也为考生在填报志愿上提供了帮助。     

基于大数据分析的高考志愿填报算法

高考志愿填报是影响学生未来发展的一个重要转折阶段,目前中国的高考志愿填报和录取机制还存在些许不足,"高分低录""高分落榜"及未能选择到自己喜欢的专业等问题仍然存在。为了使考生能够选择自己理想的学校和专业,本工作提出了基于大数据分析的高考志愿填报算法。首先,通过对用户110道问答题目答案采集,找到用户对问题答案的最近邻集合,然后,采用支持向量机算法建立高考志愿填报模型,最后通过具体仿真对比试验对算法有效性和优越性进行分析。实验结果表明:此算法提高了高考志愿填报精准度;分析结果明显优于当前其它高考志愿填报算法。     

转变学风要正确认识和处理三个关系

<正> 切实搞好高校的学风建设,是当前摆在我们面前的一项十分紧迫的任务。总结近几年来学校各级组织在抓学风建设中的经验教训,我认为要处理好三个方面关系。 一、正确处理“志愿”与“需要”的关系,既要个人理想,又要服从全局 最近几年从录取学生填报高考志愿表中可以发现,大都填报与第三产业有关的热门专业,以致于第一产业和第二产业的长线专业生源严重不足,有些高校的苦脏累险专业甚至没有人报考。就拿我院机械系的学生填报志愿的情况来看,以第一志愿录取的学生不足20％,     

基于多重特征向量的有向网络社团结构划分算法

有向网络社团结构的识别对于理解复杂系统的结构特性和动力学特性都有着重要的意义。提出了一种基于拉普拉斯矩阵多重特征向量的有向网络社团结构划分算法,该算法利用有向网络拉普拉斯矩阵的前c个较小特征值所对应的特征向量来划分有向网络的社团结构。在人工数据和实证数据上与模块度的谱优化算法和模拟退火算法做了对比实验。实验结果表明,当社团结构明显时,该算法的归一化互信息指标的值接近于1。当社团结构不明显时,该算法所取得的效果也优于谱优化和模拟退火算法。与这两种算法相比,在实证网络上模块度Q值也可以提高17.28%和19.21%。该文工作对于理解有向网络上拉普拉斯矩阵的多重特征向量与网络的社团结构的关系具有十分重要的意义。     

传播学视角下“95后”高职考生高考志愿选择影响因素研究:以承德石油高等专科学校为例

为深入了解“95后”高职考生高考志愿的影响因素,为高职院校招生工作提出建设性意见,以拉斯维尔“5W”理论为指导,采用问卷调查、焦点小组访谈、深度访谈三种研究方法,针对承德石油高等专科学校2018级新生进行抽样调研,主要从传播学视角出发,系统研究在招生宣传各环节中影响“95后”高职考生高考报志愿的影响因素。通过研究发现,考生在选择报考学校时,主要关注学校办学水平、学校排名和知名度、学生就业情况;考生选择所学专业主要是因为:该专业符合社会发展趋势、容易就业以及受他人推荐影响,因此,做好高职院校招生工作,要加强学校内涵建设、专业建设,提高学生就业质量;同时也应根据考生报考的主要关注点和媒介使用习惯合理规划招生宣传,提高传播有效性。     

社团结构生长网络模型研究

在有社团结构的网络中,为了研究社团之间的连接方式及社团内部个体之间的连接方式对整个网络结构的影响,建立了一个带有社团结构的网络模型.在社团内部仍采取度优先选择机制,在社团之间采取了社团平均度优先选择的方式.基于这样的选择方式生成了一个新的网络,获得了网络节点的度分布与联合度分布,并且发现该网络仍是一个无标度网络.最后利用数值模拟很好地验证了理论计算结果.     

我院2013年单独招生简章

根据省教育厅《关于高职院校2013年开展单独招生改革试点的通知》（湘教通[2013]79号）文件精神,2013年我院将在湖南省内继续实施单独招生试点。考生可登陆我院单独招生专网报名或直接来校报名。我省的单独招生考试时间统一定为4月20、21日,报考单独招生的考生只能选择一所高职院校报名、考试和录取。单独招生录取的考生和普通高考（含对口招生考试）录取的考生进校后性质是完全一样的,仅仅是考试时间和形式不同。     

一种面向动态网络的社团检测与演化分析方法

针对制约动态网络演化分析方法发展的社团演变模式挖掘问题,设计了基于指向性变异策略和变邻域搜索算法的静态社团检测算法与基于匹配度和社团生存周期的社团演化分析算法,并采用在时刻上运行静态社团检测算法、在时序上运行社团演化分析算法的策略,提出了一种面向动态网络的社团检测与演化分析方法。并用Zachary空手道俱乐部网络和Power网络验证了该方法的可行性和有效性。     

基于模块度相似性的二分网络链路预测算法

基于社团结构,提出模块度相似性的二分网络链路预测算法,克服了二分网络在链路预测中丢失社团结构信息的局限性。首先,通过定义二分模块度,利用奇异值分解,将网络中的节点嵌入到欧式空间中的向量。其次,提出二分网络模块度相似性的框架,利用向量余弦相似度定义二分网络节点对之间的模块度相似性指标(MS指标)。最后,基于小提琴图和评价指标AUC,在3个真实网络上进行模拟仿真,与9种链路预测相似性指标进行对比,证明MS指标用于二分网络链路预测具有较高的精度。     

基于局部模块度的社区层次结构发现方法

为了发现复杂网络中社区之间的层次关系,提出了一种基于局部模块度的社区层次结构发现方法。文章方法克服了多分辨率方法无法给出整个网络的层次划分以及无法直接定位造成社区层次变化的分辨率等方面不足,选取网络中的大度数节点基于R公式进行社区层次结构探测,根据局部模块度值变化过程中产生的极大值和极小值定义了社区层次区分度来判断是否到达层次边界。并对网络进行裁剪,从不同的大度数节点出发来发现网络中的全部层次结构。在经典数据集和人工生成网络上进行了实验,并与现有算法进行比较。实验结果证明章算法的有效性。     

密度峰值聚类的自适应社区发现算法

为减少社区发现算法中参数的选择对社区划分的影响,同时使算法能够自适应地进行社区划分,本文提出一种基于核密度估计的密度峰值聚类的社区发现算法KDED.首先,定义一种基于信任度的距离度量,将社交网络中的用户关系量化为距离矩阵,使用矩阵元素的大小度量用户关系的紧密程度;然后对距离矩阵进行核密度估计,统计各个节点在网络中的影响大小,结合热扩散模型改进计算流程,使其自适应不同规模的数据集以提高计算精度;结合密度峰值聚类原理和社区属性确定社区中心节点后,可根据节点间的距离得到社区内部层次结构和社区外部的自然结构;最后将剩余节点按距离分配到相应的社区当中以完成社区划分.仿真结果表明:通过可视化软件可观察到,通过KDED算法得到的社区划分结果具有清晰的自然结构和内部层次结构;随着社区规模的提升以及划分难度增加,KDED算法具有出色的稳定性;在真实数据集以及LFR基准网络上均得到较为接近真实划分结果的社区划分,自适应性良好,验证算法的可行性与有效性.     

基于种子节点集的社区层次结构发现算法

针对多分辨率方法无法直接给定社区层次结构的问题,提出一种基于种子节点集的社区层次结构发现算法。该算法通过选取种子节点,并根据余弦相似度的大小添加其最近邻节点共同构成种子节点集;再由种子节点集出发,基于分辨率公式进行社区层次结构探测,根据节点加入社区的度值比来判断是否到达层次边界;最后在已发现完毕的社区外选取新的种子节点集,并由此出发直到全网络的社区层次结构发现完毕。将该算法分别应用于人工网络和真实社会网络,实验表明,相较于其它算法,该算法能够更好地发现网络中全部的社区层次结构。     

基于概率主题模型的社交网络层次化社区发现算法

针对传统的社区发现算法大多基于网络拓扑结构寻找独立的社区结构,忽略了用户兴趣属性,并且不能有效地发现社区间的相关性和层次关系等问题。该文提出一种新型的基于PAM(pachinko allocation model)概率主题模型的层次化网络社区发现算法,综合考虑了用户的兴趣和用户的社交网络关系,在同一模型平台上实现层次化的社区结构发现和用户兴趣挖掘,并捕捉和揭示社区之间的关联性和重叠性等特征。模型采用Gibbs采样方法进行参数推导。在真实数据集上的实验结果验证了所提出算法的可行性和有效性。     

基于社会网络的电子商务信任社区聚类模型

采用社会网络分析的方法建立电子商务信任社区聚类模型,讨论信任网络构建问题,进行信任网络社区聚类分析.通过互信息方法构建信任信息度,采用直接信任信息度和全局信任信息度描述主体之间的信任程度.提出使用信任社区聚类的方法分析用户最信任的网络关系,采用聚类系数和全局信任信息度进行信任社区聚类分析,给出电子商务信任社区聚类优化算法.实验表明,利用该方法构建的信任社区聚类模型能够反映电子商务主体间接的信任关系,与现有的其他方法相比,该模型具有较高的精确度.     

媒介分析视野下构建立体化招生宣传网络的思考

招生宣传媒介运用得当与否,直接影响考生的填报意愿和报考信心,紧密关系到学院的知名度和影响力,对短期的招生效果起到决定性作用.如何发掘传统媒介的价值和追求更有效率的新媒介,是高校招生宣传需要探索的重点.在科技水平日益提高的信息社会,考生获取院校信息的途径越显丰富,网络平台、手机软件等新媒介逐步占领考生视野,给传统的招生宣传方式带来不可忽视的冲击.     

竞争型径向基过程神经网络时序分类器

针对时序分类问题,提出一种竞争型径向基过程神经网络时序分类器.给出了复合竞争过程神经元单元的定义,引入复合竞争过程神经元隐层,利用竞争型径向基过程神经网络输入为时变函数的特点,由复合竞争过程神经元单元完成对过程式输入信息的模式匹配和时空聚合运算,给出了具体学习算法,省去了输出层线性连接权的计算,简化了网络结构和训练过程,提高了网络泛化能力.最后以UCI数据集多变量时序分类问题验证了分类器的有效性.     

用于Ad Hoc网络的分簇算法

簇结构是Ad Hoc网络中应用最为广泛的层次结构,而这种层次的形成和维护依赖于某种算法
. 在分析现有分簇算法的基础上,提出一种新的按需加权的分簇算法（NWBCA）. 算法综合
考虑了移动节点的最佳连接度和能量状态因素,并采用按需策略作为簇结构的维护策略,提高
了网络体系结构的稳定性,减少了计算和通信开销. 通过性能比较,NWBCA的各项仿真指标
均优于其他分簇算法,且仿真结果也证明了该算法的有效性.     

FDI对我国汽车产业内资企业技术溢出效应的实证分析

以VAR模型为基础，运用我国汽车产业1992-2011年的时间序列数据，探讨了FDI对我国汽车产业内资企业的技术溢出效应。实证分析结果表明：我国汽车产业内资企业劳动生产率和外企总资产、市场竞争度之间存在长期稳定的均衡关系，FDI的进入对我国汽车产业内资企业产生了正的技术溢出效应，提升了内资汽车企业的劳动生产率。FDI通过技术示范和市场竞争等途径对我国汽车产业内资企业产生影响，但竞争效应并不显著。在以上实证分析的基础上，提出了相关政策建议。