主持人语

<正>我们正处在中国特色社会主义新时代,以习近平同志为核心的党中央,正带领我们实现中华民族的伟大复兴,因此,中国的出版业也将再次进入黄金时代。《粘接》杂志是中国期刊方阵的一名老兵,创刊40余年,属我国第一批学术期刊,在化学化工领域,特别是在"胶粘"行业,享有盛名,该刊为化学、化工行业的科研与发展做出了重大贡献,为广大的科学工作者、专业读者,连续出版服务40余载实属不易。本人作为一名高校教师,一名科研工作者,被邀担任本期特约栏目主持人,深感荣幸,在此,仅     

基于SDAE及极限学习机模型的协同过滤应用研究*

鉴于传统的协同过滤推荐算法在处理冷启动和数据较稀疏的问题上表现不佳,提出一种将堆栈降噪自编码器(Stacked Denoising AutoEncodes,简称SDAE)同最近邻推荐方法相结合的混合SDAE推荐模型。该模型结合稀疏编码算法和降噪准则,使用逐层自编码的思想将极限学习机与降噪自编码器堆叠形成基于极限学习机(Extreme Learning Machine,简称ELM)计算的堆栈降噪自编码器的深度学习模型,最终用模型提取的抽象特征应用于最近邻算法预测打分。并通过多组数据集上各种模型的实验结果表明,在稀疏度低于8%时,与余弦相似度模型和皮尔森相似度模型相比,混合SDAE推荐模型实验效果分别提高了11.3%和21.1%,与潜在矩阵分解模型相比,混合SDAE模型收敛所需的迭代次数少近30%,而在与相似度模型和矩阵分解模型的三组比较实验中,混合SDAE模型的稳定性也表现最良好,所提出的混合SDAE模型收敛速度较快,并有效解决数据稀疏与冷启动的问题     

不同施肥措施对植烟土壤生物学特性和速效养分的影响

通过两年盆栽试验,研究增施不同有机物料对植烟土壤生物学特性和速效养分的影响。结果表明,与纯施化肥相比,增施芝麻饼肥显著增加土壤碱解氮和速效磷含量,增施生物炭显著增加速效钾含量;增施腐熟秸秆土壤蔗糖酶活性显著提升12%,芝麻饼肥和生物炭处理脲酶活性均显著增加19%,生物炭处理过氧化氢酶活性显著增加27%。增施腐熟秸秆土壤微生物生物量碳最高,达到234.52 mg/kg,生物炭处理土壤微生物生物量氮最高,达到35.29 mg/kg。细菌为植烟土壤可培养菌中的优势菌,增施生物炭显著提升可培养细菌数量,增施腐熟秸秆显著提升可培养真菌和放线菌数量。总体来看,增施不同有机物料能改善土壤生物学特性,增加速效养分含量,从而改善植烟土壤质量。     

电动静液作动器的多学科建模与集成仿真分析

电动静液作动器(Electro-Hydrostatic Actuator,EHA)集成了机械、液压、控制、电子等多领域技术。根据EHA特点,以MATLAB与AMESim软件平台为基础,对EHA进行多学科建模与集成仿真。应用MATLAB平台搭建控制与电子子系统模型,应用AMESim平台搭建液压与机械子系统模型,通过S-function接口连接各子系统模型。仿真结果表明,EHA多学科模型性能良好,很好地反映系统运行状况,可以通过仿真来指导系统的优化设计与系统控制算法的实现。     

一种采用拆分组装构造神经网络的新途径

通过比较BP各种模式,提出了BP神经网络的拆分和组装方法,阐述了它的正确性,并采用该方法来构造成一个学习结果达到均方根误差全局最小点的BP神经网络。该方法在有效克服局部极小点这一问题上具有普遍意义。     

粒子群优化的BP网络学习算法研究及应用

提出一种新的基于粒子群优化的BP网络学习算法,该算法是一种全局随机优化算法,将该算法与传统BP—PSO算法对比实验表明：提出的算法性能优于BP算法,而且具有良好的收敛性,并成功应用于水泥水化过程仿真。     

基于中文分词的文本自动校对算法

中文文本自动校对是自然语言处理领域中有着广阔应用前景的一个研究方向.依据中文分词的结果以及常见错误的特点,结合三元字模型的特点,提出了一种有效的文本校对方法,实验表明,该方法具有较高的准确率和召回率.     

神经网络在结构损伤模拟中的应用

识别一个结构在震动状态下的变化，在结构监测中是十分重要的，神经网络就非常适用于这种目的。本文研究了使用可分析的学习样本来训练神经网络的可行性问题。神经网络从损伤状态中训练产生，然后用于诊断一个五层钢框架在一系列震动模拟中的状态。结果表明，使用神经网络可使在线结构诊断更加可行。     

网络面向对象的软件测试技术的研究

面向对象软件测试技术的研究是面向对象开发方法不可缺少的一环。但是随着面向对象技术的引入,面向对象程序开发语言成为主流编程语言，传统的瀑布式软件工程模型受到挑战，传统的测试技术已经无法有效地进行测试。因此文中在对软件测试技术进行了综合分析的基础上，提出了面向对象的测试模型。同时对一个已实现的、具有高度可重用性和灵活性的面向多种OO语言的测试工具Panorama的系统结构进行了分析。     

SVM和BP算法在油气识别中的对比应用研究

在油气勘探领域中,当使用测井资料进行油气层分类识别时,运用传统的方法具有一定的局限性。本文使用了数据挖掘分类算法中的支持向量机(SVM)方法,并实际应用到新疆塔里木盆地油气层识别中。实验中分别采用了支持向量机算法和BP神经网络算法进行对比检验,结果表明通过支持向量机算法建立的油气层识别模型具有更高的识别检验性能,体现了支持向量机在处理多类分类问题中的优越性。