基于梯度的重叠式层次社区检测

社区检测(community detection)任务一直是数据挖掘领域的一个研究热点,近年来,深度学习和图链接数据呈现出多样化和复杂化的发展趋势,层次(Hierarchical)社区检测逐渐成为研究的焦点.层次社区检测任务的目标是,在将同质图中相似的节点聚集到社区中的同时,学习社区之间的层次结构关系,以更好的理解图数据结构.社区间层次关系的引入给社区检测算法带来了更复杂的建模挑战.针对该任务,已经有一些有效的启发式的方法被提出,但是受限于社区分布形态的简单假设和离散的优化学习方式,它们无法描述更复杂的图链路数据,也无法和其它有效的连续优化算法组合获得更好的结果.为了解决这个问题,本文首次尝试建模复杂的重叠式(overlapping)层次社区结构,提出简洁的节点嵌入和社区检测双任务优化模型,通过梯度更新的方式来灵活地探索节点和重叠式层次社区的隶属关系.在学习过程中,我们可以分别获得节点和社区的嵌入表示,以应用于丰富的下游任务.     

Ball-Tree优化的密度峰值聚类算法

针对密度峰值聚类算法DPC（clustering by fast search and find of density peaks）时间复杂度高、准确度低的缺陷,提出了一种基于Ball-Tree优化的快速密度峰值聚类算法BT-DPC。算法利用第[k]近邻度量样本局部密度,通过构建Ball-Tree加速密度[ρ]及距离[δ]的计算;在类簇分配阶段,结合[k]近邻思想设计统计学习分配策略,将边界点正确归类。通过在UCI数据集上的实验,将该算法与原密度峰值聚类算法及其改进算法进行了对比,实验结果表明,BT-DPC算法在降低时间复杂度的同时提高了聚类的准确度。     

基于G-KPR模式的三维一体创新能力培养模式探究

针对计算机科学与技术专业学位研究生培养仍然存在着本科化倾向的教学实际,分析G-KPR三维一体培养模式基本思想,提出一种将人工智能、项目协作、竞赛激励融入G-KPR模式的三维一体研究生创新培养新模式,介绍具体实施过程与评价,为研究生创新能力培养提供新思路.     

论土家族民间文学的生态审美

人类的审美意识对民间文学的生成具有重要的建构作用.土家族人将生态认知融入民间文学作品中,一方面关注现实生活,展现了人与自然、人与社会、人与自我共生共荣的三重和谐之美;另一方面关注人们的心灵世界,探求土家族人与自然生态、社会生态、精神生态的平衡,表达了对人的生存状态和生活方式的终极关怀,在悲剧与壮美的平衡中最终形成了土家族独特的生态美学思想体系.     

基于BIM5D技术施工阶段成本控制模型构建

基于先进的BIM5D技术,结合挣值法,深刻挖掘BIM5D技术在成本控制中的潜在优势,系统性地分析成本控制模型的系统实施流程,并通过北京某信息大厦成本控制过程论证了基于BIM5D技术施工阶段成本控制模型构建的可行性。     

无溶剂法合成水性聚氨酯在针织物抗起毛起球的应用

选择新型亲水扩链剂DMBA,采用无溶剂法合成抗起毛起球整理剂WPU,优化制备工艺,并将其应用在纯棉针织物和涤毛混纺针织物上。结果表明,针织物抗起毛起球等级提高了4级,织物手感和白度与原织物等级相当。红外光谱表征,异氰酸根已全部参与反应。扫描电镜(SEM)表明,经整理后的织物,纤维尾端被黏附在纱线的表面,织物表现出抗起毛起球的特征。     

柳树坪电站励磁元件选型计算与设计

对柳树坪电站现有励磁系统的相关参数进行了总结分析,并对励磁可控硅、断路器、过压保护元件参数进行了分析和探讨。提出了各元件参数的计算值,为各元件的改造选型提供了依据。文章对同类设备的改造选型具有较高的参考价值。     

对混合属性数据表可行的差分隐私保护方法

为加强隐私保护和提高数据可用性,提出一种可对混合属性数据表执行差分隐私的数据保护方法。该方法首先采用ICMD（insensitive clustering for mixed data）聚类算法对数据集进行聚类匿名,然后在此基础上进行
-差分隐私保护。ICMD聚类算法对数据表中的分类属性和数值属性采用不同方法计算距离和质心,并引入全序函数以满足执行差分隐私的要求。通过聚类,实现了将查询敏感度由单条数据向组数据的分化,降低了信息损失和信息披露的风险。最后实验结果表明了该方法的有效性。     

我国旅游服务贸易竞争力下降的对策研究

近年来我国旅游服务贸易出现了新情况。首先,2009年开始出现旅游服务贸易逆差,并呈扩大趋势;其 次,旅游服务贸易国际竞争力持续下降,失去比较优势;第三,入境旅游市场增长乏力。如何破解入境旅游市场 增长困境,增强国际旅游竞争力,提出应对策略：推进旅游目的地创新,增强旅游吸引力;人民币适度贬值,促 进需求增加;倡导碧水蓝天,建设美丽中国;加强旅游教育,强化旅游服务软实力四项措施。     

非稀疏多核组合的支持向量回归方法

为了改善支持向量回归机的性能,本文提出了一种利用多核学习解决回归问题的算法(NS-MKR),算法对基本核函数的组合系数施加了Lp范数的约束(p>1),以得到组合系数的非稀疏解,并采用了两步优化方法,首先求解基于加权组合核的标准支持向量回归问题,用于学习拉格朗日乘子,然后采用简单的计算,求得基本核函数的组合系数,这两个步骤交替进行,直到满足事先定义的收敛准则。在人工数据集和真实数据集上的实验表明,相对于传统的单核和稀疏多核支持向量回归方法,本文提出的算法有更好的泛化性能。