基于GIS的流域水土流失空间分布研究

针对泸沽湖地区水土流失的问题,结束GIS地理空间信息分析技术,从高程、坡度、植被覆盖度等因素考虑,对区域的单个影响因子进行水土流失敏感度评价,并结合单一评价结果进行了区域水土流失敏感性的综合评价。研究结果表明,泸沽湖地区水土流失敏感性区域主要集中在植被覆盖度30%~45%、坡度15°~35°、高程+800~+1 400 m内,主要以轻度和中度等级为主,轻度以上水土流失敏感区占总面积的6741%,敏感区面积达到81263 km2,轻度以上侵蚀面积表现出先增加后下降的单峰分布,强度、极强、剧烈水土流失区较小,图斑破碎。后续水土流失防治中,主要以水土流失敏感度集中区域作为核心治理地带     

融合局部搜索与Pareto支配的多目标任务调度模型

为了解决复杂任务群调度过程中资源利用不均、任务完成时间较长等问题,以最小化资源负载均方差和最小化任务群完成时间为目标构建复杂任务群资源调度模型,提出一种融合局部搜索和Pareto支配的多目标优化算法BRLSN（multi-objective optimization based on boundary range local search and NSGA-Ⅱ,BRLSN）。该算法采用有效的编码方式与交叉变异算子进行迭代寻优,并利用基于边界区域局部搜索的精英保留策略扩大算法搜索范围,保存种群优良个体。实验结果表明BRLSN相较于其他多目标算法在收敛性和多样性上有显著的提升,同时算法收敛速度更快,种群质量更高,明显优化了最终目标函数的结果值。     

基于边推断增强对比学习的社交媒体谣言检测模型

近年来,为了应对谣言广泛传播所带来的一系列社会问题,研究者开发了许多基于深度学习的谣言检测方法。虽然这些方法通过从传播结构中学习谣言的高级表征实现了较优的检测性能,但它们都忽略了在构造传播网络时边的不确定性,导致模型的可靠性降低,出现累积误差。针对该问题,提出了边推断增强对比学习的社交媒体谣言检测模型(Edge-Inference Con-trastive Learning, EICL)。首先,EICL基于消息转发(评论)时间戳为给定消息构建传播图;然后,利用新设计的边权重调整策略进行事件传播图数据增强以捕获传播结构边的不确定性;最后,利用对比学习方法解决原数据集本身存在的稀疏性问题,提高模型泛化能力。实验结果表明,与其他基准模型相比,模型EICL在公开数据集Twitter15和Twitter16上的准确率分别提高了2.0%和3.0%,证明其可显著提升社交媒体谣言检测效果。