基于元胞自动机的股票价格宏观变化的研究

为了研究股票价格在宏观上的变化趋势以及产生这些变化的主要因素.提出了一种新的基于元胞自动机的模型分析股票价格宏观变化,构建了新的股票价格变化规则以及新的股票交易量的变化模型,假设了两大类影响股票价格宏观变化趋势的肉素,同时也细化了股票交易量的函数.模拟了当影响因素都利好,影响因素都利空以及影响因素利好利空交替出现的情况下,股票价格在宏观上的变化情况.仿真结果在一定程度上模拟了股票价格的宏观变化情况和股票价格变化的波动壤集性,说明了假设的两大类因素的合理性以及演化模型的正确性.     

面向未来城市智慧街道的\"智能建构+场景运营\"路径

面对城市街道智能体的分布去中心化的未来发展趋势,本文提出\"如何利用创新方法来应对未来街道场景的更新发展需求\"的问题,整合\"智能建构\"与\"场景运营\"形成新的路径.其创新之处在于将智能技术融入城市设计、街道更新与场景运营过程,\"城市感知-空间研判-'智能建构+场景运营'-干预工具选择-路径验证\"等环节.本文基于上海市万科未来城市(理想之地)项目进行实证研究——在该项目中,\"智能建构+场景运营\"路径主要贯穿了\"交通智行、生活便利、普惠安全、环境治理\"四大场景,成为了上海新城战略的生产、生态、生活融合样板,获得积极社会影响——验证了这一建设路径有助于提高未来城市街道空间的设计、建设及运营品质,将为中国未来的智慧街道建设提供借鉴.     

基于投票式属性重要度的快速属性约简算法

作为经典Pawlak粗糙集的扩展,邻域粗糙集能有效处理数值型的数据。但是,因为引入了邻域粒化的概念,所以邻域实数空间下的计算量要比经典离散空间下的计算量大得多。对于邻域粗糙集算法而言,能够有效且快速地找到数据集的属性约简是十分有意义的。为此,针对现有算法中属性重要度定义的不足,首先提出了一种改进的投票式属性重要度,然后进一步提出了一种基于投票式属性重要度的快速属性约简算法。实验证明,与现有算法相比,在保证分类精度的前提下,该算法能更快速地得到属性约简。     

基于邻域粗糙集的大规模层次分类在线流特征选择

在分类学习任务中,数据的类标记空间存在层次化结构,特征空间伴随着未知性和演化性.因此,文中提出面向大规模层次分类学习的在线流特征选择框架.定义面向层次化结构数据的邻域粗糙模型,基于特征相关性进行重要特征动态选择.最后,基于特征冗余性进行鉴别冗余动态特征.实验验证文中算法的有效性.     

Neighborhood network governance, ethnic organization, and the prospects for political integration

How may ethnic organizations work as mechanisms for political integration in suburban multicultural contexts with participative and network modes of governance? The overall argument of the paper is that a shift from vertical to more horizontal modes of governance affects the prospects for ethnic associations to fulfil different democratic functions. It does so in a complex, multidimensional and somewhat contradictory way. Although network modes of governance are often argued for in terms of openness and inclusion, it should not be taken for granted that such governance structures do promote democratic functions of ethnic associations. Drawing on an in-depth case study of ethnic associations and network politics in Botkyrka, Sweden, the purpose of the article is to provide theoretically informed arguments on how the political integration potential of ethnic organization is affected when they participate in local network-like arrangements and institutions. In brief, the article outlines three arguments: (1) There are different mechanisms of ethnic organization that might contribute to a more politically integrated society. (2) More horizontal network modes of governance generate new conditions for these integrative mechanisms to emerge out of ethnic organization. (3) In such a context of network governance, the different integrative mechanisms of ethnic organizations are not always supplementary, but sometimes contradictory, causing genuine dilemmas to be dealt with by local actors.     

基于相对密度的孤立点和边界点识别算法

根据孤立点是数据集合中与大多数数据的属性不一致的数据,边界点是位于不同密度数据区域边缘的数据对象,提出了基于相对密度的孤立点和边界点识别算法(OBRD)。该算法判断一个数据点是否为边界点或孤立点的方法是:将以该数据点为中心、r为半径的邻域按维平分为2个半邻域,由这些半邻域与原邻域的相对密度确定该数据点的孤立度和边界度,再结合阈值作出判断。实验结果表明,该算法能精准有效地对多密度数据集的孤立点和聚类边界点进行识别。     

基于监督协同近邻保持投影的人脸识别算法

基于流形学习理论的近邻保持嵌入算法(Neighborhood Preserving Embedding,NPE)能够发现数据集中隐含的内蕴结构,但当训练样本不足时,无法准确发现数据的内在流形结构,从而影响算法的识别效果.针对这一问题,对NPE算法进行改进,提出了监督协同近邻保持投影算法(Supervised Collaborative Neighborhood Preserving Projection,SCNPP).该算法在类别信息的指导下构建近邻图,使同类样本间的几何关系得到保持,利用协同表示弥补NPE因样本不足造成的表示误差,以一个有效保持样本近邻关系、准确发现数据内在流形结构的权值矩阵计算投影矩阵,提高分类效果.在FERET、AR和Extended Yale B人脸数据集上的实验验证了该算法的有效性.     

基于海量样本的模糊分类系统的设计

使用支持向量机理论直接求海量数据的模糊分类系统是比较困难的。为了解决这个问题,该文提出了基于邻域原理计算支持向量,利用支持向量求出分类超平面,再设计模糊分类系统的方法。实验结果表明,该方法可以有效地解决对海量数据的模糊分类系统的设计 问题。