基于相对熵的多属性作者学术影响力排名研究

基于欧氏距离的多属性排序方法（TOPSIS-ED）可以综合考虑科研人员的不同属性并对其影响力进行评价,然而该方法无法对其中垂线上的点进行排序。考虑作者的发表文章数、总引用量、平均被引用量、I10指数、H指数等5种指标,该文提出了一种基于相对熵的多属性排序方法（TOPSIS-RE）。该方法通过计算作者的上述5种指标值与正理想解和负理想解的相对熵,根据其接近正理想解和远离负理想解的程度对作者进行排名。该文以美国物理学会APS数据集作为训练集,将获得诺贝尔奖的文章的作者作为测试数据集,用AUC值说明算法的准确性。实验结果表明,TOPSIS-RE方法算得的AUC值为0.932 1,比总引用量指标提高了2.047%,并且比TOPSIS-ED方法提高了0.833%。该文的工作为从多属性角度刻画科学家影响力提供了借鉴。     

投入产出分析在编制国民经济计划中的应用

投入产出分析可以揭示经济运行过程中各部门间复杂的数量依存关系,本以最终产值指标作为外生变量,利用投入产出的产品模型、价值模型,分析计算了各部门的总产出、中间消耗和最终产品等项指标。     

一级倒立摆SIRMs动态权重模糊推理算法仿真

为解决倒立摆采用常规模糊控制算法,其推理规则数目随输入变量成指数增长的问题,对直线一级倒立摆设计了基于SIRMs和动态连接权重模型的模糊控制器,该控制器将倒立摆的四输入变量的模糊控制化成单维模糊控制问题来解决,大大减少了模糊规则数。仿真结果表明,该控制算法能够较好地完成倒立摆的运动控制,具有很强的鲁棒性和动静态特性。     

基于粒子群优化与支持向量机的驾驶员疲劳等级判别

为客观、准确地判别驾驶员的疲劳程度,采用多项驾驶员生理指标、基于粒子群与支持向量机（ SVM）算法建立驾驶疲劳等级判别模型,首先将驾驶员疲劳状态分为清醒、轻度疲劳、重度疲劳和睡意4个等级,然后将驾驶员的心电RR间期标准差、心率均值、呼吸潮气量、脑电的α波、β波和δ波功率谱密度积分等作为SVM的输入变量,驾驶疲劳等级作为输出变量,引入粒子群算法优化SVM的惩罚系数和核函数参数对判别模型进行标定,采用吉珲高速公路上的实车实验数据对模型有效性进行验证。结果表明：本模型对4项疲劳等级的判别准确率均高于85％,对于驾驶员疲劳预警具有重要意义。通过对模型各个输入变量的敏感性分析,证明基于多项生理指标的疲劳判别较基于单生理指标的疲劳判别更加有效。     

使用DEA结果修正的多指标综合绩效评价方法

为了克服多指标综合评价法和数据包络分析(DEA)模型的局限性,以多指标综合评价法得出的绩效评价值为基础,使用面向输出DEA模型的求解结果和面向输入DEA模型的求解结果,构造了3种绩效调整公式对多指标综合评价法给出的绩效评价值进行了修正.对于不同投入规模的生产单元,修正后的绩效评价值比DEA结果更加合理.使用者可以根据评价工作的目的选择其中的一种绩效调整公式.     

生物医药企业研发投入的中介效应探析

以深沪主板上市的生物医药企业2010-2012年的数据为研究样本,以企业绩效为应变量,股权结构为自变量,研发投入为中介变量,建立回归模型,用软件SPSS19.0作为分析工具进行了实证分析。结果显示,研发投入在股权结构与企业绩效之间确实具有中介效应。     

一类输入和输出维数不同的多变量自校正控制器

本文针对多变量自校正控制在实际应用中存在的问题,提出了基于输出预报的多变量极点配置自校正控制算法。该算法是算法[2,3,5,6]的进一步发展,而这些算法可视为该算法的特例。该算法较好地解决了线性多变量自校正控制中的稳定性、非最小相位、稳态偏差和B_0阵非行满秩等问题。通过适当选取一个列满秩矩阵多项式P(z~(-)),控制器能够控制输入和输出维数不同的多变量系统。整个控制算法由三部分组成;K步超前输出预报、闭环极点配置和控制信号计算。由递推最小二乘(RLS)算法在线辨识预报器参数,并由此计算K步超前输出预报y~*(t+k|t)。极点配置问题归结为求解一个多变量Diophantine方程,而Diopha-ntine方程有解的充分和必要条件是矩阵多项式A(z~(-1))和S(z~(-1))右互质(证明见附录)。给定一个矩阵多项式T(z~(-1))并在系统中包含一个积分器,可以得到具有指定闭环极点和零稳态偏差的自校正控制器。本文最后给出计算机仿真结果,验证算法的有效性和实用性。     

DE算法改进的炼焦能耗RBF预测模型

针对炼焦能耗计算繁琐、影响因素众多的问题,以目标火道温度、烟道吸力、水分、挥发分和炼焦时间为输入变量,以炼焦能耗为输出变量,提出基于差分进化算法改进的RBF预测模型。由于RBF网络存在学习能力差、收敛速度慢等多个缺点,针对性地改进了差分进化算法优化的能耗预测模型。利用具有强大全局搜索能力的差分进化算法,选择RBF网络中基函数的中心值、宽度和输出权重的计算最优值,以此作为RBF神经网络的中心值、宽度和输出权重。结果表明,改进后的RBF预测模型具有较高的精度、稳定性和训练速度,对降低炼焦能耗、提高焦炭产量和提高企业经济效益具有重要意义。     

基于神经网络的表面粗糙度识别算法

提出一种新的表面粗糙度识别算法,该算法利用从标准样块上通过采样得到的散射光强度分布数据,把表征光强分布的数据和样块的标称值分别作为神经网络的输入和输出,采用改进的ＢＰ算法对神经网络进行训练。训练后,把某一工件的散射光强度分布数据输入给神经网络,则网络的输出就是该样块的表面粗糙度数值。该算法充分利用了神经网络的泛化能力和学习能力,可正确识别Ｒａ在０．８μｍ以下的被测表面,并可避免误识别     

基于数据模型的浆纱过程操作参数设定方法

针对纺织浆纱生产中,产品规格、原料状况和工况环境等难以实现操作参数的优化设定问题,提出了基于数据模型的操作参数设定方法.利用已有的生产操作参数及上浆率数据建立浆纱上浆率预测模型,将上浆率指标作为输入,操作参数作为输出建立神经网络逆模型.通过该神经网络逆模型计算出满足期望上浆率指标的操作变量设定值,并利用上浆率预测模型验证所计算出的操作变量设定值.实验结果表明,所提出的基于数据模型的操作参数设定方法是有效的.     

基于PageRank的合著论文中作者贡献分配算法

随着科研合作越来越普遍,对合著者的贡献如何合理分配提出了挑战。该文提出了一种基于PageRank的论文合著者贡献分配算法(ACA_PR算法),采用PageRank值和总引用量的加权值度量文章的价值,构建合作者科研记录和科研成果被引情况的共引网络,对论文合著者的贡献进行分配。以美国物理学会APS数据集进行实证研究,通过在诺贝尔物理学奖得主发表的合著论文中识别诺贝尔奖得主验证算法的准确性。实验结果表明,在31篇诺贝尔奖提名论文中,ACA_PR算法的准确率为80.64%。工作在人员聘用、奖励、晋升等方面对评价科研工作者的影响力有着十分重要的作用。     

科技期刊对科技发展与进步的推动作用评价

现代科技期刊推动现代科技发展和科技进步。引进教学生产采用率指标，与影响因子、基金论比、获奖论比3个指标构成综合评价指标公式，用于学术类和技术类科技期刊对科技发展和进步推动作用的评价。     

一种柔性机械臂末端轨迹跟踪的预测控制算法

针对柔性机械臂末端轨迹跟踪的内动态不稳定和模型不精确问题,提出一种用于柔性臂末端轨迹跟踪的预测控制算法.利用输入-输出线性化的方法使得柔性臂末端变量和弹性变量解耦,并根据状态反馈设计出一个非线性预测控制系统,将轨迹跟踪问题转换为状态跟踪问题.该控制系统通过平衡末端跟踪误差、弹性变量和控制力矩3个最优指标来克服内动态不稳定性,并采用最优控制律求解和力矩求解相分离的策略来提高运算速度,同时引入了实际输出数据进行误差补偿以减少模型误差对末端轨迹跟踪精度的影响.仿真结果表明,所提出的预测控制算法在保证柔性臂内动态稳定的同时,能有效解决模型失配引起的控制精度下降问题,并具有较快的运算速度.     

武汉工业科技投入产出效率实证分析及对策

为了从实证的角度研究武汉市科技投入产出的效率,搜集了武汉工业科技投入产出相关因素的数据,采用因子分析法展开研究,分析评价了武汉工业科技投入产出的效率,得出新产品产值与专利申请数和专利拥有数而不是新产品开发项目数及R&D项目数有很大的关联的结论,这与工业企业运行实际和以往研究成果有出入。此外,还得出了包括科技投入综合得分逐渐低于科技产出的综合得分等结论,并就此提出调整工业科技投入结构、加强工业科研项目的监管工作、重视高级人才的培养和引进等对策。     

Instance reduction for supervised learning using input-output clustering method

A method that applies clustering technique to reduce the number of samples of large data sets using input-output clustering is proposed.The proposed method clusters the output data into groups and clusters the input data in accordance with the groups of output data.Then,a set of prototypes are selected from the clustered input data.The inessential data can be ultimately discarded from the data set.The proposed method can reduce the effect from outliers because only the prototypes are used.This method is applied to reduce the data set in regression problems.Two standard synthetic data sets and three standard real-world data sets are used for evaluation.The root-mean-square errors are compared from support vector regression models trained with the original data sets and the corresponding instance-reduced data sets.From the experiments,the proposed method provides good results on the reduction and the reconstruction of the standard synthetic and real-world data sets.The numbers of instances of the synthetic data sets are decreased by 25%-69%.The reduction rates for the real-world data sets of the automobile miles per gallon and the 1990 census in CA are 46% and 57%,respectively.The reduction rate of 96% is very good for the electrocardiogram(ECG) data set because of the redundant and periodic nature of ECG signals.For all of the data sets,the regression results are similar to those from the corresponding original data sets.Therefore,the regression performance of the proposed method is good while only a fraction of the data is needed in the training process.     

<广西工学院学报>1O年引文普赖斯规律分析

本文对《广西工学院学报》1990－1999年刊载的论文量、引评议语种分布、年代分布、引文类型、引评议普赖斯指数及其增长规律等进行了统计分析,旨在为评估学报提供参考数据。     

湖北省生产性服务业产业关联效应分析

以湖北省近年投入产出数据为基础,运用投入产出法,对湖北省生产性服务业的产业关联效应进行分析,并提出相应的对策。     

基于GRU神经网络的燃煤电站NO_x排放预测模型

针对工业过程动力学建模中,输入变量特征集确定困难的问题,提出了一种基于数据驱动的门控循环单元(GRU)神经网络模型。该模型可以通过学习自动提取输入数据与输出数据间的时空特征,简化人工智能模型的输入变量个数,减少了输入的冗余信息,降低了建模过程的难度,并具有较好的精确度和泛化能力。通过使用某燃煤机组实际运行数据中与氮氧化物(NO_x)排放相关的数据作为模型输入,建立了基于GRU神经网络的燃煤锅炉NO_x排放预测模型。并分别与传统循环神经网络(RNN)和长短期记忆(LSTM)神经网络模型比较,验证了GRU神经网络模型在工业过程动力学建模中的优良性能。     

浙江大学获国家科技奖励情况的统计分析

根据近5年来数据,分析了浙江大学获国家科技奖励情况,并与国内部分主要高校从获奖总数、奖种分布等方面进行了比较,同时对浙江大学获国家科技奖典型案例进行分析,提出争取多获国家科技奖励的几点建议.