基于LR-ANN-SVM的滑坡易发性评价

针对传统大数据机器学习等方法进行滑坡易发性评价时,存在过于追求模型评价精度,导致在中易发区与低易发区存在滑坡产生的风险,提出了风险预警来降低中与低易发区产生的滑坡灾害。选取神经网络模型（ANN）、逻辑回归模型（LR）、支持向量机模型（SVM）3种学习方法,对上犹县进行滑坡易发性评价,将上犹县分为高易发区、较高易发区、中易发区、较低易发区,低易发区。由受试者工作曲线（ROC）下的面积（AUC)显示:神经网络（ANN）的AUC=0.939, 逻辑回归模型（LR）的AUC=0.897, 支持向量机（SVM）的AUC=0.884,均具有较高的评价精度。根据以上的易发性评价结果,得到上犹县栅格的易发性指数（LSI）,然后基于MAX（LSI（LR）、LSI（ANN）、LSI（SVM））函数对上述模型的易发性指数取最大值,并对上犹县进行滑坡易发性评价。结果显示:LR-ANN-SVM的AUC=0.815,有较高的易发性评价精度。从高易发区与较高易发区所含滑坡占比来看,LR、ANN、SVM、LR-ANN-SVM的滑坡占比分别为80.6%、74.6%、91%、93.2%,表明根据ANN-LR-SVM易发性分区治理更安全。      

基于学习者画像的数据库课程教学改革研究

针对现有数据库基础课程教学无法满足学生多样化需求为背景,本文引入问卷调查获取学生个性化特征,根据学习者的基本信息、行为数据、态度数据以及学习结果对其进行画像,将具有相同学习行为的学生形成群体,按学生个人能力和需求给予个性化教学,并及时对学生学习过程进行干预,设计形成以人为本的差异性和多元化数据库课程教学新模式。     

二元蚁群优化算法研究综述*

二元蚁群优化算法作为蚁群算法改进的一种,其独特的随机二元网络结构在离散域及连续域优化问题中均得到较好的应用,但探索和利用的冲突、单一种群寻优的局限性以及算法评价次数的增加均限制了二元蚁群算法更好的发展。从一维细胞自动机入手,首先对二元蚁群优化算法的基本模型进行描述,然后讨论了近年来对二元蚁群优化算法的若干改进及应用;最后评述了二元蚁群优化算法未来的研究方向和主要研究内容。     

根土复合体材料的抗剪强度特性研究进展

在我国经济快速发展的进程中,自然地质作用与人类工程活动产生了大量的边坡,对人民生命财产造成了极大的威胁。为了有效地解决这类灾害,国内外学者开展了大量植物护坡技术的研究。植物护坡技术是利用植物根系与土体之间的紧密缠绕,起到提高边坡土体的抗剪强度,增强边坡浅层土体稳定性的作用。论文着重从植物根系的分布、根径大小、根数和土壤含水率、干密度等方面总结草本植物与木本植物根土复合体抗剪强度的变化,分析了植物原状土与重塑土的抗剪强度特性之间的差异性,并简要论述植物加筋理论力学模型的研究现状,最后对根土复合体抗剪强度研究的发展前景提出了几点展望。      

连续空间二元粒子群算法理论研究综述

连续空间的二元粒子群算法通过搜索空间与解空间相分离,在离散域及连续域优化问题中均得到较好的应用,但标准二元粒子群算法离散化机理存在的缺陷以及"探索"和"利用"的冲突均限制了二元粒子群算法更好的发展。从离散化机理的改进、算法的融合、协同控制以及算法的描述工具等方面入手,讨论了近年来对二元粒子群算法的若干改进及应用;最后评述了二元粒子群算法未来的研究方向和主要研究内容。     

信息交互多任务粒子群算法

不同于现有的云平台和并行计算机等多任务处理方式,文中充分挖掘粒子群算法(PSO)的“隐”并行性,引入2种不同的信息交互策略——种群内信息交互和种群间信息交互,同时引入等级因子、标量因子和技能因子参数,在算法每次迭代过程中,始终让最合适的个体求解最合适的任务,提出信息交互多任务粒子群算法(IEPSOM). 对于多任务函数优化问题、多任务多约束工程优化问题及多任务关键指标体系构建问题的测试表明,在IEPSOM多任务环境中,有效信息的传递不仅可以提高解的质量,还可以加速各任务的收敛速度.     

基于细胞自动机模型的二元群智能算法研究

从一维有趣的Bug人工生命模型出发,并对该模型进行扩展,让agent(Ant或Particle)运动在一维细胞自动机上,通过设置细胞自动机中细胞的内部状态以及细胞的转换函数,提出了适于求解二元离散优化问题的二元蚁群算法和二元粒子群算法模型,这不仅体现了计算的本质,而且具有较强的实用价值!     

浅谈山地城市地铁车站建筑设计

本文对贵阳轨道交通1号线车站建筑设计进行了研究和分析，并理论联系实际，结合贵阳山地城市特点，分析研究了地铁建筑设计中存在的重点和难点。针对山地城市中所遇到三类难点进行了分析和讨论，归纳总结出了解决相应问题的可行性方法和技术措施。     

SESQ系统的一种查询优化策略

随着web上信息的快速增长，如何能够准确快速地找到相关信息已经成为一个挑战．sEsQ系统是一个面向特定领域的web数据引擎，它可以通过领域Ontology实现对特定领域web数据的搜索、提取、集成和存储．与搜索引擎和传统的数据库系统相比，SESQ系统在数据模型和底层数据存储策略等方面有着诸多不同．SESQ系统根据自身特点提出了一种新的查询优化策略，这种优化策略可以适用于不同的底层存储方法，它可以有效地去除那些对最终查询结果没有用的数据．     

多任务处理协同进化粒子群算法

粒子群算法及其改进算法专注于单任务的求解.随着电子商务的发展,在线服务器在某一时刻需要同时处理来自多个用户的服务请求,即多任务处理.区别于以往的并行计算机,文中充分挖掘粒子群算法的“隐并行性”,并引入协同进化机制,在同一搜索空间根据任务个数设置不同的子种群,各子种群以一定的概率相互传递有效信息,最后提出基于多任务处理协同进化粒子群算法(CPSOM),并将CPSOM应用于多任务连续型函数优化问题、多任务离散型属性选择问题以及多任务约束工程优化问题.仿真实验表明,在CPSOM多任务环境中,不同任务之间确实存在有效信息的传递,不同任务之间的相互协作不仅可以提高解的质量,而且可以加快各优化问题的收敛速度.