论汉英反义词的特点和定义

要构成反义词聚,应具备下列条件:语义相反;语法意义基本相同;语用意义应相反、相对;能共同出现于某种风格、某种语体中。我们在研究反义词时,不应忽视语言的使用者,应该重视反义词语用的研究。     

板模型具部分反射边界条件的迁移算子的渐近点谱及其聚点

研究非均匀介质、各向异性和连续能量的板模型迁移算子A在部分反射边界条件下的渐近点谱及其聚点.在F (1≤P< ∞)空间获得了算子A的渐近点谱以及谱聚点的分布等新的结果.     

PES-C,(PP/Bis-T)PES的次级松驰与转变

描述了酚酞型聚芳醚砜(PES-C)的次级松驰和转变与其结构的关系.TBA和动态力学实验结果表明:PES-C及其共聚物(PP/Bis-T)PES分别在0～50℃和-100℃附近呈现出两个次级松驰峰;双酚T单元的引入导致了PES-C在0～50℃之间的次级松驰位置改变.证实了Cardo侧基的存在对-100℃的次级松驰有较大的贡献.     

基于复杂网络的投资组合优化研究

本文基于复杂网络的局部聚类系数改进了传统的全局最小方差投资组合模型。首先通过股票对数收益率的相关系数矩阵构造股票关联网络,然后计算股票关联网络的局部聚类系数,最后通过全局最小方差模型确定最佳投资组合。将改进后的模型应用于A股市场,经过夏普比率、信息比率和欧米茄比率的对比分析得出改进后的投资组合模型在样本外的表现优于传统的全局最小方差投资组合模型。     

信息不完全确定的区域产品模糊区间聚类方法

区域产品分类与选择是区域经济发展中最重要和最基础的工作.在产品选择与分类时,需要确定指标权系数和分类阈值等参数,这在实际应用中是比较困难的.针对这种情况,提出了一种信息不完全确定的区域产品模糊区间聚类方法.该方法构建了指标权系数信息不完全确定的最优模糊区间聚类模型,利用遗传算法和改进的FCM算法联合求解所得优化模型,得到指标权系数、最优聚类中心和最优划分,进而确定各产品所属类别.最后将该方法应用于某区域的产品分类和主导产品的确定中,实例计算说明该方法的可行性和有效性.     

粒子群优化k均值的混合聚类算法研究

k均值算法是聚类分析的一种传统算法,在数据挖掘中等领域得到了广泛的应用.本文在分析k均值聚类算法存在问题的基础上,用粒子群算法优化k均值聚类算法,提出了一种新的混合聚类算法.理论分析和实验结果证明,该算法有很好的全局收敛性,不仅有效地克服了传统的k均值算法易陷入局部极小值和对初始值敏感的问题,而且具有较快的收敛速度.     

经济发展与生态环境耦合协调发展研究

通过构建经济发展与生态环境评价指标体系,选用耦合协调度模型,测算2016年我国31个省市经济发展与生态环境的耦合协调度,并运用系统聚类法进行分类分析。研究结果表明:(1)从整体上来看,18个省市耦合度在0.9以上,处于高度耦合阶段;耦合协调度集中分布在0.3-0.5之间,基本集中于初级协调、濒临协调、初级失调和中级失调四个程度,还未达到良好协调和高级协调;(2)从空间分布来看,经济发达的东部沿海地区耦合度普遍较低;而其耦合协调度却高于经济较为落后的中西部地区。(3)结合各地区实际情况提出相应建议如下:华东地区应构建绿色技术创新体系以提高资源利用率,加大生态环境保护力度;华北地区着力解决突出环境问题,同时调整能源消费结构,改变目前的粗放式发展模式;中西部地区则应在重点发展经济的基础上,灵活运用市场机制,将生态环境优势转变为经济发展优势。     

供给侧结构性改革研究的文献计量学分析——基于CSSCI(2015-2017)数据

[提要]本文以2015-2017年CSSCI收录的446篇关于供给侧结构性改革研究的论文为来源数据,利用可视化分析软件CiteSpace,从研究的基本情况、研究的热点和发展趋势等方面进行文献计量学分析并绘制知识图谱。主要结论为：（1）从研究的基本情况来看,研究成果逐年增加,正在形成一批有影响的研究机构,但作者之间、机构之间整体关联性不强;（2）从文献、作者、期刊共被引分析来看,研究主要集中在经济和管理领域,学科交叉融合不多,研究的基础较为薄弱;（3）从关键词共现和聚类来看,研究重点集中在供给侧结构性改革的理论逻辑、重点领域、政府主体方面,研究的政策导向性较强,我国供给侧结构性改革的研究与党和国家政策文件的出台高度相关。     

非线性面板数据聚类方法研究

对于一类变量非线性相关的面板数据,现有的基于线性算法的面板数据聚类方法并不能准确地度量样本间的相似性,且聚类结果的可解释性低。综合考虑变量非线性相关问题及聚类结果可解释性问题,提出一种非线性面板数据的聚类方法,通过非线性核主成分算法实现对样本相似性的测度,并基于混合高斯模型进行样本概率聚类,实证表明该方法的有效性及其对聚类结果的可解释性有所提高。     

基于群体协同智能聚类的期刊分类大数据自动存储方法

求解期刊分类大数据自动存储问题时，传统方法在分解的过程中无法保证准确性与合理性，对解的合并策略选择不合理，导致寻优过程中出现一定的偏差，造成期刊分类存储效率大大降低。为此，需要提出一种新的基于群体协同智能聚类的期刊分类大数据自动存储方法。确定径向基神经网络的初始结构，通过样本分布计算径基宽度获取隐节点群，将其当成初始集合。将分类存储精度最高、F-measure最大、期刊特征相似性最高作为目标函数，将其加权和作为适应函数。在求解过程中，各子群内部通过模拟退火法将分布估计算法和遗传算法结合在一起，产生新个体，利用群体协同合作的方式实现智能聚类。通过进化获取最优个体，得到最终精英集合，将其看作最后得到的径向基神经网络结构，通过得到的径向基神经网络实现期刊分类大数据自动存储。实验结果表明，所提方法期刊分类大数据存储性能强。