社科人才

省社科联高度重视社科人才队伍建设,认为这是社科事业繁荣发展的基础和命脉。通过课题引导、加强基层组织建设、开展人才推荐工作、建立重点社科基地、推动成果转化以及开展学术交流等举措,大力培养我省社科人才。     

梅子的“煮意”人生

梅子的博客“梅子的写食日记’和bbs“梅子咖啡吧”在华人留学生圈里颇有影响。她喜欢和别人分事自己做菜的经验心得。来自不相识朋友的鼓励,也使地能一直坚持博客写食,并目觉得乐趣无穷。     

残疾人艺术团温暖世博舞台

世博会有名以来首次专为残疾人设立的生命阳光馆,2月10日举行馆日活动．当晚．中国残疾人艺术团在世博中心义演了一场《我的梦》。     

世博让上海更美好

世博会运营进入到第12天时,入园参观人数已接近300万,这场规模横空前的盛会吸引了无数海内外游客的目光。     

纪念首部婚姻法颁布60周年大会

A seminar was held on April 28, 2010, in Beijing to mark the 60th anniversary （May 1, 1950） of the promulgation of the Marriage Law of the People＇s Republic of China. Chen Zhili, Vice- Chairperson of the Standing Committee of the National People＇s Congress and President of the All-ChJna Women＇s Federation, spoke about the significant role the Marriage Law has played in Chinese women＇s liberation.     

基于GMM-RBF神经网络的前列腺癌诊断方法

 前列腺癌是近年来发病率上升速度最快的男性癌症,严重威胁着患者的身体健康,准确地判断癌症患者的患病情况对于节约医疗资源、提高患者满意度起着至关重要的作用。近年来,基于数据挖掘的癌症诊断方法逐渐成为疾病诊断领域的研究热点,在提高诊断准确性上显示出极大优势。        针对现有前列腺癌早期诊断方法准确性不高的问题,提出一种基于高斯混合模型改进径向基函数神经网络的前列腺癌诊断方法--GMM-RBF神经网络方法。该方法通过使用高斯混合模型对径向基函数神经网络中径向基函数的参数进行预训练,使模型避免陷入局部最优,之后采用改进的粒子群优化算法对神经网络进行训练。采用国家临床医学科学数据中心提供的数据进行前列腺癌诊断实验,将所提出的方法与径向基神经网络、分类回归树、支持向量机和逻辑回归等主流的机器学习算法进行对比,并使用准确性、特异性、敏感性和AUC值对模型的性能进行评价。        研究结果表明,与改进前的神经网络模型相比,GMM-RBF神经网络模型收敛速度更快、初始准确度更高;与其它机器学习算法相比,GMM-RBF神经网络模型在10折交叉验证中取得了较高的准确性、敏感性、特异性和AUC值。        GMM-RBF神经网络方法在模型预测精度上比传统的径向基函数神经网络模型有很大提升,能够得到更为可靠的前列腺癌诊断结果,为医疗工作者初步诊断前列腺癌和穿刺活检操作提供有效的辅助决策支持,该方法的提出对于减少患者痛苦、提高患者满意度和节约医疗资源具有实际意义。     

大数据时代垄断协议规制的法律困境及其类型化解决思路

大数据时代垄断协议呈现出智能化和隐蔽化的特征,前者是指算法成为垄断协议的参与者并有主导其达成和实施的趋势,后者意味着在大数据技术使市场透明度增加的情况下,垄断协议的形式将以默示合谋为主。这两大特点带来了反垄断规制在主体要件认定、主观要件认定和基本价值衡量等三个方面的法律困境,而依靠传统的概念思维无法有效化解上述困境,因此引入类型化规制思路成为一种可行路径。通过类型化规制思路的适用,协议主体要件应从算法或者其他计算机技术落实为其背后的设计者、改进者或使用者,同时对主观要件的证明也应从单一的沟通证据转变为以行为证据、经济证据为主,最后在基本价值衡量方面,该解决思路要求实现从经济效率维护到注重消费者利益保护的变革。     

云制造环境下基于本体和模糊QoS的供应商匹配方法

云制造环境下的服务匹配具有资源数量大、语义信息不对称、QoS多样化和模糊化的特点,同时企业有自主选择匹配结果的需求。为此,提出基于本体和模糊QoS聚类的三阶段供应商匹配模型。首先构建本体模型和供应商服务描述模型,运用语义本体既消除了信息的不对称性,又增加了语义信息的完整性。此外,对QoS的多属性信息进行三角模糊化处理,结合模糊偏好和优化的模糊C均值聚类（FCM）算法按需聚类,提高了收敛速度和精度,得出基于匹配度排序的结果集合。实例验证结果表明：本文匹配方法较传统方法有更高的适应性和查准率。     

考虑充电策略与电池损耗的电动汽车路径优化问题研究

针对目前研究电动物流车辆路径问题的文章未考虑电池损耗对运营成本的影响,且多在充电速率为恒定值的情况下对充电策略进行优化,本文将电动物流车辆在配送货物途中的充电时间和电池损耗成本纳入目标函数并建立了线性规划数学模型,统筹安排车辆行驶路径和充电策略使得物流企业整体运营成本最低。其次,提出了求解该问题的多阶段启发式算法MCWIGALNS。随后,通过多组算例验证了模型和算法的准确性。实验结果表明,考虑充电时间与深度放电成本的模型可以在配送距离不变或略有增加的情况下,较大幅度减少充电时间与电池损耗成本,到达降低运营成本的目的。最后,将算法实验结果与本领域已发表的成果进行比较,证明了MCWIGALNS算法对车辆路径问题具有出色的求解能力,提升了该问题理论成果的实用性。可以为物流企业电动汽车路径策略提供良好借鉴与帮助。     

利用M-H算法求解Logistic回归模型参数的贝叶斯估计

文章以航天飞机在不同温度下发射密封圈的失效数据为例,采用随机游动与变量变换M-H算法获得Logistic回归模型参数的后验分布样本并进行贝叶斯分析.同时,进行蒙特卡洛模拟,通过样本轨迹图、直方图、自相关系数图等考查M-H算法的抽样表现,并讨论每种抽样方法的优缺点与提高措施.结果表明:先验分布的选取直接影响贝叶斯估计效果,有先验信息的M-H算法估计的标准差比无先验信息的M-H算法要精确,但随着样本容量增大,趋势在减少,适当的建议分布与变量变换可大大提高M-H算法的抽样效率.