基于GA_XGBoost模型的大学生科研能力预测问题研究

科学评价大学生科研创新能力对我国科研水平的提高具有重要意义.采用机器学习模型来预测大学生科研能力可以起到良好的效果,提出一种GAXGBoost模型来实现对大学生的科研能力预测.此模型是以Xgboost算法为基础,然后充分利用遗传算法的全局搜索能力自动搜索Xgboost最优超参数,避免了人为经验调参不准确的缺陷,最后采用精英选择策略以此确保每一轮都是最佳的进化结果.通过分析表明,所采用的GAXGBoost模型在大学生科研能力预测的结果中具有很高的精度,将此模型与Logistic Regression、Random Forest、SVM等模型进行对比,GAXGBoost模型的预测精度最高.     

超强频率梳激光场驱动下多光子共振谐波辐射的相位突变研究

本文从理论上研究了在双色频率梳激光场驱动下多光子谐波辐射光谱中的相位突变现象。我们利用Floquet理论非微扰地模拟了频率梳激光场与原子分子等量子系统的相互作用过程。谐波辐射信号是多光子偶极跃迁相干叠加的结果,通过调节频率梳激光场间的相对相位,可以相干地控制谐波辐射信号的强度。通过对谐波信号进行傅里叶变换,可以提取不同跃迁路径的相对相位信息。我们通过改变频率梳组激光场的强度和频率组分实现多光子跃迁频率,让其跨越共振跃迁频率时,谐波相位会发生突变。从而可以观测超强激光场驱动下量子系统共振跃迁频率的斯塔克能移。     

基于自适应预测滤波理论的模数转换器设计方法

基于自适应差分量化理论，提出了在不增加转换位数的情况下提高模数转换器(ADC)动态范围的一种设计方法。该方法通过量化输入与预测的差值来获得预测增益，从而扩大ADC的动态范围；通过差分量化值与预测值相加得到输出信号，并将该分别采用LMS和RLS算法进行处理．得到输入信号的预测值．计算机模拟结果证实，上述两种算法均能使模数转换器的动态范围提高约25dB．比较而言，RLS算法收敛速度更快，收敛性更好，但计算量较大．     

达草灭对莱茵衣藻(Chlamydomonas reinhardtii) 品系遗传后效应的研究

通过将莱菌衣藻（Chlamydomonas reinhardtii）6种达草灭抗性突变株分别与野生型株、丧失合成叶绿素b能力的cbnI-43等基因突变株和精氨酸依赖型突变株杂交对其后代进行四分析与随机分析，发现在Nfr-4-Nfr-7突变株中达草灭抗性状只有单一核基因遗传的性质，而在Nfr-1、Nfr-3～Nfr-7抗性株的抗性性状都是由同一个nfr-1基因（norflurazon resisanse）的突变所决定的，而Nfr-4抗性株的抗性性状是由另一滚突变等位基因nfr-2所决定的。在Nfr-1和Nfr-3抗性株中除了nfr-1基因的突变还有nfr-3基因突变的参与。     

不同加载方式下路堤沉降性状与预测模型研究

从考虑土体流变的本构关系出发 ,证明了瞬时加载、线性或者近似线性加载和分级加载情况下路堤沉降的性状 ,提出了从数学上能满足各自变形特征的预测模型 ,工程实例分析表明了在不同条件下采用不同模型的合理性和实用性     

The Isoelectric Point and the Points of Zero Charge of Fe-Al-Mg Hydrotalcite-like Compounds

The relation of the isoelectric point (IEP) and the point of zero net charge (PZNC) of the hydrotalcite-like compounds was discussed. It was found that the IEP does not equal to the PZNC and the IEP is higher than the PZNC. The structural positive charges existing in the HTlc,which cause the difference between the IEP and the PZNC. The effects of the structural positive charges of the HTlc on its IEP and PZNC are the same as the specific adsorption of metal cations.     

Local Prediction of Chaotic Time Series Based on Support Vector Machine

Based on phase space delay-coordinate reconstruction of a chaotic dynamics system, we propose a local prediction of chaotic time series using a support vector machine （SVM） to overcome the shortcomings of traditional local prediction methods. The simulation results show that the performance of this proposed predictor for making onestep and multi-step prediction is superior to that of the traditional local linear prediction method and global SVM method. In addition, it is significant that its prediction performance is insensitive to the selection of embedding dimension and the number of nearest neighbours, so the satisfying results can be achieved even if we do not know the optimal embedding dimension and how to select the number of nearest neighbours.     

一种G分布的应用

本文利用Ｇ分布曲线对农村彩电的增长率进行了预测，并在概率意义下对其增长阶段进行了划分．