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.     

紫色球杆菌视紫红质光谱特性的机器学习研究

近年来，机器学习等人工智能技术被应用于蛋白质工程，其在蛋白质结构、功能预测、催化活性等研究中具有独特优势。在未知蛋白质结构的情况下，将蛋白质序列和功能特性与机器学习相结合，基于序列-活性关系（innovative sequence-activity relationship，ISAR）算法，将蛋白质氨基酸序列数字化，用快速傅里叶变换（fast four transform，FFT）进行预处理，再进行偏最小二乘回归建模，可在数据集较少情况下拟合得到最佳模型。通过机器学习对紫色球杆菌视紫红质（gloeobacter violaceus rhodopsin，GR）的突变体蛋白质氨基酸序列与光谱最大吸收波长进行建模，获得了最佳模型。用最佳索引LEVM760106建模得到的确定系数R² 为0.944，均方误差E为11.64。用小波变换进行的预处理，其R² 虽也约为0.944，但E大于11.64，不及FFT进行的预处理。方法较好地解决了蛋白质序列与功能特性之间的数学建模问题，在蛋白质工程中可为预测更优的突变体提供支持。     

可重构制造系统重组过程中设备选择模型的研究

根据生产任务选择加工设备进行制造资源重组是实现可重构制造系统的关键问题之一，由于设备的选择涉及到多种因素，既有定量指标，又有定性指标，传统的依靠人工经验的方法显得力不从心。本文首先结合实际情况，提出了一套设备选择评价体系，通过对模糊判断矩阵采用最小对数二乘法确定各评价因素的权重系数，针对定性指标和定量指标采用不同的方法确定其性能指标值，通过模糊积分对评判指标进行综合评判，最后进行了实例研究。所提出的方法有效地简化了决策过程，为可重构制造系统设备选择提供了一套行之有效的方法。     

Kthe-Bochner空间的凸性(英文)

本文利用Kothe函数空间的性质以及Kothe函数空间与Kothe-Bochner空间的关系,讨论了Kothe-Bochner空间E(X)的凸性,主要结果如下: (a)给出E(X)的端点的充分条件,得到了E(X)严格凸的判据,相应地推广了Lp(μ,X) 以及Lφ(X)的结果; (b)讨论了E(X)的弱局部一致凸和局部完全k-凸; (c)刻画了E(X)的强凸,给出了F(X)强凸的充要条件．     

R-拟连续模的不可分分解

设R是环,M是R-拟连续左R-模.如果R关于形如l（m）,m∈M的左理想满足升链条件,则M可写成一致子模的直和.     

一种新型彩色三维光学成像系统

提出一种新型三维彩色光学数字成像系统。此系统利用投影结构光对现实世界中的物体进行数字化，同时得到对应的彩色纹理。详细介绍了系统的硬件设计和软件体系结构设计，得到物体彩色纹理的两种不同方法；直接获取和从编码条纹中提取，给出了用该系统得到的实验结果并简单评价了系统的性能。此系统在反求工程、影视制作、三维游戏制作、医学应用等方面有远大的应用前景。     

K(o)the-Bochner空间的凸性

本文利用K(o)the函数空间的性质以及K(o)the函数空间与K(o)the-Bochner空间的关系,讨论了K(o)the-Bochner空间E(X)的凸性,主要结果如下:(a)给出E(X)的端点的充分条件,得到了E(X)严格凸的判据,相应地推广了Lp(μ,X)以及LΦ(X)的结果;(b)讨论了E(X)的弱局部一致凸和局部完全k-凸;(c)刻画了E(X)的强凸,给出了E(X)强凸的充要条件.     

Slutsky定理的一个推广

本文应用紧集上的连续函数是一致连续的性质，推广并证明了著名的Slutsky定理。