“互联网＋竞赛”驱动下的研究生教育模式研究

课后大作业为提升研究生实践动手能力的重要途径之一。国内研究生教育助教机制不够健全导致研究生教师工作量大,教师重视课堂教学而忽略大作业;另一方面,学生对大作业的兴趣度不高,完成大作业的成就感不强,很难达到提高研究生实践动手能力的效果。以“数据挖掘”研究生课程为例,利用互联网提供的数据挖掘竞赛平台,将竞赛平台引入到课堂教学中,以竞赛平台为牵引,驱动研究生的课后大作业,重点研究了引入竞赛平台的研究生成绩评定模型与互联网竞赛团队组合模式,最大化地发挥学生参与互联网竞赛的积极性与提高学生实践动手的能力。     

基于粗糙集的烤烟烟叶智能分级方法

针对烤烟烟叶的分级问题,提出了一种基于粗糙集理论的智能分级方法.为了适应烟叶分级的特点,将粗糙集理论予以扩展和改进,给出了相应的离散化和属性约简算法.同时构造了烟叶分组、分级的二级推理模型,以实现合理粒度的知识获取.通过烟叶的化学指标进行"部位"和"颜色"上的并行分组,可得到各自的推理规则以及影响指标和相应的重要度.在规则推理获得烟叶的分组后,借助所有化学指标的重要度进行多属性决策判定得到烟叶的分级.实验结果表明该方法有效可靠,并优于同类其他方法.     

考虑属性关联的TOPSIS语言群决策方法

针对在实际的多属性语言群决策问题中属性之间往往具有相互关联作用这一问题,提出了一种考虑属性关联的TOPSIS语言群决策方法.该方法中决策者给出对方案的语言评价信息,并采用二元语义概念对语言评价信息进行处理.在传统理想点法的基础上引入λ模糊测度的概念,根据属性间的关联作用确定每个方案属性的权重并得到加权决策矩阵.然后计算每个方案与正、负理想点间在n维二元语义空间内的二元语义欧氏距离并得到相对贴近度,确定最优方案.该方法有效地避免了决策过程中语言评价信息的扭曲和损失,并能够考虑属性间的关联作用对于属性权重的影响,使得决策结果更加合理可信.通过一个实例验证了方法的有效性和实用性.     

洞庭湖区不同情景下农业水旱灾害风险损失评估

水旱灾具有明显的随机性.本文依据洞庭湖区1950-2009年水旱灾受灾率异常指数ζ和成灾率异常指数ζ,运用信息扩散模型评估了该区不同情景下农业水旱灾害风险损失.结果表明:(1)随着灾情异常指数超越概率的增长,同一水旱灾害损失率下的粮食损失值呈波动上升趋势,同一类型的灾情异常指数一定时,损失率越大,粮食损失量则越大;(2)旱灾粮食经济损失递增趋势较平缓,而水灾在20年一遇到50年一遇之间粮食经济损失量发生了突变;(3)洞庭湖区不同情景下的水旱灾粮食风险损失值都随着灾情异常指数超越概率的增大而增加,且在超越概率20年一遇以上的水灾粮食风险损失值大于旱灾.