提高期刊影响因子的基本途径

影响因子是一个国际上通用的期刊评价指标。这一指标除了与被引次数和论文数直接相关外，还与即年指标、基金产文率、自引率等因素有密切的关系。作为办刊机构和人员，要想使自己的期刊在社会上产生较大影响，就必须在提高影响因子的基本途径方面狠下功夫。     

期刊影响因子:研究生科研绩效评价的重要指标

根据期刊影响因子的含义,分析了其目前在研究生科研绩效评价应用中存在的若干问题:具有不同来源期刊结构的数据库和不同学科领域的期刊影响因子的混合使用是对影响因子的误用。提出了不同数据库的合理匹配以及对同一数据库中不同学科领域的期刊影响因子给予恰当处理的应用方案,并就发挥影响因子等文献计量学指标的评价效力等问题作了进一步的理性思考。     

应用研究型期刊引文数量与影响因子关系分析——基于107种期刊的实证研究

以2014年版《中国学术期刊影响因子年报(人文社会科学)》中的"信息与新闻出版学"、"图书馆学、情报学"和"体育"三个学科共107种应用研究型期刊作为分析样本,以"不同学科期刊影响因子平均值和平均引文数平均值"、"学科影响因子平均值和平均引文数平均值位序排列"、"学科期刊和所有期刊不同影响区段影响因子和平均引文数集中度"三个参数作为测度指标,实证分析期刊引文数量与期刊影响因子的相关性。结果显示:不管是学科而言,还是整体而言,应用型研究期刊的平均引文数量与期刊影响因子之间具有明显关联性。     

基于BP神经网络的房地产市场持续健康发展评价研究——以南昌市为例

本文在文献分析和实证调查的基础上,归纳出影响房地产市场持续健康发展的四影响因素的10个具体因子,引入BP神经网络,设计出基于BP神经网络的房地产市场持续健康发展评价模型,并以南昌市为例进行了实证研究,通过样本学习和训练建立起了稳定神经网络,认为BP神经网络模型在房地产市场持续健康发展评价中具有可行性和实用性．     

影响因子与h指数、复合影响因子相关性分析与回归拟合——以自然科学类大学学报和师范大学学报为样本

以自然科学类大学学报和师范大学学报为分析样本,探讨文献计量学传统指标影响因子与新兴指标h指数和复合影响因子的相关性和数量关系.以2011年版《〈中国学术期刊影响因子年报〉个刊影响力统计分析数据库》和《中国期刊引证报告(扩刊版)》为数据源,采用SPSS 17.0统计软件;应用K-S法进行正态性检验,根据正态分布情况统计相关性.结果表明影响因子与复合影响因子高度正相关,h指数与影响因子间也存在一定正相关趋势.影响因子和h指数各有优势和不足,互补使用有利于取得更好的评价效果.期刊评价主要基于文献计量学指标体系,采用多种指标进行综合量化.指标间的相关关系会导致评价重复,因而指标选择、权重分配和修正优化就显得尤为重要.     

不同高考模式下学生选科的影响因素研究——基于BP神经网络模型的实证分析

文章基于2022年“关于高考改革的调查”获取的33470份对高考有深切体会的大学生样本,按70%、15%、15%的比例随机将样本分为训练组、验证组和测试组,并用训练组构建了一个泛化性能较好、预测精度较高的BP神经网络模型,结果模型通过了验证组和测试组的检验。研究发现：在三种选科模式下,影响学生选科的基本因素具有较强的一致性。其中,首要是个人因素,其次是家庭因素,最后是学校因素和社会因素。在重要性排名中,前三的具体因素都是性别、学生成绩和就业形势;家庭因素与学生选科自由度呈正相关,但作用有限;选科自由度与学校因素的重要性呈负相关;社会因素对学生选科的影响值得进一步关注。基于此,文章从高考改革的前期筹备、实施进程和后续跟进三个维度提出了相应的对策建议。     

学术期刊影响因子综述

学术期刊影响因子受出版时间、源期刊库缺陷、统计上的差异、学科性质差异、反常性自引及编辑加工过程等因素的影响．我国学术期刊被引频次近年来逐渐提高，但与国际水平还有较大的差距。     

基于BP神经网络的认知诊断评估分类准确率影响因素分析

BP神经网络是目前应用最广泛的人工神经网络模型之一,在分类和识别上表现出良好的特性,因此被研究者用于认知诊断评估以对被试进行诊断分类。通过模拟研究,考查属性个数、属性层级关系、测验长度、题目质量、测试样本量5个因素对BP神经网络在认知诊断中分类准确性的影响。结果表明:1)基于BP神经网络的认知诊断分类准确率不依赖于测试样本量;2)题目质量和测验长度对BP神经网络的诊断准确率有显著的积极影响;3)属性个数对BP神经网络的分类准确率有消极影响;4)题目质量一定程度上会影响BP诊断方法在不同属性层级结构上的分类准确率。     

基于BP神经网络的计算机实验室管理评价指标

介绍了一种基于BP神经网络的高校实验室管理水平评价的模型。该模型将实验室管理水平评价指标概念量化为确定的数据作为BP网络的输入,评价结果作为输出,分析了BP网络的训练过程。     

基于BP神经网络的税务稽查研究

税务稽查实质上是一个分类问题,可以通过BP神经网络进行数据挖掘的分类和问题预测。在分析BP神经网络原理的基础上,利用税务系统中的纳税人申报数据,建立基于BP神经网络的分类模型,对纳税人进行诚实纳税和非诚实纳税的评估、分类。模型分类准确度达到预期效果,表明该方法能够提高税务稽查部门的工作效率和效果。     

基于BP神经网络的中医舌诊诊断的研究

将现代计算机技术与舌诊相结合构建了中医舌诊智能诊断的神经网络模型,以此研究了人工神经网络方法应用于中医舌诊诊断,讨论了利用MatlabN神经网络函数对实验提供的舌象样本数据进行训练学习,最终得出相应病例．     

一种基于BP神经网络的字符认识方法

讨论BP神经网络的原理及其缺陷和改进方法.在MATLAB环境下,对含噪声文字符进行识别训练.仿真结果表明,网络收敛速度快,识别分类效果好.     

基于四层BP神经网络模型的数字水印技术

对神经网络应用于数字水印技术进行了改进,选择了一种DWT变换嵌入算法的BP四层模型作为神经网络的训练模型,它能更好地实现了水印的盲提取。实验结果表明,该算法对常用的图像处理如压缩、低通滤波、加噪、剪切、旋转和缩放等攻击具有较好的鲁棒性和不可见性。     

基于神经网络的协同入侵检测

针对计算机网络规模大、网络流量大、结构复杂等特点,使得检测代理负载过大导致丢包率较高而准确率较低,提出了基于神经网络的协同入侵检测,该方法根据网络协议构建多个检测代理(TCP检测代理、UDP检测代理和ICMP检测代理),多个检测代理协同工作减少检测代理的负载,从而提高检测准确率。最后用KDDCUP99进行仿真实验,结果表明该方法可以有效提高训练时间和检测时间,同时提高准确率。     

基于BP神经网络的刀具磨损监测

结合调研资料和现场实验,文章确定了刀具磨损是影响环型零件加工精度的主要因素。针对刀具磨损,采用声发射法进行监控,运用移频小波包算法对实验采集的AE信号进行特征值提取。通过采用BP神经网络,独创性地提出将铣削时间和AE信号特征值有机结合从而建立刀具磨损监测预报模型,其模型的准确率可达96.2%,能够实时、快速、可靠地监测刀具的磨损情况。     

基于BP神经网络模型的通货膨胀预测

通货膨胀的诱因、预测与控制是各国政府、学者乃至普通民众关心的热点问题。运用交叉相关分析法对GDP增长率、M2增长率、工业生产者购进价格指数等因素与通货膨胀间的关系进行了定量分析,确定了各因素与通货膨胀之间的领先、一致和滞后关系;然后结合人工神经网络原理,以先前确定的领先指标作为输入信息建立了基于BP神经网络的通胀预测模型,最后根据模型预测结果,提出了控制通货膨胀的相关政策建议。     

集装箱量预测的BP神经网络方法

介绍了BP神经网络的基本理论 ,建立了集装箱运量时间序列的BP神经网络预测模型。并将此模型应用于上海港集装箱运量的预测。结果表明 ,与传统的预测方法相比 ,该方法具有较好的非线性自适应能力和预测精度     

BP神经网络模型及其应用

本文提出了一类神经网络模型,介绍了它的算法及其如何设计出该模型,最后通过神经网络对字符进行识别的例子,说明了神经网络在实际中的应用。