适用于数据分类的极限学习机优化算法

针对极限学习机参数优化问题,提出量子遗传算法优化极限学习机的方法（QGA-ELM）。在该方法中,对ELM的输入权值和隐含层阈值采用量子比特编码,并将其映射为QGA的染色体,QGA的适应度函数为对应ELM的分类精度;通过QGA的量子旋转门优化出输入权值与隐含层阈值,以此训练出分类精度更高的ELM,从而改善ELM的泛化性能。通过ELM和QGA-ELM对数据集的仿真结果对比表明,QGA-ELM有效地提升了ELM网络的分类精度。     

一种基于正区域及其分类纯度的决策树算法

本文分析了基于正区域的决策树生成算法的不足,针对这些不足,提出了基于正区域及其分类纯度的决策树算法。该方法计算简单,易于理解,并用实例说明了该方法的优越性。     

中国中学生英语语法词素习得顺序研究

中介语的普遍性理论和乔姆斯基的普遍语法理论都认为第二语言学习者在学习目标语的过程中,会遵循某一普遍性的＂天然顺序＂,即是一个创造性的构造过程。在此过程中,母语影响不大。本文拟采用实验方法,得出中国中学生习得九个英语语法词素过程中所遵循的顺序,并与其他母语学习者习得这些词素所遵循的顺序进行比较,比较的结果发现中国中学生习得英语语法词素时同样遵循＂天然顺序＂。     

专业群背景下系级教学档案管理的问题及对策

石家庄职业技术学院管理体制改革中专业群建设机制的推行,对教学档案管理提出了新的要求。进一步加强教学档案管理,需增强档案意识,落实责任人制度,建立分级管理、定期归档和系级档案管理制度。     

美国智力障碍定义的演变及其启示

美国智力与发展性障碍协会于2010年公布了新版定义,以"智力障碍"代替了之前所使用的术语"智力落后".新定义提出了具备诊断、分类和计划与发展支持系统三重功能的评估框架、多维度取向的分类系统以及终身性的、全面的支持系统.本文梳理了20世纪90年代以来智力障碍定义的演变进程,重点评析了1992、2002、2010年的三版定义,并分析了智力障碍定义演变的特点与趋势及其对我国特殊教育发展的启示.     

语篇隐喻的隐喻化过程及其分类

自从韩礼德第一次系统地提出语法隐喻理论以来,语法隐喻受到越来越多的关注。作为一个相对较新的理论,语法隐喻仍然有很多不完善之处。其中,语篇隐喻就是一个典型的例子。作为系统功能语言学派最杰出的代表,韩礼德几乎从没有明确地谈论过语篇隐喻,他也没有把语篇隐喻纳入到语法隐喻的系统当中。然而,许多对语篇隐喻感兴趣的语言学家一致认为：除了概念隐喻和情态隐喻之外,语篇隐喻也应该被包含在语法隐喻系统之中。基于韩礼德的一致性理论和意义进化理论,作者建立了语篇隐喻的隐喻化过程的综合模式,该模式表明语篇隐喻的隐喻化过程包含两个过程：语篇化过程和隐喻化过程。     

“VP+到+NP/VP”中“到”的词性

动词后面"到"的词性一直以来存在很大的争议,至今没有形成统一的观点,这一情况严重影响到相关问题的处理。为了解决这一问题,文章采用定性与定量相结合的方法,以现代汉语出现频率极高的动词、形容词为基础,从具有代表性的各种观点入手,分析了这种句型的三种构成形式以及"到"前面动词的情况,参照判断动词的语法标准,弄清了"到"的性质,从中得出结论:动词后面的"到",动词特征比较突出,是动词,并没有介词化。     

刍居易诗歌归类考——兼及《长恨歌》的主题

一般认为，自居易把自己的诗歌分为四类，除杂律以形式为依据以外，讽谕、闲适、感伤三类诗歌均根据内容进行分类。但研究发现，讽谕诗、闲适诗的分类是以”儒家达则兼善天下，穷则独善其身”思想的两个方面为依托，这里并未为感伤诗提供相应的位置，因为儒家这一核心思想并无第三个方面。因此感伤诗的分类，不可能采用与讽谕诗、闲适诗相同的内容依据。白居易把自己的诗歌分为讽谕、闲适、感伤、杂律四类，实际上使用了三种标准，是三次分类的结果，把这一分类结果进行直接并列，而不是分层次表述，这种处理方式与现代严格的逻辑分类要求不同，反映了我国古人思维方式的特点。按照白居易自己确定的标准和分类方式，把《长恨歌》归入感伤诗，并无归类不当问题，但把《长恨歌》归入感伤诗，由于不是以表达特定内容或主题为依据，所以既不能作为表达爱情主题的证据，也并不影响它以特殊的方式表达政治主题。     

师生冲突的概念界定与分类探究——基于刘易斯·科塞的冲突分类理论

论文通过借鉴和辨析社会学理论中的冲突概念,对师生冲突概念作出界定。根据美国当代社会学家刘易斯·科塞的冲突分类理论,对学校师生冲突进行分类研究。在此基础上提出了三个观点:学校师生冲突的多数属于非现实性冲突;师生结构由紧密走向松散是师生冲突增多的重要原因;师生冲突具有一定的正面功能。     

基于支持向量机的数据挖掘技术

随着数据库技术的迅速发展以及数据库管理系统的广泛应用,人们积累的数据越来越多.激增的数据背后隐藏着许多重要的信息,人们希望能够对其进行更高层次的分析,以便更好地利用这些数据.将目前先进的机器学习技术支持向量机,与数据挖掘结合起来,提出了一个改进的支持向量机训练算法,进行了支持向量机自动分类的模拟试验.试验结果显示,新算法的训练速度明显提高,并获得了比较理想的分类结果.