分类框架

摘要： 我国亟需推进高校分类以促进高等教育多样化发展和整体质量提升.经过50年历程的卡内基分类得到美国及世界高等教育认可,值得在研制我国高校分类框架中充分借鉴.最新的2018版卡内基分类于2019年公布,保持了多维分类框架并做出调整.研究详细分析了2018版卡内基分类分组的标准与内涵,检查其对我国高等教育的适用性,剔除不适宜内容、 合并重复项目并进行本土化修改,增添符合我国高校特征的本土化分类维度,综合构建出我国高校分类框架.卡内基分类在方向、 作用、 关注点、 技术细节和专业精神等方面提供了启示借鉴.

摘要： 语句分裂变更模式是一种常见的将一条代码语句分裂成多条语句的代码变更模式,该模式有多种呈现形式,而不同的呈现形式又可能对应不同的变更目的。提出一种分类框架,从分裂语句的类型、语句变更的行为和新增语句类型三个维度对该模式进行分类,并设计了基于该框架的分类算法。最后,将该算法应用于4个开源项目,对其中所包含的语句分裂变更模式进行了分类和分析,实验结果呈现出较高的分类准确率。

摘要： "中兴事件"反映了中国核心技术受制于人的局面没有得到根本性改变.从中小学甚至幼儿园开始渗透STEM教育理念、培养理工科思维的需求变得越来越强烈.STEM教育包括分科式STEM教育和整合性STEM教育.培养核心素养是开展STEM教育的重要目标.一方面,要立足常规课堂,扎实做好分科式STEM教育;另一方面,要通过改造传统课堂或借助综合实践活动课程、校本课程和社团活动等机会,努力开展整合性STEM教育.

摘要： 基于知识源流、学科联系、社会角色、审美娱乐、多元文化这五个维度的分类框架,选取2014年-2018年发表的12个初中HPM课例,分析它们体现了哪些数学文化内涵.得到结论:HPM课例经常使用“知识源流”与“多元文化”维度的数学文化元素,很少使用“社会角色”“审美娱乐”和“学科联系”维度的数学文化元素.提出建议:深入开展教育取向的数学史文献研究;夯实HPM的理论基础;不脱离学校数学教育的现实,开发HPM课例.

摘要： 高校分类作为高校分类发展的基础,在过去20余年有了丰富的研究成果.本研究借助文献计量的方法,通过文献统计与CiteSpace知识图谱分析,对中国高校分类的研究概况进行归纳,从学术价值和现实意义、理论依据和研究方法、指标设置和体系构建、视角选择和实践探索4个方面进行系统梳理,提出未来高校分类问题的4个维度,即高校分类问题研究要关照高校分类发展实践,高校分类问题研究需要多学科基础的融合,着力构建具有中国特色符合国情的分类框架,基于未来科学合理设置高校分类的指标体系.%As the basis of classified development of universities, university classification has made abundant research achievements in the past two decades. With the help of bibliometric method and through the analysis of literature statistics and CiteSpace knowledge mapping, this paper summarizes the general situation of research on university classification in China, systematically classifies it from four aspects: academic value and practical significance, theoretical basis and research methods, index setting and system construction, perspective selection and practical exploration, and puts forward four dimensions of university classification problems in the future: the practice of classified development of colleges and universities, the integration of multi-disciplinary basis, the construction of a classification framework with Chinese characteristics in line with the national conditions, and the establishment of a scientific and reasonable index system for the classification of colleges and universities in the future.

摘要： 网络学习中学习者需要在学习过程中承担更多的学习责任,这会使习惯于传统学习方式的学习者产生诸多的不适应,并渴望得到学习支持与指导。指导类资源是学习指导的依托,设计网络教学的指导类资源应首先从指导功能上对资源进行分类,以配合具体的教学活动,使资源在网络教学中的指导作用得到充分发挥。本研究从学习支持的角度界定网络学习指导类资源的范围,提出指导类资源的分类框架和基于此框架的资源设计建议,为网络学习指导类资源的设计提供参考。

摘要： "中兴事件"反映了中国核心技术受制于人的局面没有得到根本性改变.从中小学甚至幼儿园开始渗透ST EM 教育理念、培养理工科思维的需求变得越来越强烈. STEM教育包括分科式STEM教育和整合性STEM教育.培养核心素养是开展STEM教育的重要目标.一方面,要立足常规课堂,扎实做好分科式ST EM教育;另一方面,要通过改造传统课堂或借助综合实践活动课程、校本课程和社团活动等机会,努力开展整合性STEM教育.

摘要： 术语分类框架的研究在中医术语标准化研究工作中属于一个崭新的课题,目前尚未形成系统化的.关于如何进行中医临床术语分类的理论以及相应的方法学体系.纵观现有中医术语标准,大多以中医知识体系局部分支(如中医诊断术语、中医治法术语、中医基础理论术语等)为中心进行了范围较窄的分类设计,其采用的术语分类原则与方法各不相同,致使术语分类框架的兼容性弱,术语分类存在不同程度重叠与缺失;由于缺乏标准间协同合作的规则,难以将现有标准有机组合形成对中医知识体系较为全面地描述以满足临床医疗和科研工作对标准化术语的实际需求,导致标准在临床科研工作中难以真正得到贯彻实施.

摘要： 语音和非语音分类的问题属于音频场景分类研究的范畴.国内外对音频场景分类进行了广泛深入的研究,针对不同的分类任务,也采用了不同的分类器[1][2].Lie Lu[1]和姜洪臣[3]等人引入了支持向量机(SVM)两类分类器,并采用了基于音频类型二叉树的多级分类框架实现了音频信号的多类分类,该框架首先将音频信号划分为静音和非静音,然后再把非静音划分为语音和非语音,其中语音又分为纯语音和非纯语音,非语音又分为音乐和环境音.本文反其道而行之,利用SVM的多类分类框架,来提高基于SVM的语音和非语音两类音频分类的性能.

摘要： 本文从几个方面探讨了《联合国国际储量/资源分类框架》的特征,并提出几点疑问,以更好地理解和运用分类框架,深化我国矿产勘查学理论.

摘要： 研究目的:探索构建一套适应新形势发展要求的用地分类体系,为自然资源管理提供参考.研究方法:文献研究法,比较研究法,案例研究法.研究结果:依据功能和用途管制的差异,可以将城乡用地划分为城镇建设用地(H)、乡村建设用地(V)、农业生产用地(N)、自然生态用地(E)四类.研究结论:新用地分类框架体现了生态文明、“多规合一”、乡村振兴等要求.

摘要： 触电防护措施的科学分类直接关系到其应用的有效性.本文梳理了自上世纪90年代至今触电防护措施分类演变过程,对分类框架所发生的根本性改变、过去分类所犯原则性错误以及剩余电流保护等现有分类存在的问题和背后原因进行了剖析.这对现有触电防护措施分类的正确认识和进一步改进具有指导意义.

摘要： 教育理论的繁荣没有带来与之对称的教育实践改进是一个不争的事实,这一事实使教育理论蕴藏信誉危机。这种事实促使我们必须对教育理论做出深刻反思。但反思必须是辩证的、精细的、建设性的。对教育理论进行合理分类,并在此在基础上对各种教育理论进行反思,对教育理论发展是至关重要的。依傍自然科学与社会学科建立起来的教育理论,可以依据其成立的标准划分成四种教育理论:实然的教育理论、科学的教育理论、价值的教育理论和逻辑的教育理论。在相对精细地划分框架下对各种理论的正确评价可以促进各种教育理论的理性发展。

摘要： 本文回顾了关联规则挖掘的研究进程,并根据关联规则概念的演化,提出了关联规则挖掘算法的一个分类框架,基于该分类框架,对典型的关联规则挖掘算法进行详细的综述和分析,最后展望了关联规则挖掘算法研究中存在的一些挑战。

摘要： 虽然我国现行的防洪抗旱技术标准体系表在防洪抗旱管理生产实践中发挥着重要的作用,但是,尚存在一些不完善的地方.而且,近些年来我国的防洪抗旱思路的转变也对防洪抗旱技术标准体系提出了一些新的需求.在国内外对比分析、问题分析和需求分析的基础上,通过开展防洪抗旱技术标准体系分类框架、体系表优化设计、发展计划和保障措施的研究,对以上各个方面提出了修订建议.

摘要： 本发明涉及一种用于遥感场景分类的神经网络框架及分类方法，特别涉及一种用于遥感场景分类的多任务神经网络框架及分类方法，解决了现有网络框架及分类方法，信息量存在局限性，场景识别不准确，分类精度低的问题。该网络框架包括卷积特征提取层、分类任务全连接特征提取层、分类任务判别层、分类任务损失层；其特殊在于：还包括辅助任务全连接特征提取层、辅助任务判别层、辅助任务损失层、分类任务特征映射层、辅助任务特征映射层及关系学习损失层；两个特征映射层分别将适应于两种任务的全连接特征向量降维，关系学习损失层将降维后的向量作差并将差向量的范数作为关系学习损失，关系学习损失与两种任务的判别损失一起加入优化训练。

摘要： 本发明提出了一种基于串/并行集成学习框架的带钢表面质量缺陷分类器及其分类方法，具体包含：一种基于串/并行集成学习框架的分类器结构，与该分类器结构相适应的缺陷合并和分级方法，以及缺陷规则表构建方法。与传统技术相比，本发明具有以下优点：基于串/并行集成学习框架的分类器改变常用的“将多个分类器简单并行，然后通过加权投票确定最终分类结果”的思路，把传统的并行分类器结构改造成独特的串/并行集成结构。通过充分融合最新的机器学习分类识别技术、缺陷产生机理和人工经验规则，辅以与分类器结构相适应的缺陷合并和分级方法，进一步提高了带钢表面质量缺陷分类识别的准确度，并改善了分类器的自学习能力、实时性能和泛化能力。

摘要： 本发明属于人工智能领域，具体涉及一种基于状态分类与指派的多agent深度强化学习框架及方法。包括：执行M1，对生成的环境虚拟状态样本进行分类，并求解一个指派问题，得到状态分类模型F和agent的指派规则A；设置Multi‑Agents中的所有agent的网络结构，以及它们的学习模式、行动选择策略、更新方式和reward的计算方法；执行M2，首先初始化多个符合上述步骤设置的同质agent，然后初始化环境，最后多个agent与环境交互，学习行动策略，并更新各自的网络。本发明中将复杂的环境状态分解为简单易学习多个状态空间，并可以将多个agent指派到多个状态空间，克服单个agent面对人工划分的局部状态或者全局状态时学习效率低的缺陷，最终实现MADRL整体学习效果的提升。

摘要： 本发明提出了一种基于ViT框架的多类目岩矿快速分类方法、设备及存储介质，通过构建自然岩矿图像识别模型，其中自然岩矿图像识别模型的预处理模块对岩矿图像数据进行特征预提取和抑制过拟合处理，并输入至数据处理模块中进行参数训练和Token提取，再输入至结果处理模块根据所述参数训练和Token提取结果进行Token分离和类别映射并输出分类结果。本发明在构建自然岩矿图像识别模型时，在采用迁移卷积联合ViT框架的基础上，加入了STFE模块、ECTG模块、Mlti‑Head P‑Attention模块以及RCLinaer层，从而减缓过拟合，提升映射的容错率，更加精确完整地提取图像数据的特征，实现了减少岩矿图像数据中干扰因素对分类结果的影响，在大容量多类目的情况下实现对岩矿图像的快速精准识别的目的。

摘要： 本发明公开了一种基于联邦学习框架的Bert结合卷积神经网络的情感分类方法，该方法提出使用Bert来提取全局特征，减少神经网络的迭代次数，加速神经网络的收敛，提升下游分类模型的准确率；提出使用联邦学习框架对各个客户端训练的最优参数发送给中心服务器进行整合后下发新的共同参数给各个客户端使用，有效地降低了传统机器学习源数据聚合带来的许多隐私风险。本发明方法可有效保护各个客户端的数据隐私性，并且在短文本、少数据的情况下对不同种类商品评论的分类效果优于其他方法。

摘要： 本发明提供了一种变时窗框架下的地震波形分类方法及装置，将地震道视为“像素点”，通过设计算法，将地震数据分割成一系列波形特征相似的相邻地震道组成的不规则地震分区，即“超地震道”。进一步提取“超地震道”的质心，其可代表地震工区的地震参数特征，从而实现地震数据的合理抽稀。后续对抽稀的地震数据进行聚类，解决算法大运算量的问题。

摘要： 本发明公开了一种基于机器学习框架的分类方法及相关设备，所述机器学习框架包括经典模块和量子模块，所述方法包括：调用所述经典模块和所述量子模块创建分类模型，所述分类模型包括特征提取经典计算层、特征提取量子计算层和特征融合计算层，所述特征提取经典计算层用于提取目标数据的第一特征信息，所述特征提取量子计算层用于从所述第一特征信息提取第二特征信息，所述特征融合计算层用于对所述第二特征信息进行特征融合，以得到所述分类模型的分类结果；获取待分类数据，并将所述待分类数据作为所述目标数据输入所述分类模型，得到所述分类结果。通过该技术方案可以提高对待分类数据的分类处理速度。

摘要： 本发明公开了一种基于机器学习框架的分类方法及相关装置，本发明通过调用机器学习框架包括的量子模块构建量子机器学习分类模型，该量子机器学习分类模型包括级联的基态数据编码量子线路、QVC和测量量子线路，该基态数据编码量子线路用于将输入数据编码至量子比特的基态，基态数据编码量子线路包括的逻辑门数量少于振幅数据编码量子线路、角度数据编码量子线路、IQP数据编码线路等其他数据编码量子线路，从而减少了数据编码量子线路的线路深度，进而减少了量子机器学习分类模型中量子线路的线路深度，减少了量子比特的出错几率，提高量子机器学习分类模型的分类准确性。

摘要： 本发明公开了一种基于机器学习框架的分类方法及相关装置，本发明通过调用机器学习框架包括的量子模块构建量子机器学习分类模型，量子机器学习分类模型包括级联的数据编码量子线路、Ansatz量子线路和测量量子线路，数据编码量子线路用于将输入数据编码至量子比特的量子态，Ansatz量子线路用于将量子比特的量子态演化至目标态，测量量子线路用于测量所述量子比特得到测量数据；然后将待分类数据作为输入数据输入至机器学习分类模型得到测量数据，以及基于测量数据对待分类数据进行分类；整个分类完全通过量子线路实现，利用量子计算中量子叠加的性质，可以减少比特等资源的占用，提高计算效率。

摘要： 本发明基于非平衡数据分类框架的火点智能检测和分类方法，具体包括以下步骤：1)选用LandSat 8卫星火点数据进行检测，提取火点图像波段数据，计算特征向量；2)感知机组合学习，主要训练正例优先感知器模型，完成反例排除，以此解决数据不平衡问题；3)提取特征向量，采用火点图像波段数据进行线性判别分析变换，提取特征向量；4)训练精确分类模型，训练加权支持向量机模型，对步骤4中的特征向量进行精确分类；5)对火点初步检测，用训练得到的模型判别待检测样本；6)火点的最终检测，经过步骤3、步骤4的分类之后，得到最终检测到的火点。