基于改进型深度学习的流量预测

为了解决无线网络中流量的预测精度不高的问题，提出了一种自适应分组的栈式自编码(AG-SAEs)深度学习预测方法。在数据的预处理过程中，首先使用最大最小方式对数据进行归一化处理，并提出一种新型的自适应分组方法，把归一化后的链路数据进行关联性分组；然后，基于深度学习方法建立了一个多输入多输出的预测模型，并将分组后的数据输入到预测模型中，对该模型进行训练来建立输入和输出流量之间的映射关系；最后，为了进一步提高预测精度，在模型的训练过程中，使用改进型的牛顿法来进行权值参数更新。仿真实验以及和其他算法对比的结果证实了所提方案具有更小的预测相对误差。     

风景名胜区时空关系演变分析

以中国近40年来国家级风景名胜区的发展历程，以及全国9批共244处国家级风景名胜区为案例，从理论层面探讨国家级风景名胜区时空格局的演变特征。结果表明：我国风景名胜区以自然文化遗产资源保护为根本，以“自然和人文交融”为特色；不同地区、不同批次的国家级风景名胜区呈现不同的空间分布特征，数量上东多南少，面积上西阔东疏，与中国历史上的“基本经济区”有重要的空间对应关系。进而提出了我国国家级风景名胜区布局的优化方向。     

基于信任机制的无线电环境地图重构

无线电环境地图系统中的感知节点被俘获后会受迫地向数据中心发送伪造数据，导致无线电环境地图精度降低。针对该问题，提出了基于信任机制的空间插值算法改进方案，并阐述了感知节点信任值更新策略。该方案通过改变感知节点的信任度来降低恶意节点的数据在空间插值算法中的权重，经过信任值的多次更新而最终隔离恶意节点。实验仿真中，均方根误差（RMSE）和误警区域率-正确检测区域率（FAZR-CDZR1）两种性能指标均表明所提方案能够有效遏制恶意节点的篡改数据攻击，保障了无线电环境地图的精确度。     

高质量发展背景下的医院财务管理问题及对策

医院财务管理与医院发展具有相关性,从而以高质量发展为前提,医院要不断就自身财务管理问题进行优化。与医疗管理工作相比,财务管理在医院发展中的重视程度较低,因此财务管理问题频出,影响着医院发展的持续性。为彰显医院财务管理工作质量,顺应医院高质量发展,财务管理部门需要不断就自身工作理念进行重视,提升对财务管理工作质量与体系的关注,以此围绕医院财务管理问题不断提出针对性解决措施,稳步解决财务管理问题,以此提升医院发展中的行业竞争力与社会效益,确保医院发展的稳定性。     

基于增强型概率神经网络的安全态势要素获取

态势要素获取作为整个网络安全态势感知的基础，其质量的好坏将直接影响态势感知系统的性能。针对态势要素不易获取问题，提出了一种基于增强型概率神经网络的层次化框架态势要素获取方法。在该层次化获取框架中，利用主成分分析(PCA)对训练样本属性进行约简并对特殊属性编码融合处理，将其结果用于优化概率神经网络(PNN)结构，降低系统复杂度。以PNN作为基分类器，基分类器通过反复迭代、权重更替，然后加权融合处理形成最终的强多分类器。实验结果表明，该方案是有效的态势要素获取方法并且精确度达到95.53%，明显优于同类算法，有较好的泛化能力。     

航天供应链质量与可靠性数据包管理及其信息系统设计与实现

<正>供应链产品在航天型号研制生产中占有重要的地位，航天系统抓总型号以及协作配套型号任务的供应链企业有成千上万家，其中任何一家供应链的产品出现质量问题，都有可能影响航天任务的成功完成。如何有效提高航天供应链产品的质量和可靠性，一直是航天质量管理关注的重点和难点。新型冠状病毒疫情给供应链质量管理带来新的挑战，各地区疫情防控政策导致传统的供应链过程监产、产品下厂验收等质量控制手段出现不同程度的延迟，甚至取消，供应链质量管控的风险逐渐增加。如何适应新的外界形势变化，既保证航天供应链产品质量，又将疫情对供应链产品质量管控的影响降到最低，成为新的研究课题。