摘要：盐都区文化馆排演的小剧场话剧《为钱癫狂》,警醒了世人树立正确的金钱价值观念。它聚焦严肃的社会主题,鲜明提出了现代社会德育文明建设的重大主题,堪称社会主义核心价值观教育的优秀教本。剧中以错综复杂的利益关系为名,刻画了亲情、友情、爱情交织的诱惑,生动地展示了一群人唯利是图的本性,体现了情节冲突的设计艺术。从舞台装置看其舞台写意空间的情境创造,造型简约,方块组合实物的布置空间变化暗示场景的不同。方块的不变和其组合带来的空间格局变化,隐喻人物境遇的原形及其摇摆变化,呈现独特的戏剧场景构建艺术。

摘要：在数据挖掘领域中,通常以分类精度作为分类算法效果的评估标准。这一标准是建立在假设任意一实例被误分类为任意类时都具备同样代价的基础上的。当此假设不成立时,直接使用传统分类方法就无法取得良好的分类和预测效果。针对这一问题,通过改进编解码方法以及在适应度函数中集成样本的不同误分类代价,提出了一种基于基因表达式程序设计的代价敏感分类算法(CSC-GEP),并在三个UCI数据集上对该算法进行了测试,实验结果表明CSC-GEP是一种有效的代价敏感分类算法。

摘要：现代淮剧《马家荡里唱大戏》是一部独具水乡风情特色的盐城湿地环保题材的轻喜剧。剧情源于基层百姓生活,故事沐浴着时代春风,剧本围绕中心事件退圩还湖巧妙展现了当代年轻人与老一辈人的分歧和矛盾,展现了公公老泥鳅和儿媳的正面冲突。情节紧张曲折、跌宕起伏,又情趣盎然、引人入胜;人物语言幽默风趣,让人在笑声中受到启发;曲调雅俗共赏,淮剧经典唱腔和现代元素相融合,感染力极强。这部淮戏既真实再现了新时代文明实践的难题,又艺术反映了渔民在乡村振兴大潮中从追求物质生活向追求精神生活转型过程中的阵痛和觉醒,编创表演赋予了深情质朴的传统淮剧以风趣明快的诙谐风格和温馨感觉。

摘要：提出一种基于主成分分析的基因表达式程序设计算法,并将其用于边坡稳定性预测。该算法先采用主成分分析法对样本数据进行预处理,有效地减少预测模型的输入量,消除输入数据间的相关性,再将得到的新样本数据输入基因表达式,构建边坡稳定性的预测模型。利用该预测模型对82个危险圆弧破坏边坡实例中的71个实例进行学习,对另外11个实例进行预测,取得了较好的效果。在保留传统的以误差值作为评判模型优劣标准的同时,引入AIC信息准则法,分别对v-SVR算法和GA-BP网络算法和PCA-GEP算法三种预测模型进行比较分析,结果表明,运用该算法可以获得更优的预测模型,其预测结果比v-SVR算法和GA-BP网络等其他算法得到的结果具有更高的预测精度。工程实例计算表明,该方法是合理、可行的。

摘要：演化多目标优化是目前演化计算中热门研究方向之一.但是,要设计一种高效、鲁棒的演化多目标优化算法,使其找到接近最优和完整的非劣解集是一项很困难的任务.为了能有效求解多目标优化问题,提出了一种新的多目标差分演化算法.新算法具有如下特征:1)利用正交实验设计和连续空间量化的方法产生初始群体,使得初始群体中的个体可以均匀分布于搜索空间,并且可以使好的个体在演化过程中得到利用;2)采用Archive群体保存非劣解,并利用ε占优方法更新Archive群体,从而可以使算法较快获得分布很好的Pareto解集;3)为了加快算法收敛,提出一种基于随机选择和精英选择的混合选择机制.通过8个标准测试函数对新算法进行测试,并与其他一些多目标演化算法进行比较,其结果表明新算法可以有效逼近真实Pareto前沿且分布均匀,并且在收敛性和多样性的求解精度和稳定性上与其他算法相当.同时,通过实验的方法验证了新算法改进之处的有效性,并进一步讨论了差分演化算法中CR取值和混合选择机制中选择控制参数λ取值对算法性能的影响.

摘要：基因表达式程序设计是一种新的自适应演化算法,该算法已经应用到许多领域中,并且取得了良好的效果。通过对适应度函数的有效设计以及函数集的有效选取,引入新的常数创建方法,将基因表达式程序设计运用于复杂函数的自动建模中,并把所建立的模型用于预测分析。通过仿真实验表明:用此方法所建立的模型比传统的最小二乘法、神经网络以及遗传程序设计等方法具有更好的性能。最后对该算法的应用前景作了简要分析。

摘要：介绍了一种空间数据挖掘查询语言GMQL ,对该语言的设计和使用进行了研究。

摘要：以LZ的变长码设计为研究对象,简要分析和讨论了目前已有的研究和设计方法的缺陷,提出了一种LZ动态变长码的通用编码方案。改进设计采用了动态记录匹配位置和分段等长扩展的方法,大幅度减少了编码的长度,降低了匹配长度取值变化的影响,对于不同长度及概率分布的输入文件,均可取得最佳编码效率。对改进设计进行了分析和论证。

摘要：针对岩爆现象发生的不均衡及发生机理受多因素影响的问题,在分析重取样技术的基础上,设计并实现了自适应选择近邻的混合重取样算法,并将其用于岩爆危险性预测.该方法结合过取样和欠取样方法的优势,改进了SMOTE过取样算法在产生合成样本过程中存在的盲目性及只能复制生成数值属性的问题,新算法能根据实例样本集内部分布的真实特性,自适应调整近邻选择策略,对不同属性的数据采取不同的复制方法生成新的少数类实例,控制和提高合成样本的质量;并通过对合成之后的数据集,用改进的邻域清理方法进行适当程度欠取样,去掉多数类中的冗余实例和边界上的噪音数据,减少其规模,在一定程度上达到相对均衡,从而,可有效地处理非均衡数据分类问题,提高分类器的性能.该算法在VCR采场岩爆实例上进行实验,预测的结果与实际情况完全一致,表明在工程实例岩爆危险性实例数据非均衡情况下实施混合重取样方案是可行的,预测准确率高,具有良好的工程应用前景.采用该方法可找到岩爆发生的主控因素,为深部开采工程的合理设计与安全施工提供科学依据.

摘要：基因表达式程序设计是一种基于基因组和表现型组的新型遗传算法,该算法在运行时具有很高的效率,实验表明在求解很多问题的时候比遗传规划优越两个数量级以上。预测采煤工作面瓦斯涌出量是进行通风设计和制定矿井安全技术措施的重要依据,而影响采煤工作面瓦斯涌出量的各因素之间关系不明确。基因表达式程序设计比较适合于求解这一类复杂的非线性问题。本文采用基因表达式程序设计,建立了采煤工作面瓦斯涌出量的预测模型。结果表明,预测结果比遗传规划得到的结果具有更高的预测精度和很好的稳定性。文章最后指出了该方法具有广泛的应用前景。