摘要：引言。随着社交网站的发展和智能终端的普及,越来越多的学者利用学术社交网站(Academic Social Network Sites,ASNS)开展各种学术社交活动,例如学者用户可以在ASNS上获取学术信息、联络学术朋友、发表学术观点、讨论学术话题、开展科研协作、交流学术经验、参与同行评议、分享科研成果以及共享学术资源等。[1,2]ASNS主要是针对学术信息共享和学者交流而建立的网站,对学者之间的交流、通信和合作方式等产生了深刻的影响。学者网(SCHOLAT,https://***/)是国内具有高影响力的ASNS。

摘要：神经网络方法求解流动推销员问题(Travel Salesman Problem,简称TSP问题)时,往往产生不满足TSP的单回路约束的不可行解。基于协同神经网络的方法解决TSP,并设计了一个回路合并算法,确保得到满足TSP的单回路约束的解。通过算例进行数值模拟,并且比较了新算法、标准遗传算法和标准模拟退火算法的求解结果。实验结果表明,说明该方法在求解TSP问题上是行之有效的。

摘要：在分析人脸特征提取和分类器的基础上,提出一种两级分类器串行结合的模型进行人脸识别。在第一级分类器中利用极坐标傅立叶变换提取全局特征通过相似度匹配进行粗略的筛选,第二级分类器中利用改进的协同神经网络,基于原始灰度图像的小波变换提取内在特征,进行精细识别。研究分析了分类器串行结合模型中阈值的选取与系统精度、速度间的关系。在自建人脸库和Yale B人脸库上的实验结果表明,两级分类器串行的识别模型在保证较高系统识别率的前提下可以提升系统的速度。