关键词： 因果结构学习   线性非高斯   非纯”测量场景   变换独立噪声  

摘要： 隐变量间的因果结构学习,核心在于从观测数据中挖掘隐变量彼此的因果关联,是科学研究中揭示现象本质的一种关键技术.现有方法普遍依赖“纯子”假设,即隐变量对应的观测子代变量(测量变量)间不存在直接的因果连接边,该假设在许多现实场景中往往无法成立,从而导致现有方法可识别性受限.针对该挑战,考虑“非纯”测量场景下的隐变量识别性问题,提出线性非高斯无环隐变量模型(linear non-Gaussian acyclic latent variable model, LiNGLM),该模型允许观测变量间存在因果关联.基于该模型,提出一种隐变量结构学习(latent variable structure learning, LLSTIN)算法,该算法基于变换独立噪声(transformed independent noise, TIN)条件及其建立的图准则,首先通过因果聚类构建(build causal cluster, BCC)算法提取各隐变量对应的“单因子集”来识别隐变量的存在,然后选取集合中的“根”观测变量作为隐变量的有效代理,进而识别隐变量间的因果关系.从理论上证明算法可正确提取单因子集并进一步识别隐变量因果结构,仿真数据与真实数据实验结果进一步验证所提算法的正确性和有效性.

关键词： 船舶油耗预测   超参数调节   灰狼算法   XGBoost   预测模型  

摘要： [目的]船舶油耗预测对降低营运成本、节能减排有重要意义，为此提出一种基于改进灰狼算法和XGBoost的船舶油耗预测模型，为船舶航行决策和船舶能效管理提供可靠依据。[方法]基于实际航行数据，采用XGBoost算法建立油耗预测模型，并针对算法超参数组合复杂、人工调参不易的问题，采用改进灰狼算法对XGBoost超参数进行引导式搜索。在保留传统灰狼算法优点的基础上，引入Tent混沌映射，并在迭代过程中增设横向、纵向交叉机制以及边界检查机制，以生成最优的超参数组合并训练XGBoost油耗预测模型。[结果]实验结果表明，本文构建的船舶油耗预测模型在测试集上预测点紧密分布在拟合线附近；评价指标RMSE和R2均优于未经调参的原XGBoost模型及其他主流模型，具有良好的泛化能力和预测精度。[结论]经过改进灰狼算法调参后的XGBoost模型能够有效预测船舶油耗，可为船舶节能运行与智能航行提供可靠的数据支撑。

关键词： 大数据技术   企业档案   信息化管理   数字化转型  

摘要： 大数据技术的广泛应用对企业档案管理提出了更高的要求。基于此,本文对加强企业档案信息化管理的创新路径进行研究,全面梳理了档案管理信息系统构建、数据治理体系完善及数字资源建设等关键环节。将大数据技术融入企业档案管理,能够有效提升档案信息处理效率,为企业决策提供精准的数据支持,从而推动企业档案管理的数字化转型进程。

关键词： 农村电商平台   乡村振兴   算法消费者   消费者信息权益   法律保护  

摘要： 人工智能与算法技术的发展为农村电商平台注入发展新动能的同时，也进一步加剧了平台与消费者之间的地位失衡，催生出被新型消费群体（算法消费者）。相比传统消费者群体，算法消费者信息权益更易受到平台自动化决策等程序的影响，导致信息不对称加剧、消费者的自主选择权与个人信息权都受到影响。目前，我国从消费者权益保护与个人信息保护层面对消费者信息权实施法律规制，但在法律实践过程中仍然存在算法黑箱、监管规则滞后与消费者救济渠道闭塞等问题，催生出算法解释、政府监管与法律救济困境。通过采取比较法分析法，结合农村电商平台领域算法消费者保护的本土化实践及需求，我国有必要构建农村电商平台领域算法消费者信息权益的法律保护路径：完善算法解释机制，摆脱信息知情权保障的困境；健全多元监管体系，摆脱算法监管滞后与协同困境；优化多渠道救济机制，摆脱消费者维权举证与成本困境。

关键词： 大数据分析   企业增长决策   消费体验优化  

摘要： 随着数字经济的快速发展,数据已经成为和土地、资本、劳动力一样重要的核心生产要素,而大数据分析作为挖掘数据价值的关键技术,正从根本上改变企业的经营方式和消费者的体验模式。基于此。本文从大数据分析在企业增长决策中的应用、大数据分析在消费体验优化中的应用、优化大数据分析应用的策略建议三大方面展开详细阐述,旨在为企业实现高质量发展、改善消费体验提供参考。

关键词： 四元数矩阵   Sylvester共轭转置矩阵方程   梯度迭代算法   修正梯度迭代算法   彩色图像加密  

摘要： 四元数因其独特的结构,在信号处理、彩色图像处理和人脸识别等多个领域得到了广泛应用.为求解Sylvester共轭转置四元数矩阵方程AXB+CXHD=E,提出了四元数梯度迭代（Quaternion Gradient-based Iterative,QGI）算法及其改进形式,即四元数修正梯度迭代（Quaternion Modified Gradient-based Iterative,QMGI）算法.所提出的算法在四元数矩阵方程相容时,给出了收敛的充要条件.与过去的四元数矩阵方程实表示下的梯度迭代算法相比,所提的相应算法在计算成本和存储需求上显著减少.通过数值实验,验证了所提算法的可行性与有效性,并证明了其在彩色图像加密中的良好性能.

关键词： 大数据   烟草企业   经济风险   风险监测   数据融合  

摘要： 随着全球经济形势的变化以及互联网信息技术的发展,作为国家重要支柱产业之一的烟草行业,在发展过程中面临的内外部经济风险正日益增多。本文探讨了目前我国烟草行业利用大数据分析应对经济风险中存在的主要问题,包括多源异构的数据整合难度大、宏观及行业信息获取不便利、风险监测指标与业务属性不相适应、常规风险监测方法与大数据技术运用程度低、缺乏完善的安全及保密保障体系、缺少专业的分析人员队伍。对此,本文提出解决建议,即搭建多源数据融合治理体系、打通内外部数据采集和共享渠道、打造以业务为导向的风险监测预警模型、促进传统监测与大数据的有机结合、创建数据安全分级及权限管理机制、加大数据分析人员引进力度。旨在助力烟草公司充分运用大数据,为提高经济风险预警的前瞻性、准确性和时效性提供支持。

关键词： 改进定向FAST与旋转BRIEF(ORB)算法   磁共振成像(MRI)   伪影校正   失真程度   感兴趣区   图像配准   相位恢复  

摘要： 目的 针对呼吸、心跳等不可控生理活动导致的软组织产生复杂动态变形，其非规律性位移远超刚性配准校正范围，进而造成解剖结构在不同时相图像中出现显著空间错位、伪影校正效果不佳的问题，本研究旨在优化伪影校正方法，解决上述图像错位及校正效果不理想的难题，为后续相关图像分析提供可靠支撑。方法 提出基于改进定向FAST与旋转BRIEF算法的磁共振图像伪影校正方法。通过优化特征点提取策略与描述子构建方式，结合局部自适应伽马校正增强弱纹理区域响应，显著提升特征匹配精度。基于网格运动统计与随机抽样一致性算法筛选匹配点对，实现空间姿态计算与刚体变换配准。根据配准结果，采用snake算法提取兴趣区轮廓，并通过傅里叶变换估计运动伪影偏移量，经相位恢复与逆向偏移完成伪影校正。结果 实验结果表明，本文方法的峰值信噪比平均值达到32.78 dB，显著高于单目视觉方法的25.30 dB和多尺度生成对抗网络方法的20.20 dB；多尺度梯度相位一致性（Multi-Scale Gradient Phase Congruency,MSPC）在10～100幅图像测试中稳定保持在0.92～0.97的高水平范围，高于2种对比方法；且在216种多参数扰动组合测试中仍保持0.87～0.93的MSPC值。结论 本研究所提方法可有效解决因生理运动导致的空间错位问题，为磁共振成像图像伪影校正提供精度更高、稳定性更强的解决方案。

关键词： 共轭梯度法   黎曼流形   Powell重启条件   充分下降性   全局收敛性  

摘要： 基于Liu和Li[9]在欧几里得空间中提出的混合Liu-Storey-Dai-Yuan （HLSDY）方法,本文借助收缩映射和向量传输映射将其推广至黎曼流形,提出了新的黎曼Liu-Storey-Dai-Yuan（RLSDY）方法.该方法结合Powell重启条件,确保了搜索方向的充分下降性,并在黎曼强Wolfe线搜索条件下证明了算法的全局收敛性.数值实验表明,该方法在求解经典黎曼优化问题时表现出高效性能.