<正>《郑州大学学报(理学版)》(原刊名《郑州大学学报(自然科学版)》)是郑州大学主办的自然科学综合性学术刊物(双月刊,国内外公开发行),中文核心期刊,主要刊登信息与计算机科学、数学、物理学、化学、生物工程科学、材料科学、电气工程科学等自然科学的基础研究及应用研究方面的学术论文。1要求及注意事项1.1来稿应具有创新性、科学性、准确性和可读性。稿件必须包括(按顺序):题名、作者姓名、作者单位(具体到院系)及省份、城市邮政编码、中英文摘要(100～300字)、关键词(3～8个)、中图分类号、文献标志码、正文、参考文献。请在文稿首页地脚处依次注明基金项目、作者简介(内容包括姓名、出生年、性别、职称、学位、主要研究方向及E-mail)。
为量化数字经济对黄河流域城市能级的影响，构建了数字经济和城市能级水平的综合评价体系，采用熵权法分别测度2012—2022年黄河流域数字经济和城市能级发展水平；运用固定效应模型和中介效应模型分析了黄河流域数字经济影响城市能级的传导路径，并进一步使用门槛效应模型研究数字经济对城市能级的作用机制。结果表明：1)黄河流域数字经济和城市能级发展水平整体呈增长趋势，数字经济赋能城市能级提升；2)数字经济可增加城市人均科研经费投入，进而促进城市能级提升；3)数字经济对城市能级提升的影响呈非线性。
针对具有单边Lipschitz动力学、不确定性、时滞和执行器饱和的多智能体系统领导跟随一致性问题，提出一种基于事件触发的分布式控制方法。首先，通过单边Lipschitz条件与二次内界性方法处理系统非线性动态，采用凸包表示法刻画执行器饱和特性，并设计分布式控制协议与事件触发机制。其次，通过构造李雅普诺夫函数，证明系统在时滞、不确定性和执行器饱和约束下可实现领导跟随一致性，并进一步线性化得到控制器增益，且以线性矩阵不等式形式估计一致性域。最后，证明所有跟随者的触发间隔存在严格正下界，有效避免Zeno现象，并通过数值仿真验证所提方法的有效性。
为改善知识服务效益、解决非完备案例知识属性值缺失的问题，设计了基于WKNN-MF与NRS的知识匹配方法。该方法利用WKNN算法对非完备案例知识集实施预填充，作为缺失森林算法相应计算的基础，并由WKNN-MF获得完备案例知识集；在此基础上，对案例视图进行NRS约简，剔除冗余属性；进而基于知识视图相似度搜寻类似案例并确定最终结果。基于3个不同UCI数据集的实验结果表明，相较于既有数据填补算法，本方法对非完备案例知识集具有更优的填补实效。
Kaczmarz算法是医学断层图像重构的经典方法之一，但存在计算复杂度高、耗时长等问题。为此，设计了一种基于最大残差原则的行索引集选择方法FSGBK(free scale greedy block kacmarz),有效提升了算法收敛速度，但其选择的索引集相关性较强，导致图像重构的内部结构误差增大。为解决该弊端，提出了KFGBK(K-means FGBK)算法，此算法以系数矩阵的若干线性无关行作为K-means初始中心，对数据进行聚类，构造出若干个线性无关的集合，从中选取索引集。最后，提出了融合两种策略的核心算法KFSGBK(K-means FSGBK)。实验结果表明，该算法较好地平衡了收敛速度和内部结构的重构效果且优于FGBK等主流算法。
针对语音抑郁数据集存在的特征冗余问题，提出基于深度抑郁特征编码网络(deep depression feature encoding network, D-DFENet)的语音抑郁检测方法。首先，利用Wav2vec2.0预训练模型提取语音潜在表征。其次，设计一种卷积变分自编码器模块，通过引入变分自编码器机制以实现特征空间降维，并在编码器的多层结构中逐层嵌入卷积神经网络，旨在有效滤除语音潜在表征中与抑郁状态无关的冗余或干扰信息。最后，在DAIC-WOZ数据集上进行模型性能评估。实验结果表明，当D-DFENet的特征维度降至128时，检测精度可达到90%,在分类准确率上优于现有方法。
针对语言值形式概念分析中的主观偏好问题，提出以参考点的差异表达风险偏好信息的前景语言值概念格。首先，将模糊语言值形式背景与前景理论结合，提出一种融合风险厌恶和风险偏好态度的前景语言值概念格构造方法。其次，利用几乎随机占优对风险信息的敏感性，获取前景语言值概念之间的占优关系和有效概念知识。最后，引入国际中文教育数字化转型的实例，通过一系列实验与对比分析，验证了所提方法的有效性和可行性。
针对传统哈里斯鹰优化算法在解决图的Steiner树问题(Steiner tree problem of graph, GSTP)时存在种群分布不均匀、探索与开发阶段难以平衡以及易陷入局部最优的情况，提出一种融合多策略的哈里斯鹰优化算法。首先，通过S型函数对算法进行离散化处理，并引入Logistic-Sine混合混沌映射，以优化种群初始化过程。其次，设计了动态自适应权重策略，增强猎物逃逸能量的非线性表达，从而进一步平衡探索与开发行为。最后，在迭代后期对最优个体进行自适应高斯—柯西混合变异扰动，以防止种群过早收敛于局部最优。在多个GSTP实例上进行实验，结果表明，所提算法求解精度更高，收敛速度更快。
因收集大量功能性近红外光谱(functional near-infrared spectroscopy, fNIRS)情绪数据的过程漫长且烦琐，导致数据量有限，从而影响深度学习分类模型的训练和准确性，提出一种基于贝叶斯优化梯度惩罚的Wasserstein生成对抗网络(Bayesian optimization with gradient penalty for Wasserstein generative adversarial network, BO-WGAN-GP)进行数据增强的方法。在不同分类模型上，对原始数据与生成数据混合后的数据进行大量情绪分类实验，并与其他生成对抗网络模型进行比较。实验结果表明，BO-WGAN-GP模型生成的数据在fNIRS情绪识别方面表现最佳，氧合血红蛋白(oxyhemoglobin, HbO2)和脱氧血红蛋白(deoxyhemoglobin, HbR)指标的平均分类准确率分别达到了97.92%和99.31%。
随着物联网技术的不断发展，确保物联网环境中的交易安全至关重要。Internet of Things application(IOTA)网络作为一种专为物联网设计的分布式账本技术，在处理海量设备间交易时尤为重要。寄生链攻击作为一种常见的攻击方式，通过在IOTA主缠结(Tangle)中认证非法交易，严重威胁了网络的安全性能。为应对这一问题，提出一种基于图卷积神经网络(graph convolutional network, GCN)的方法来检测IOTA网络中的寄生链交易。通过分析正常交易与寄生链交易的行为差异，提出四个属性为交易的特征值，以反映两者之间的差异。根据寄生链攻击规则，构建多个包含寄生链的模拟IOTA网络并生成数据集，通过训练后的模型对交易节点进行分类，从而识别恶意节点。实验结果表明，模型在检测恶意交易方面的准确率超过80%,可以有效检测网络中存在的寄生链交易。