软弱围岩隧道收敛变形特征分析

对某软弱围岩隧道V级软弱大变形段五个断面的监测数据分别进行回归分析,结果表明:用指数型式的回归函数得出的拟合结果最好,相关系数、回归精度均满足设计规范要求,以此回归方程推求的最佳支护时机和最终稳定变形量与实际结果相符,可以为工程设计和施工提供有益的参考。     

均值张量成分分析及其在步态识别中的应用

针对步态识别中非负样本数据存在冗余,且未经中心化的多线性主成分分析保持聚类结构的特征向量不能对应最大特征值,导致识别效果下降的问题,提出一种保持原始张量数据均方长度的均值张量成分分析算法。该算法首先对原始样本任一模式下内积矩阵进行谱分解,计算该模式下相应的特征值和特征向量;其次,利用获得的特征值和特征向量计算均值向量,并对均值向量值进行降序排列,使较大均值向量值对应的特征向量构成该模式下的低维子空间;最后,将原始样本投影到该低维子空间,形成特征张量。与多线性主成分分析算法相比,该算法不需要对数据去中心化处理,而是保持非负数据均值向量最大均方欧几里德距离和方向。通过在USF步态数据库和TUM GAID步态数据库进行仿真实验,结果表明,经过均值张量成分分析预处理,在2个步态库上的平均识别率分别高达57%和75%,较其他传统方法的识别率有明显提高。     

改进型支持向量机在水质分类中的应用研究

文章分别使用BP、RBF等神经网络和支持向量机等非线性方法对相同的水质数据建立分类模型。使用支持向量分类机建立水质分类模型过程中,选用RBF核函数,结合归一、降维等数据预处理手段,利用网格搜索算法对参数进行寻优,得出水质分类模型。实验结果证明在非线性方法中,采用支持向量机并结合相应的数据预处理手段这种方案得出的分类准确率更高,更加具有推广性。     

国际石油价格波动的结构性因素分析

文章将石油供给性冲击、需求性冲击和投机行为冲击3方面结构性因素细分为5个内生变量,构建反映油价波动的结构向量自回归(SVAR)模型,并运用模型对1999—2012年期间油价波动的原因进行了实证分析。结果表明:需求性冲击无论是长期还是短期都是油价波动的最主要因素;其次,投机性冲击对油价波动的影响也较大,不容忽视;短期突发事件和供给冲击短期对油价有些影响,长期影响基本消失。     

基于梯形模糊数的模糊最小一乘回归模型

本文给出一种梯形模糊数的距离,并基于这种距离,建立了关于梯形模糊数的模糊最小一乘回归模型.针对输入、输出和回归系数分别为实数和梯形模糊数的三种情形,进行了详细的研究与分析.最后,通过3个实例验证了所提模型的有效性.数据模拟结果表明我们的方法具有较好的拟合效果.     

由粗到精和特征筛选的精确回归预测方法及其在二语习得中的应用

针对数据分布不均匀且因素多而容易造成预测不精确的问题,提出一种结合由粗到精与特征筛选的精确回归预测方法.首先,由于数据分布不均匀且预测区间大,直接预测难以精确地拟合,提出一种由粗到精的预测方法,并使用决策树进行粗分类,预测目标所在的子区间,然后在子区间内实现精确的回归预测.其次,如果数据量少且特征因素多会引起过拟合,而且部分冗余特征会影响模型的预测精度,因此,提出一种基于特征筛选的回归预测方法以提高预测精度.在大学生的英语成绩与其人格因素数据集上进行相关实验,结果证明了由粗到精和特征筛选方法与传统回归模型相比精度更高且稳定性更好.通过提出的人格因素与英语成绩回归预测模型,可以制定合理的培养方案弥补学生人格因素中的短板,提升学生的自身竞争能力,从而更好地推动中国的英语教育.     

高准确度网络安全意识个体评估及群体指数构建方法

针对网络安全意识评估方法存在评估准确度不及、客观性不足、缺少对群体的网络安全意识评估方法等问题，提出了一种高准确度的网络安全意识个体量化评估和群体指数构建方法.该方法从多个维度采集个体的网络安全意识数据，利用混合回归模型将安全数据量化为安全得分；利用改进的标签传播算法进行聚类，通过设定监督信息而不依赖标签数据，得到个体的信息安全意识等级；利用多个个体的信息安全意识评估结果，使用基于Grubbs准则构建的指数计算公式，弱化群体中的异常点，量化群体内部共同意识，得到群体网络安全意识指数.实验结果表明，相对现有的评估方法，该方法的准确度和客观性显著提升，同时能够正确反映群体网络安全意识水平，为网络安全意识的全面提升和闭环促进提供了技术方法.      

基于改进人工鱼群算法优化SVR的预测模型

为了降低参数的设定对支持向量机确度的影响,鉴于人工鱼群算法具有易陷入局部最优、收敛速度慢等问题,提出了一种基于改进人工鱼群算法(AFSA)的支持向量机的网络安全态势预测模型,并与GA-LSSVM、PSO-LSSVM及ABC-LSSVM模型进行对比分析。结果表明:文中提出的改进AFSA优化SVM模型性能优于其他比照模型,具有较高的预测精度,对网络安全态势值预测具有较好的效果。     

基于梯度提升回归树的症状自评量表(SCL-90)简化

基于梯度提升回归树算法探讨适用于体检人群心理健康测评场景的动态SCL-90简化方案,利用梯度提升回归树(Gradient Boosting Regression Tree,GBRT)算法训练2982条体检中心的测评数据,建立题组模型并进行题组间与组内简化,将简化结果与真实测评结果进行对比验证。题组预测的允许误差值设为0.5时,可删减10个题组中的7个题组,预测准确率介于75.9%～81.3%,组内题目验证的敏感度和特异度均达到80%时,每个题组内可以从6～13个题目减少为3～7个。研究结果表明,使用梯度提升回归树算法能在保证准确率的情况下删减部分题目,得到的动态简化量表由于题量动态缩减,减少了测评时间,更适用于体检场景。