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.     

有界复形的 Modi ed Ringel Hall 代数的结构常数

设k是有限域.A是k上的满足一定有限性条件的本质小的遗传阿贝尔范畴.本文研究了有界复形范畴的modified Ringel—Hall 代数MH(A)中零微分复形乘积的结构常数，给出了它们与A的Ringel-Hall 代数H(A)的Hall数之间的关系.     

基于线性规划的炼钢配料优化方案的设计

针对转炉炼钢过程中的钢水"脱氧合金化"配料优化的问题,使用了多元线性回归分析、线性规划的方法,构建了合金收得率预测模型以及配料成本优化模型,使用MATLAB和LINGO软件进行求解,合理预测了C、Mn两种元素的合金收得率,并在此基础上设计出了最优的合金配料方案.     

基于可替换路径对的多用户均衡交通分配算法

针对多用户均衡交通分配问题，依据多用户均衡条件，给出了该问题的变分不等式模型和间隙函数。利用可替换路径对的概念，设计了基于可替换路径对的多用户均衡交通分配算法。在大规模交通网络上，对比分析了提出的交通分配算法、外梯度算法、基于用户的对角化算法和基于起点的对角化算法等的性能。数值结果表明，提出的基于可替换路径对的交通分配算法在求解精度、算法效率以及稳定性等方面都显著优于其他算法。     

基于Bernstein多项式的SISO三层前向神经网络的设计与逼近

利用一元Bernstein多项式在相邻等距剖分点的差值和Sigmodial转移函数性质设计单输入单输出(single input single output, SISO)三层前向神经网络,并给出选取连接权和阈值的方法。此外,依据一元Bernstein多项式逼近连续函数定理证明SISO三层前向神经网络对连续函数也具有逼近性,进而通过实例获得该网络的一种输入输出解析表达式。     

基于统计建模购物狂欢节影响因素及评价分析

针对购物狂欢节进行问卷调查,通过描述统计、假设检验等方法分析居民对狂欢节优惠力度评价以及支出对购物行为的影响,发现居民经历活动后对优惠力度并不满意,且收到的商品存在质量问题,支出选超过预算的消费者会节制购物行为通过建立树形图以及二项Logistic回归模型,分析居民参加购物狂欢节的主要影响因素,发现购物频率、年龄、性别是居民参加购物狂欢节的三大主要影响因素通过建立模糊综合评价模型,分析居民购物体验满意度情况,发现消费者对购物狂欢节的购物体验综合评价介于一般和比较满意之间,说明购物狂欢节存在问题,有待改进.由此,分别针对商家、消费者、快递公司提出建议.