基于实数阶累加的累积法改进及其应用

基于普通累积法估计模型参数的基本原理,将普通累积法由整数推广到实数,并用推广后的实数阶累积法估计计量经济学模型参数,且运用实例与普通累积法估计的结果进行比较.结果表明,实数阶累积法也能像最小二乘法及普通累积法一样,对模型参数进行很好的估计,因此可将累积法推广到其他模型的参数估计中,以满足更大范围的应用.     

基于排队论模型分析生化恐怖袭击事件的医疗救助能力

生化恐怖袭击发生时,在短时间内,大量受害者会涌向离事发地最近的医院。同时要求受害者必须在"黄金救助时间"内得到治疗,就必须对受害者和医院的状态进行实时分析。本文基于排队论理论提出了一种医疗救助能力的分析方法。可通过提供模型和算法动态计算受害者的到达率和医疗救助能力,为决策者在紧急事故发生时提供决策支持。     

基于Kullback-Leibler距离的网络节点一致性排序

在复杂网络中,重要节点比其它节点能更大程度地影响网络的结构与功能.如何评价节点之间的相对重要性,找出重要节点,是一个重要的研究课题.已有的节点重要性评价和排序方法存在一定的局限性.为此,本文综合节点基本属性,依赖网络拓扑特性,提出基于Kullback-Leibler距离的节点一致性排序方法.最后,通过实例分析,验证了本文方法较已有方法在不同类型网络上的有效性和适用性更强.     

基于Covisitation算法的新闻推荐

随着网络技术的飞速发展,电子阅读已经成为人们日常生活中密不可分的一部分.网络上的信息不计其数,有明确目的的用户可以迅速的找到自己想要的信息,而没有明确目的的用户想要在海量的信息中找到自己感兴趣的内容,无疑如同大海捞针.本文利用Covisitation算法对用户进行推荐,相比较传统的算法,准确率得到了有效地提高.     

基于复杂网络的社交网络用户影响力研究

基于复杂网络理论对社交网络用户影响力进行分析,可以为社会营销、舆情监测、信息检索等众多领域的研究提供支持.传统的网页排序算法虽然可以对有向社交网络的用户影响力进行分析,但仍存在缺陷且复杂度较高.本文提出了一种对无向社交网络进行用户影响力评价的方法,弱化了将有向网络视为无向网络研究而带来的误差,并可以高效地得到重要节点,适用范围更广.首先,本文采用网络节点的度中心性、介数中心性、接近中心性、聚类系数作为节点重要度评价指标,通过对计算数据归一化处理并取均值得到用户影响力排序的基准.其次,采用k-核分解法粗粒化地将重要度相似的节点进行归类,来检验排序的合理性.最后,通过仿真实验以及k-核分解、与HITS算法比较验证了此方法的科学性和正确性.