NA样本下双指数分布位置参数的经验Bayes估计

在平方损失NA样本下获得了双指数分布参数θ的经验Bayes估计,构造了经验Bayes(EB)估计量,证明了渐近最优且收敛速度阶为O(n-(rs-2)/2(s+2)).     

关于α凸函数一个子类的Fekete-Szeg不等式

研究了正规化解析函数H的子类M(α,A,B)的Fekete-Szeg不等式,对于任意的f(z)=z+α2z2+α3z3+M(α,A,B)及任意的复参数u,应用解析函数的基本不等式和分析技巧,得到了23 2aa的精确上界,推广了一些已有的结果 .     

关于Bazilevi?函数的一个子类的Fekete-Szeg?不等式

研究了正规化解析函数H的子类B(λ,α,A,B,σ)的Fekete-Szeg不等式,对于任意的f(z)=z+a2z2+a3z3+…∈B(λ,α,A,B,σ)及任意的复参数u,应用解析函数的基本不等式和分析技巧,得到了M1(α,λ,A,B)的精确上界。     

Sylvester方程一般解的研究

应用分块矩阵的等价标准形,讨论了Sylvester方程AX+XB=C有唯一解的充要条件,并给出了该方程相容的显示一般解,从而推广了已有的结果。     

关于Bazilevi(c)函数的一个子类的Fekete-Szeg(o)不等式

研究了正规化解析函数H的子类B(λ,α,A,B,σ)的Fekete-Szeg(o)不等式,对于任意的f(z)=z+a2,+a3z3+…∈B(λ,α,A,B,σ)及任意的复参数u,应用解析函数的基本不等式和分析技巧,得到了M1(α,λ,A,B)的精确上界.     

论数学建模在高校人才培养中的作用

阐述数学建模在高校人才培养中的作用：有利于提高学生的语言和文字表达能力;有利于提高学生发现问题和应用计算机的能力;有利于培养学生自主团结协作的攻关探究能力;有利于培养学生的创新能力,并提出培养高校学生数学建模能力的具体措施。     

基于偏好度特征构造的个性化推荐算法

随着在线旅游业酒店数量的日益增多,用户点评信息稀疏问题愈加严重,这不仅导致推荐准确度大幅下降,而且使传统推荐算法的计算负荷随之增加,难以满足实时性要求.基于此,从挖掘用户历史信息与待推荐物品之间潜在相关性的角度出发,对基于内容的推荐算法进行改进,提出了一种基于偏好度特征构造的个性化推荐算法.该算法通过计算偏好分来构造偏好度特征,并借助机器学习领域的分类算法得以实现.将该算法应用于线上旅游业的个性化子房型推荐,通过对真实数据集的实验与分析,验证了所提出个性化推荐算法的简便与有效性,且较传统推荐算法更具实时性和通用性.     

威布尔分布族参数的经验Bayes检验

在"线性损失"下,文章研究了威布尔分布族刻度参数经验Bayes(EB)检验问题,并利用概率密度函数的核估计,构造了刻度参数的经验Bayes检验函数,在适当的条件下证明了所提出的经验Bayes检验函数的渐近最优(a.o.)性,并获得了它的收敛速度,最后给出一个有关主要结果的例子。     

一种基于集成学习的入侵检测算法

作为机器学习领域的一个重点研究方向,集成学习相比于单分类器有着更高的检测精度,被广泛应用于异常入侵检测.但是,现有基于集成学习的入侵检测算法在对原问题进行划分过程中会存在一定的边缘信息与整体信息的丢失,且最终的模型融合也是一个耗时、复杂的调整参数过程.基于此,提出一种改进的基于集成学习的入侵检测算法,将原问题转化成多个二分类问题,并把多个分类器的概率预测结果作为先验知识加入到原本的特征中,再进行多分类模型的学习;借助于Facebook提出的梯度提升决策树(GBDT)和逻辑回归(LR)的融合模型对其中的二分类问题进行学习.通过在KDD CUP’99数据集的实验与分析,验证了所提算法的有效性.     

关于Sylvester矩阵方程的若干算法

介绍了Sylvester矩阵方程的几种算法,比较了各种算法的优劣,详细给出了Hessenberg算法,并用数学软件实现了该算法。