基于改进主观贝叶斯方法识别电熔镁炉异常工况

电熔镁炉熔炼过程信息包含大量的不确定性，基于大数据分析的方法难以应用.为准确识别电熔镁炉熔炼过程的异常工况，提出一种基于改进的主观贝叶斯在线规则推理方法.传统的主观贝叶斯方法参数赋值范围过大，针对这一问题，使用映射函数将参数赋值范围缩小到有限区间，以提高方法的实用性.在规则推理时，使用模糊隶属度函数对观察和证据进行模糊匹配，以提高工况识别的鲁棒性和准确率.仿真分析表明该方法可以有效描述规则中的不确定性信息，准确识别电熔镁炉熔炼过程的异常工况.     

基于知识图谱的核电设备健康管理知识建模与分析

随着信息技术发展,设备健康数据与知识图谱技术结合为设备健康发展带来新的发展机遇,知识图谱利用其多种特异性优势,使企业系统中积累的海量设备维修数据得到有效整合利用.本文提出基于知识图谱的核电设备健康管理知识建模与分析方法,并根据实体关系模型构建维修知识图谱本体框架,同时基于核电企业实际的维修工单数据,从统计分析和关联分析两方面取得良好的实践效果.研究结果表明,知识图谱能够在设备维修知识的集成上解决传统的数据孤岛问题,同时能基于故障的可视化分析为维修人员和管理人员提供决策和知识支持.     

根的存在定理的推广及其应用

众所周知，在《数学分析》中会遇到连续函数的一个重要定理，即根的存在定理，此定理对方程根的存在性判别起着重要作用.将这方面已有的定理进行推广，并用例题说明其应用情况.     

一种基于类不平衡学习的情感分析方法

针对网络评论中普遍存在的负面评论较少而影响力却较大的类不平衡问题, 提出一种基于类不平衡学习的情感分析方法. 该方法利用深度学习训练过程中的概率输出, 以计算样例的信息熵作为影响因子构建交叉信息熵损失函数. 在IMDB公开数据集上进行实验验证的结果表明, 基于集成信息熵损失函数的双向长短期记忆网络能处理类不平衡问题; 对数据的统计分析结果表明, 该策略能提升基于双向长短期记忆网络的评论情感极性分类性能. 针对AUC(area under curve)指标, 使用集成信息熵损失函数的双向长短期记忆网络模型比未考虑类不平衡的深度学习模型在中位数上最多提升15.3%.     

一个包含Smarandache Ceil函数的对偶函数的方程

利用初等方法研究了一个包含Smarandache Ceil函数Sk(n)的对偶函数-Sk(n),给出了当k=6时方程-S6(1)+-S6(2)+…+-S6(n)=6Ω(n)的具体正整数解。     

关于映射周期性的若干性质及其应用的注记

若f∈PfT(R)∩C(R),则F(x)=∫axf(t)dt,x∈R与周期函数有何关系,具有哪些性质?本文将就这一问题进行研究,获得了一个关于周期函数一个重要的若干性质的定理,应用其便捷的处理了一大批与周期函数有关的问题,进而给出了关于映射周期性的若干性质及其应用的注记,这对经济周期性研究有一定的参考意义。     

几乎无偏刘估计的不可容许性

考虑了线性回归模型中,在Fisherian和Mahalanobis损失函数下,几乎无偏刘估计对于最小二乘估计的不可容许性;结论表明:几乎无偏刘估计在Mahalanobis损失函数下是不可容的;最后进行了数值模拟来表明结果.     

市级党校图书馆功能转变研究

为了更好应对信息技术发展带来的挑战，市级党校图书馆应明确功能定位，确定图书馆功能转变的路径方式，客观分析影响图书馆功能转变的不利因素，制定具体措施，实现市级党校图书馆的功能转变。     

考虑单元互测的测试性指标分配方法

测试性分配是将系统级测试性指标按照一定规则分配给各组成单元的过程。针对现有主流测试性分配方法未考虑单元之间的互测情形,导致分配结果不合理,尤其是部分单元分配指标虚高,难以实现或代价过高等问题,提出了在综合考虑单元故障率、故障危害度等多重影响因素基础上,进一步考虑单元互测因素的测试性指标分配方法。首先实施考虑多重影响因素的指标初次分配;然后基于单元测试性初步设计结果,实施测试性建模与分析,得到单元自检故障率与他检故障率;再利用这两个数据以及初次分配结果构造分配函数实施再次分配,进而得到最终的分配结果;最后应用该方法进行仿真和实例运算,证明了该方法的有效性和先进性。     

封闭式运动减肥对肥胖青少年体质健康的影响

对44名14～19岁肥胖青少年进行6周的封闭式饮食控制及运动,测定实验对象的身体形态、身体机能、身体素质和血液健康等指标.通过数理统计方法对实验所测得的数据进行分析.结果表明:肥胖青少年的脂肪量、体质量、体脂率都有明显的下降(P0.05);肺活量逐渐上升,身体素质指标(耐力、柔韧、50 m跑)与血液健康指标(血脂TC、甘油三酯TG、空腔胰岛素FINS)都呈非常明显改善(P0.01).封闭式运动减肥对青少年肥胖者体质健康具有良好的效能表现.