网上非教学支持的特征及基本形式刍议

与教学支持相对而言，非教学支持是学习支持的另一个重要方面。非教学支持一般包括面授非教学支持和网上非教学支持。网上非教学支持是基于网络教学环境对学习者在组织学习等方面给予的咨询、交流、激励和帮助。与面授非教学支持比较而言，网上非教学支持有其显明的远程开放性、交互主体性、过程间接性、对象虚拟性等特征。网上的非教学支持一般包括网上自助活动、网上互助活动，它们本质上都是助人活动。     

网上非教学支持的再认识及实现途径

网上远程教育成功与否很大程度上是基于教育资源的效果认知及其交互中的情感价值。完善和促进网上非教学支持旨在实现教与学的和谐统一,这对于解决网上教学中的师生冲突,构建远程开放的学习者学习支持模式和实现学习者的终身学习具有深远的意义。而提升教师的网上非教学支持活动能力,开发建设网络教学支持服务项目,转变学习支持方式,优化网上非教学支持环境,是提高网上非教学支持效果及实现网上非教学支持的有效途径。     

空巢老人社会支持现状及对策

空巢老人数量快速增多已成为不容忽视的社会问题。对这类群体而言,良好的社会支持是其生存和发展的重要力量,而现有社会支持体系在来源、内容、方式等方面存在诸多问题。为此,应构建政府、社区、家庭等优势互补的多层次社会支持体系,强化家庭关爱为根本的支持模式,丰富以社区为平台的社会关系网络,提升政府政策支持力度和有效性。     

一种支持向量集合的精简算法

由支持向量机算法得到的支持向量集合通常不是分类所必需的最小集合,冗余支持向量的存在降低了支持向量机的分类速度和实用化能力．为此,提出一种精简支持向量集合的新方法,给出了从原支持向量集合中识别和剔除冗余向量、生成新支持向量集合并确定其元素权值的算法．新方法尤其适用于样本规模大、支持向量数目多的分类问题．实验表明它能够在基本不降低支持向量机分类精度的前提下,大幅度地减少支持向量的数目,提高支持向量机的分类速度．     

四类基于支持向量机的多类分类器的性能比较

本文通过UCI数据库中的五个数据集,从分类准确性和运行时间两个方面,比较了四类基于支持向量机的多类分类器——多类支持向量机(MSVM),多元双生支持向量机(MTSVM),多生支持向量机(MBSVM)以及多元支持向量分类回归机(MSVCR)的性能.实验结果表明,MTSVM和MBSVM比MSVM和MSVCR更有效.     

“互构”视阈下的大学生心理健康社会支持系统构建

当前大学生心理健康所获得的社会支持主要有学校正式社会支持、家庭非正式社会支持、同辈群体非正式社会支持.但是目前三者之间的互构程度有限,文章提出应在多元互动、衔接合作、主体参与的原则下构建有利于大学生心理健康的社会支持系统.     

基于双支持向量机的偏二叉树多类分类算法

提出一种基于双支持向量机的偏二叉树多类分类算法,偏二叉树双支持向量机多类分类算法.该算法综合了二叉树支持向量机和双支持向量机的优势,实现了在不降低分类性能的前提下,大大缩短训练时间.理论分析和UCI（University of California Irvine）机器学习数据库数据集上的实验结果共同证明,偏二叉树双支持...     

基于TWSVM的图像分类

图像分类技术是图像数据处理中最重要的技术之一.支持向量机是基于统计学习理论而提出的机器学习算法,在样本数少的时候能达到很好的分类效果.孪生支持向量机是基于支持向量机而提出来的,其性能优于支持向量机.通过提取彩色图像的颜色特征与纹理特征,利用孪生支持向量机与支持向量机对这些特征向量进行分类,孪生支持向量机的分类准确率与稳定性都高于支持向量机.     

多类支持向量机算法的研究

支持向量机(SVM)是建立在统计学习理论的基础上的一种小样本机器学习方法,它是针对二分类问题而提出的,如何将二分类问题有效地推广至多分类问题是支持向量机研究的重要内容之一.介绍了现有提出的一些支持向量机多分类的方法,并比较其优缺点,在模糊支持向量机的基础上提出具有去噪声的模糊支持向量机的多分类的方法.     

直觉模糊支持向量机

传统的模糊支持向量机难以区分具有相同隶属度的稀疏样本点和稠密样本点,进而可能降低分类精度.为了解决此类问题,利用直觉模糊集和模糊支持向量机,构建了直觉模糊支持向量机.仿真实验结果表明:与传统的支持向量机和模糊支持向量机相比,直觉模糊支持向量机的分类结果更精确.     

基于投影中心距离的支持向量预选取

支持向量机是一种能在训练样本数很少的情况下达到很好分类推广能力的学习算法.支持向量机在选择支撑矢量时却进行了大量不必要的运算,成为其应用的瓶颈问题.因此在基于支持向量的分类器学习算法中,预先选择支撑向量是非常重要的.投影中心距离算法是一种能够预选取支撑矢量的方法,该方法可以有效地预选取出包含支持向量的边界集,在不影响支持向量机的分类能力情况下,大大地减少了训练样本,提高了支持向量机的训练速度.本文采用投影中心距离算法进行支撑矢量的预选取,通过对人工线性、非线性数据及MINST字符库的实验证明了该方法的有效性和可行性.     

基于投影中心距离的支持向量预选取

支持向量机是一种能在训练样本数很少的情况下达到很好分类推广能力的学习算法。支持向量机在选择支撑矢量时却进行了大量不必要的运算, 成为其应用的瓶颈问题.因此在基于支持向量的分类器学习算法中,预先选择支撑向量是非常重要的。投影中心距离算法是一种能够预选取支撑矢量的方法, 该方法可以有效地预选取出包含支持向量的边界集,在不影响支持向量机的分类能力情况下,大大地减少了训练样本,提高了支持向量机的训练速度。本文采用投影中心距离算法进行支撑矢量的预选取,通过对人工线性、非线性数据及MINST字符库的实验证明了该方法的有效性和可行性。     

最小二乘支持向量机在人脸识别中的应用

 支持向量机(SVM)模式识别方法具备良好的分类性能和鲁棒性,在介绍了典型支持向量机与最小二乘支持向量机(LS_SVM)原理的基础上,给出最小二乘支持向量机的算法实现过程,将其应用于人脸识别当中,取得较典型支持向量机在时间上较好的效果.在OPL人脸库中的实验结果表明,基于LS_SVM的人脸自动识别系统更能适用于实时性要求较高的场合.     

古代中国人心理健康维护的社会性支持与自我支持的方法

中国古人心理健康的方法有借助社会支持力量,例如中医、巫术、术数等解决心理问题,消除心理疾病的方法;也有藉自我的力量,通过修身养性达到身心和谐,实现心理健康.还有一些兼具社会性支持和自我支持的特点的方法,如诉诸宗教的方法,对促进人的心理健康发挥了积极作用.     

古代中国人心理健康维护的社会性支持与自我支持的方法

中国古人心理健康的方法有借助社会支持力量,例如中医、巫术、术数等解决心理问题,消除心理疾病的方法;也有藉自我的力量,通过修身养性达到身心和谐,实现心理健康.还有一些兼具社会性支持和自我支持的特点的方法,如诉诸宗教的方法,对促进人的心理健康发挥了积极作用.     

高低两类社会支持家庭初中生应对方式的初步研究

高社会支持家庭学生较多采取问题解决、求助等应对方式；低社会支持家庭学生较多采取幻想、忍耐等应对方式．在完整家庭中，高社会支持学生多采取问题解决应对方式，低社会支持学生多采取幻想、忍耐应对方式．在离异家庭中，高社会支持学生多采取问题解决、求助应对方式，低社会支持学生多采取幻想应对方式．     

加权支持向量回归在线学习方法

在标准支持向量回归在线学习的基础上,提出了一种加权支持向量回归在线学习方法(WOSVR),即加权支持向量机中针对不同样本点使用不同惩罚系数C,且不同惩罚系数C反映了样本重要性的不同,WOSVR中近期数据重要性大于历史数据重要性.使用基准数据Mackey-Glass混沌序列进行了相关验证实验.结果表明,加权支持向量回归在线学习方法能有效修改模型.     

乡镇级政权的权威支持

乡镇级政权的权威支持问题是我国农村基层政权巩固的核心问题.乡镇级政权的权威支持主要来自四个方面:上级政权组织的支持,乡镇级政权组织自身的支持,村级党支部、村委会的支持,社会的支持.     

农业科技金融支持研究

金融排斥抑制了农业科技的发展,指出了农业科技金融存在的问题,分析了农业科技金融的资本形成机制、风险分担机制、风险控制机制、信贷机制,以及农业科技金融支持模式,构建了多层次的农业科技金融支持体系。     

几种SVM的优劣性比较

支持向量机(Support Vector Machine,SVM)是将样本进行分类和回归的一种强大的数学工具,尤其是对高维领域,效果尤为显著.支持向量机工作原理是针对样本数据集,寻找决策函数来对样本数据进行分类的.如今已经衍生出多种SVM的相关模型.最为常见是有孪生支持向量机(T-SVM),正则化支持向量机(RT-SVM),最小二乘支持向量机(LSSVM).这几类模型的出发点和建构模型的思想有些许不同之处.本文则选取了三种常见的SVM模型,分析和比较它们之间的优势以及劣势,能让读者更加深入的了解这类算法,并且在实际问题中更具有选择应用性.