熵值法及其在确定组合预测权系数中的应用

组合预测方法能有效地提高预测精度,因而在众多领域有广泛的应用。其研究的核心的问题就是如何求出组合预测加权平均系数。本文从信息论的观点出发,利用信息论中熵值的概念,重新定义预测误差序列的变异程度,从而获得计算组合预测加权系数的一种方法。该方法具有概念清楚、计算简单的特点。实例计算结果令人满意。     

q元非线性码广义Hamming重量的一些结果

根据q元非线性码的广义Hamming重量，构造定义了两个关系式，通过分析，得到q元非线性码的广义Hamming重量的几个不等关系。这些关系实质上是2元线性码的广义Hamming重量在q元上的推广，有助于从事这方面的研究人员形成可操作的数学模型。     

采用互补特征的核相关滤波目标跟踪算法

为了改善跟踪算法的性能,提出一种自适应加权的融合颜色特征和方向梯度直方图(HOG)特征的多核多通道的相关滤波跟踪算法.针对核相关滤波算法特征单一的问题,采用互补特征核空间描述目标,并根据互补特征响应值的大小,自适应为互补特征核空间分配权重、更新模型,提高算法的鲁棒性.实验结果表明:所提出的算法不仅能在一定程度上处理目标外观变化问题,而且完全满足跟踪场景的实时需求.     

全距在确定组合预测最优权系数中的应用

从统计学的角度考虑 ,建立以组合预测误差的全距为目标函数组合预测模型 ,在各单项模型预测误差服从正态分布的情况下 ,该模型和误差平方和为准则的组合预测模型相比 ,它们的解近似相等。且具有计算简单的特点。最后也探讨了变权系数的组合预测模型     

一种权值预学习BP算法的研究

采用无监督学习中的主元分析算法的０ｊａ规则对前馈网络的权值进行预学习,以此来加速前馈网络的学习速度。通过奇偶校验和非线性系统辨识两个应用,验证了该算法在学习速度与性能上都优于传统的ＢＰ算法。     

非负可变权重的组合预测模型研究

本文在文献［１］和［２］的基础上,建立了非负可变权重的组合预测模型,并利用线性规划和二次规划模型,给出了在拟合点上最优的非负可变权重的计算方法,最后也探讨了在预测点上非负可变权重的估计。     

基于知识的综合评价问题的模糊推理求解方法

在文献［１］的基础上,首先讨论了最小有序评价树（ＳＯＥＴ）评价的建模机理,提出了多种评价原则下的模糊运算模型、集成式多目标权系数赋值方法以及各ＳＯＥＴ根节点评价知识的生成方法;然后以对ＳＯＥＴ的评价模型为基本模型,讨论了不同层次ＳＯＥＴ之间综合的基于知识的推理方法,提出了在两种群体评价原则下的基于知识的模糊推理算法．依据本文提出的两种算法可以较好地实现不同评价专家对多人多层次多目标综合评价问题（Ｍ３ＣＥＰ）的合作求解．     

基于熵权的集对分析方法在水质评价中的应用——以郑州市为例

采用基于熵值的集对分析评价方法对郑州市伊洛河七里铺和黄河花园口两个地表水监测点的水质进行分析,计算出这两个监测断面的水质评价结果,并进一步将计算结果与其它两种水质评价方法的结果进行了对照.结果表明,在水质分析中,基于熵权的集对分析法与其他评价方法的结果较为吻合,且能更好地反映水质状况.该方法基于VBA编程,易于操作,可以为水环境保护与管理决策提供技术支持.     

大数据分析中基于 MapReduce 的空间权重创建方法研究

大数据空间分析是 Cyber-GIS 的重要方面。如何利用现有的网络基础设施（比如大规模计算集群）对大数据进行并行分布式空间分析仍然是一大难题。为此,提出一种基于 MapReduce 的空间权重创建方法。该方法依托Hadoop 框架组织计算资源,基于 MapReduce 模式从大规模空间数据集中高效创建出空间权重：大空间数据被分为多个数据块,将映射器分布给计算集群中的不同节点,以便在数据中寻找出空间对象的相邻对象,由约简器从不同节点处收集相关结果并生成权重文件。利用 Amazon 公司弹性 MapReduce 的 Hadoop 框架,从人工空间数据中创建基于邻近概念的权重矩阵进行仿真。实验结果表明,该方法的性能优于传统方法,解决了大数据的空间权重创建问题。     

中国大学综合评价的相关研究述评与研究展望

目前,国内学者关于大学综合评价的研究,主要集中在对现有大学评价指标体系及其权重的合理性提出质疑和探讨方面。在对大学主张分类分层次评价方面,以定性研讨居多,定量实证研究较少。指出定量研究等用同一套指标体系对不同层次的大学进行评价排名将产生不合理的结果,对以上研究内容提出了具体的改进思路和方法。