“非汉字符号”相依序列回归函数加权核估计

讨论ρ相依序列非参数回归函数加权核估计的强相合性     

浅谈模糊动态聚类加权法

在不等精度的测量中或研究分析单参数与综合参数的关系时，人们常给予这些测得值以不同的权，即称加权。加权的权重通常是按经验法来选定的。为减少人为影响因素，提出一种从可测得值中进行模糊动态聚类分析求权的方法，从而提高加权精度，获得与实际一致的效果。     

NA列随机加权和的完全收敛性

利用截尾法和NA随机变量列的性质讨论了关于随机加权和Sn=n∑j=1Wjxj的3种不同形式的完全收敛性,得到了同分布NA列随机加权和完全收敛的若干充分条件.     

基于动态卷积的胸部X光片疾病分类算法

胸部疾病严重威胁人类健康,及时并精准地检测胸部疾病对患者的治疗与康复具有重要意义．胸部疾病经常通过胸部X光片进行诊断,但由于胸部疾病的多样性以及病理特征的复杂性,现有的胸部X光片疾病分类算法存在分类准确度较低、模型复杂度较高等问题．针对以上问题,提出一种基于动态卷积的胸部X光片疾病分类算法．将动态卷积模块加入密集连接网络,在不显著增加网络模型尺寸的前提下,增强网络对多尺度信息的特征提取能力,在提升分类准确度的同时保持高效推理;使用Meta-ACON改进ReLU(rectified linear units)激活函数,通过线性-非线性切换因子自适应地选择是否激活以及使用何种激活函数,从而增强网络的泛化能力;提出加权焦点损失函数,在焦点损失函数的基础上加入权重调整因子,使网络依据分类的难易程度为每种疾病合理分配权重,增大较难分类疾病的损失占比以提高其分类准确度,进而优化整体性能;对数据加载方式进行优化,增大批数据处理量以提升批归一化效果;在测试阶段使用测试时数据增强策略,综合分析多个维度的分类结果,提高分类的准确性与鲁棒性．在chestX-ray14数据集上的实验结果表明,在密集连接网络中...     

极小化加权完工时间和的调度问题

讨论目标函数为极小化加权完工时间和的调度问题·对于这类问题,平行机问题是NP 难的·基于对问题的分析,对工件的加工时间相等的恒速平行机问题,给出了多项式最优算法·Openshop问题是强NP 难的·给出了工序的加工时间相等的无等待Openshop问题与工件的加工时间相等的同速平行机问题的联系·根据这种联系,对工序的加工时间相等的无等待Openshop问题,给出了多项式最优算法·算法的复杂性均为O(nlogn mn)·     

H_∞鲁棒控制中的加权阵选择

研究了线性时不变系统Ｈ∞鲁棒控制中的加权阵选择问题，探讨了在一般的跟踪控制问题的Ｈ∞设计中如何选择三个合适的加权阵，确定广义受控对象，使设计满足多目标的要求等问题。提出了在频率域中选择加权阵，再转化到状态空间进行优化设计。考虑一大类存在低频参数摄动和高频未建模动态的情况，给出了鲁棒控制兼顾闭环动态特性和干扰抑制时的加权阵选择方法与具体步骤。并就一具体例子进行了仿真，结果表明将控制量的加权阵作为调整参数进行设计对提高闭环系统的鲁棒性是有益的。这里加权阵的选择方法，既适用ＳＩＳＯ系统，也适用ＭＩＭＯ系统。     

NA样本回归函数递归型估计的强相合性

本文在NA相依样本下给出了非参数回归函数加权递归核估计gn(x)=n∑(i=1)yi(xi-xi-1)/hi K(x-xi/hi)的渐近无偏性和相合性的充分条件。其中这里得到的充分条件与一般加权回归函数核估计的相合性几乎完全一致。     

基于加权熵的重要性不对等样本学习的知识约简

由于学习样本的分布特性和所反映的主观特性的不同,每一个样本相对于学习算法的重要性程度往往是不对等的,为了能够在知识约简过程中考虑到学习样本的不对等性,提出了基于加权熵的知识约简方法。针对各类别样本分布不均匀的样本重要性不对等情况,为了加强小类样本所蕴含的知识在知识约简中的体现,提出一种逆类概率加权的不对等样本加权方法,实验表明该方法能够明显提高小类样本的分类正确率,也验证了基于加权熵的知识约简方法能够将样本的不对等性体现在知识约简结果中。     

一些新的双边不等式

不等式出现于数学的各个分支,并广泛应用于数学、物理学、力学和工程技术领域.给出了双边不等式成立的一个充分条件,并得到了几个与Seiffert平均、广义海伦平均、算术平均和加权几何平均有关的新的双边不等式.     

基于联合引力度扩展的加权网络重叠社区划分算法

基于引力度扩展的重叠社区发现算法(GDE),主要用于挖掘无权社交网络的重叠社区结构.真实社区更多是具有加权属性的,本文根据 GDE 算法的种子策略思想,并依据加权网络的特征,以网络节点的度与强度来综合确定重叠社区的中心节点,提出基于联合引力度扩展的加权网络重叠社区划分算法(UGDE).算法的实验检测结果表明：该算法对划分加权网络中的重叠社区具有可行性与有效性.