一种基于核主元分析的非参数控制限算法

实际过程中,监控指标值往往不满足确定的概率分布,给控制限的计算带来了困难,现有的计算方法计算复杂、精度差.根据高维空间良好的分类特性,提出一种基于核主元分析(KPCA)的监控指标控制限计算方法,将监控指标值映射到高维空间,再在高维空间中对其映射数据进行监控,实现了控制限的间接求取,避免了复杂的计算.     

质量功能展开中自相关关系确定的粗糙集方法

针对质量功能展开中各项工程特性之间的自相关关系具有模糊、不确定和不分明等特质,提出了自相关关系确定的粗糙集方法.对于每一项顾客需求,由每一项工程特性组成相应的决策属性集,并由其它工程特性组成相应的条件属性集,分别构造了相应于该决策属性集的决策系统.基于粗糙集中相对约简和相对核等方法,分别建立了其相应的修正决策系统.利用信息熵和等价类的集成方法,获取了修正决策系统中各条件属性的重要度.引入了自相关关系的比例因子概念,确定了各项工程特性之间的自相关关系.以洗衣机的产品研发为例,说明了方法的应用.     

内蒙古林西县生态经济分区与发展对策研究

以位于北方农牧交错带的内蒙古林西县16个乡镇为样本,利用因子分析方法对所选指标体系进行筛选,从26项指标中筛选出7项综合指标,消除了由于各因子的相互作用引起的噪音干扰,降低各因子之间的重叠性.在此基础上,根据生态经济区划分的相似性原则、区域共轭性原则和自然区域完整性原则,运用灰色星座聚类法对研究区生态经济系统进行聚类分区,林西县生态经济系统可以划分为3大区域:中东部河谷平川粮食经济作物区、中南部低山丘陵牧粮综合发展区及西北部中山牧粮果水保林区.排序检验的结果表明聚类结果基本正确,能较好地反映研究区农业生态经济类型的客观状况.最后,根据各分区不同的生态经济特征,对各区的开发对策及今后的发展方向进行了详细的分析与评述.图1,表5,参6.     

类杂芪分子一阶超极化率与Gibbs自由能、基态重组能之间的非线性相关特性

通过光谱分析,从类杂芪分子的基态到第一电子激发态的紫外－可见吸收光谱中,得到了类杂芪分子在溶剂中的基态和第一电子激发态间的Ｇｉｂｂｓ自由能差和基态重组能,通过相关分析,发现在所研究的溶剂中,类杂芪的分子一阶超极化率和Ｇｉｂｂｓ自由能、基态重组能之间具有非线性相关特性,进一步分析发现不同类杂芪分子在同一种溶剂中的分子一阶超极化率不仅和相邻碳碳单双键的平均键长变化（ＢＬＡ）之间具有非线性相关特性,而且     

基于改进神经网络的模糊聚类算法

文章提出了一种新的聚类方法NFC,首先用模糊逻辑神经元网络的聚类算法和Cauchy训练的模拟退火算法相结合的局部算法得到初始聚类中心,然后用FCM算法进行模糊聚类;实验证明,NFC算法在一定程度上解决了FCM局部极值问题且有效性非常高。     

基于灰色系统理论的360°绩效考评

文章基于对现行的绩效考评方法的特点和有效性的分析,构建了360°绩效考评层次结构模型,利用层次分析法并结合德尔菲法确定各考评指标的权重,再运用灰色系统理论的原理和方法,提出一种以定量分析为主并与定性分析相结合的360°绩效考评方法;通过实例分析,此方法具有把各层考评者提供的"贫信息"做出系统综合的优点,最终不仅能得到被考评者的总评所属灰类及优劣顺序,而且可以得到各级指标所属灰类和具体的灰色评价权数,使360°绩效考评较好地达到了绩效反馈目的。     

非电子类电工电子实验模块构建及考核标准

通过对全日制普通高校非电子类专业开设的电工电子实验教学中实验模块构建及考核标准优化问题的研究分析,进行了相应的思考,并提出了对策方案.     

基于加权主成分分析和改进密度峰值聚类的协同训练算法

[目的]针对协同训练算法在视图分割时未考虑噪声影响和两视图分类器对无标记样本标注不一致问题,提出了基于加权主成分分析和改进密度峰值聚类的协同训练算法.[方法]首先引入加权主成分分析对数据进行预处理,通过寻求初始有标记样本中特征和类标记之间的依赖关系求得各特征加权系数,再对加权变换后的数据进行降维并提取高贡献度特征进行视...     

学术共同体:教育类期刊的品质发展路径 ——《江苏教育研究》的行与思

马克思主义哲学的共同体理论的当代价值之一,是为新时代学术共同体构建提供了科学的理论依据.中国特色社会主义建设进入新时代,强化学术共同体建设是构建中国特色哲学社会科学的内在要求.在教育发展与课程改革进程中,教育类期刊履行服务决策、创新理论、指导实践、引导舆论的基本职能,肩负着传播教育思想、引领学术热点、涵育学术人才等使命...     

基于低秩稀疏表示的子空间学习研究综述

以基于低秩稀疏表示的子空间学习为研究对象,对近几年的相关研究工作进行了归纳总结.首先,阐述了子空间学习及低秩稀疏表示的概念;然后,根据迭代更新的方法,将基于低秩稀疏表示的子空间学习分为基于矩阵分解的子空间学习和基于谱聚类的子空间学习两大类;其次,对它们各自算法的核心思想进行了详细介绍,并对这些算法的优缺点进行了对比分析...