含隐变量和选择偏差的图模型中的因果推断

Bayes网络常用于多变量间的因果推断,但当存在未观测的隐变量和选择变量时,这种图模型往往无法正确描述观测变量间的因果关系。作者利用在观测变量上构造的最大祖先图模型刻画观测变量间的独立性关系和因果结构,并提出了具体的实现算法,从而可由观测数据来推断这类不完全观测下的部分因果关系。     

一种基于FP-tree的最大频繁项目集挖掘算法

挖掘最大频繁项目集是许多数据挖掘中的关键问题．为克服早期基于Apriori的最大频繁项目集算法中的缺点,相继有多种挖掘最大频繁项目集方法被提出．其中对基于FP-tree的最大频繁项目集挖掘算法比较多,但对FP-tree中的结点的频度计数关注的很少．通过对FP-tree结构进行了仔细分析后,在FP-tree中结点的频度计数和集合理论的基础上,提出了一种新的最大频繁项目集挖掘算法USDMFIA(using set to discover maximum frequent itemsets algorithm)．通过分析比较,显示此算法是有效的．     

伽马射线暴从何而来——观测卫星正在日益揭开产生宇宙中最大规模伽马射线暴的神秘天体

“伽马射线暴”是指在遥远的宇宙深处产生能量强烈释放，导致在极短的时间之内，就有大量的伽马射线降临地球的现象。这种宇宙伽马射线暴究竟来自何处？很长时间以来都是一个谜，甚至被称为“天文学界的最大谜团”。近年来，随着人造观测卫星技术和数量的不断进步，人类正在逐步揭开宇宙伽马射线暴的起源之谜。特别是自2005年以来，利用美国的“雨燕”号探测器和日本Here-2号观测卫星的观测结果，更让人们在研究宇宙伽马射线暴的追本溯源方面，取得了比较大的进展。另外，在追踪宇宙伽马射线暴的研究过程中，使得人们对宇宙的诞生和演化等其他谜团，也有了更深刻的认识。本文所述正是有关宇宙伽马射线暴的研究方面的最新进展。[编者按]     

快速挖掘最大频繁项目集的新算法

针对关联规则下最大频繁项目集的特性,提出了一种快速挖掘最大频繁项目集的新算法MMFI(miningmaximumfrequentitemsets)。该算法摆脱了传统的经典算法Apriori及其变种情况下的自底向上的搜索策略,利用集合枚举树(set enumerationtree)的变形结构采取了自顶向下的新的搜索方式,并通过其独特的启发式判断策略、候选项目集的生成策略等,大大减少侯选项目集的生成,从而降低了CPU搜索时间,提高了挖掘效率。     

非线性时序的混沌特性分析与预测

非线性时间序列相空间重构过程中的参数选择问题以及有效的预测方法一直是该领域研究的热点和难点，基于虚假最近邻域概念，同时确定最佳的嵌入维数m与时间延迟τ，对实际非线性时间序列进行相空间重构，求解出时间序列最在Lyapunov指数LE，验证了其中混沌特性，其可预报尺度为[1／LE]．并应用基于[1／LE]个输入神经元与Kenya提出的m：2m：m：1这两种人工神经网络结构对非线性时间序列进行训练和预测，预测结果的平均误差分别为4％和2％左右，后一种神经网络结构能提供更好的预测结果。     

闭区间上连续函数性质的推广

添加一些条件将闭区间上连续函数的整体性质推广到开区间上也成立.     

益力多呼吁:国家标准也应与WTO接轨

益力多(YAKULT)是全球最大的活性乳酸菌饮料巨头，在益生菌领域有70多年的生产、研究历史，拥有一支由300多位专家博士组成的科研团队，在世界上的25个国家和地区生产销售益生菌产品——益力多。     

在研究性学习中学会研究--谈小学生开展研究性学习心得体会

研究性学习对于调动学生学习积极性、主动性，培养学生创新精神和实践能力方面具有独特的优势和作用，但这不意味着研究性学习可以轻而易举、毫无困难地在各校开展．它涉及到教师、学校、社会方方面面，它还需要有许多理论和操作层面上的研究成果做指导。本人就如何有效地运用研究性学习策略组织学生开展研究性学习，最大限度地提升学生的研究能力，培养学生科学素养，让学生“在研究性学习中学会研究”谈一些具体做法。     

基于最大似然估计的多目标定位

宽带高分辨雷达多目标定位问题一般是先进行精确时延估计，再进行源定位。本文提出了一种在频域运用最大似然估计进行目标位置反演的方法，归结为全局搜索--目标函数的极值。通过对仿真数据的处理，结果显示该方法可以准确的估计出多目标位置。     

污水管道系统最大容许接纳能力计算

对于已建污水管道系统，选定最大容许充满度及实际用户的设计污水量，可以求出各管段的富余能力，再按标号法确定每一节点(管段)的最大容许新增污水接纳能力，明确系统排水能力的分配，选择新增污水排入系统的接入点，寻找薄弱管段，提供管道系统改造的方案。