求解最小覆盖问题的快速近似算法的进一步研究

分析了已有求覆盖平面上给定的若干个点的尽可能小的圆的问题的算法。给出了一个新的求解最小覆盖问题的算法，其计算时间复杂度为平面上给定的点数量的线性函数，该算法已编程实现，通过几万例随机算例的实际计算比较，表明算法所得结果的平均精度比已有的各种快速近似算法所得的精度要高，而且具体每例所需的计算时间均比已有快速近似算法对应的计算时间要短。     

高层建筑物沉降监测数据综合分析的几种方法

目的探求桩基基础与灰土地基基础高层建筑物沉降监测数据分析的较优方法。方法应用线性回归模型、时间序列模型、灰色系统模型对桩基基础与灰土地基基础的高层建筑物沉降实测数据进行分析。结果3种方法对桩基基础高层建筑物的数据分析均取得了良好效果,而对灰土地基基础高层建筑物沉降监测数据分析中,时间系列模型要优于线性回归模型、灰色系统模型。结论桩基基础高层建筑物的监测数据分析可以采用线性回归模型、时间序列模型、灰色系统模型,而灰土地基基础高层建筑物监测数据分析更适合选用时间序列模型。     

时间相关的单机排序的最坏竞争比分析

本文研究了工件的加工时间具有开工时间和加工所在位置相关的单机排序问题.工件的加工时间是序列中加工所在的位置和开工时间的非增函数,目标函数为最小化的误工工件个数和最小化总误工.本文对于所研究的2个目标函数利用Moore-Hodgson算法和EDD规则分别提出的启发式算法,对于目标函数位误工工件个数情形给出了最坏竞争比近似于2,最小化总误工给出非常数的最坏竞争比.进一步如果工件的加工时间和工期具有一致关系,分别给出了2个多项式时间算法.     

论新企业会计准则中固定资产的新变化

财政部颁布的新企业会计准则针对固定资产的确认和计量,新准则在旧准则基础上进行了一些修订,具体体现在时间价值因素对固定资产初始计量的影响,将固定资产的预计弃置费用以折现金额计入固定资产价值,将发生的符合条件的后续支出确认为固定资产,不允许将固定资产减值准备转回,备品备件和维修设备的计量,折旧计提的新规定,这对企业的影响将是深重而长远的。     

高等教育投资及其风险的进一步探讨

对高等教育投资风险进行分类探讨:按照投资主体可分为,举办者投资风险、受教育者投资风险、经营者投资风险、合同拨款者投资风险、捐助者投资风险;按照资金用途可分为,固定资产投资风险、教育经费投资风险和科研服务投资风险;按照风险是否可以分散可分为,系统性风险和非系统风险;按照风险的可知性和可控性可分为,未知的和难以测定的风险、已知的但仍难以测定的风险和已知并可以加之测定的风险;按照风险持续的时间可分为,暂时性风险和永久性风险;按照风险与收益的联系可分为,纯粹风险和投机风险.     

基于无监督对抗学习的时间序列异常检测

时间序列异常检测是类别不均衡问题,异常现象少有发生,所以获取异常标签的成本高昂,因此基于无监督学习的时间序列异常检测方法更具有实用价值.然而,现有的时间序列异常检测方法存在三个缺陷:难以对复杂的时间序列进行建模、缺乏合理的缺失值处理机制和无法利用先验知识(例如少量的有标签异常).为了解决以上问题,提出一种基于生成对抗神...     

Integrate-and-Fire模型输入的最优解码

研究了随机相关输入的Integrate-and-Fire(IF)神经元模型的最优解码问题.使用Fisher信息,在理论上解决了这样一个问题:当抑制和兴奋输入的比r取何值时,神经元能最精确地解码IF神经元的输入.指出相关输入整体上减小了解码的精确性.     

基于Bayes准则的广义判别预报模式及其应用

根据Ｂａｙｅｓ准则,提出一种时间序列与多元分析相结合的广义判别模式．该模式既保留了时间序列线性模式的优点,同时又吸收了多元分析线性模式的长处．从气象状况演变的物理机制来看,这种综合考虑系统状况的方法比单纯考虑前期状态演变或单纯考虑某一时次的状态更有意义．     

KPCA-LSSVM方法在视频时间序列预测中应用

为提高时间序列预测精度及降低预测过程中的计算复杂度,提出一种基于核主成分分析(KPCA)与最小二乘支持向量机(LSSVM)相结合的预测方法.首先,将输入数据通过核方法映射至高维特征空间;然后,在特征空间上提取有效非线性主元;最终,通过LSSVM建立时间序列模型.为验证KPCA-LSSVM方法的有效性,将其应用于交通流及视频流预测中,在同等条件下,与单一的LSSVM及神经网络等预测方法进行比较.实验结果表明:基于KPCA-LSSVM建立的模型具有较好的推广性及较高的辨识精度.     

不同贮藏时间对粳型巨胚稻B16种子发芽的影响

本文通过对不同贮藏时间的粳型巨胚稻B16种子的发芽率、发芽指数及种子霉烂数进行了测定和分析,结果表明：贮藏两年以上的种子发芽率、发芽指数极低,种子活力弱,且不耐贮藏,新收获种子,种子活力很强,抗病能力较弱。