中国宏观经济指标预警信号的进一步分析(英文)

近来,Chen和Ge基于中国国家统计局公布的2008年5月至2009年4月间中国宏观经济指标预警信号,建立了一个信息系统S=(U,C∪D,V,f).在这个信息系统中,工业生产指数、固定资产投资、消费品零售总额、进出口总额、财政收入、工业企业利润、居民可支配收入、金融机构各项贷款、货币供应M2以及居民消费价格指数作为条件属性;商业周期信号指标作为决策属性.本文基于粗糙集理论对这个信息系统进行了更为深入的讨论,分析了在条件属性粒与决策属性粒之间的决策规则.对于每一个x∈U,本文得到了C→xD的支持度、强度、确定度以及覆盖度,其中C→xD是信息系统S=(U,C∪D,V,f)中由x诱导的决策规则.这些结果对中国宏观经济指标预警信号给出了一个全新的数学-逻辑分析,具有一定的理论意义.     

喷动流化床射流穿透度智能拟合

在三维冷态试验台架上对喷动流化床射流穿透度进行了实验研究,得出了射流穿透度随喷口尺寸、载气密度、喷动气速的增大而增大,随静止床高、颗粒尺寸、颗粒密度、流化气率、载气黏度的增大而减小的结论.在实验研究的基础上利用最小二乘支持向量机对射流穿透度与喷动流化床主要设计参数之间的数值关系进行了智能拟合,并利用自适应遗传算法优化了最小二乘支持向量机的初始参数.通过15个预测样本的检验,最小二乘支持向量机模型的预测平均相对误差减小至4.0%,其性能大大优于常用的经验公式以及神经网络.     

基于非下采样Contourlet变换的 SVM多聚焦图像融合

提出基于非下采样Contourlet变换的支持向量机(SVM)多聚焦图像融合算法. 采用非下采样Contourlet变换分解图像得到不同频域子带系数. 针对直接取系数绝对值最大融合规则不能反映图像区域的缺点,提出SVM分类系数融合规则. 根据各子带系数物理意义将区域方差、区域能量作为SVM核函数参考量来选择清晰像素点系数,根据融合系数重构得到融合图像. 结果证明该算法能有效并准确地融合图像中的信息.     

反对民族品牌沦陷? 自我建构和自我状态的影响

以“可口可乐并购汇源”作为实验材料,考察个体互依自我的水平和自我激活的状态如何相互作用影响个体对于并购事件的态度。结果发现强调并购事件会导致人们对民族品牌的态度变得消极, 但是这种现象出现在拥有高互依 自我同时又受到自我威胁, 或者拥有低互依自我同时又得到自我肯定的个体中。那些拥有高互依自我同时得到自我肯定的被试, 以及那些拥有低互依自我同时受到自我威胁的被试, 并不因为并购事件而降低对于民族品牌的评价。     

基于SVM预测的金融主题爬虫

随着Internet上信息的爆炸,利用通用搜索引擎检索用户相关的信息变得越来越困难,而主题爬虫成为WEB上检索主题相关信息的重要工具。目前大部分基于分类器预测的主题爬虫的训练数据是不同类别网页的内容,但是在实际预测过程只能根据父网页中的一些链接信息进行预测,所以造成主题爬虫的预测的准确率较低。本文使用SVM分类器对标注了类别的URL以及上下文和锚文本进行训练,并分别使用了DF和信息增益两种不同的特征选择方法进行特征筛选,对影响分类器的各种因素进行了实验对比,并对分类器进行了在线的实验.实验证明这种方法在实际预测过程中效率很高。     

新疆维吾尔族、柯尔克孜族初中生汉语交际意愿与自我效能感的关系分析

以新疆石河子市师范学校的105名内初班学生为被试,采用课堂内交际意愿量表(WTC)和一般自我效能感量表(GSES)调查了新疆疆内初中班学生的汉语交际意愿和一般自我效能感。调查表明:疆内初中班学生的汉语交际意愿较高,一般自我效能感处于中等水平;汉语交际意愿总值在性别、年级、民族以及学汉语时间等变量上不存在显著性差异;一般自我效能感在性别、年级水平上存在显著性差异;疆内初中班学生的汉语交际意愿与一般自我效能感呈显著的正相关;一般自我效能感对汉语交际意愿有显著的正向预测作用。     

基于K近邻的支持向量机多模型建模

单一的支持向量机在建模时存在一定的局限性,对于复杂的实际数据,不能很好地提取其中的信息,导致模型泛化性能较差,为此提出基于K近邻的组合支持向量机方法。该方法首先采用简单距离分类方法对经过主元分析的样本数据进行分类,并采用K近邻算法得到支持向量机子模型的组合参数,进而建立起基于支持向量机的多模型。将该方法应用于双酚A生产过程中质量指标的软测量建模,仿真结果表明基于K近邻方法的支持向量机多模型建模可以有效提高模型的泛化性能,并验证了该算法的可行性和有效性。     

一种基于分类精度的特征选择支持向量机

在综合序列前向选择(sequential forward selection,SFS)方法和广义序列前向选择(generalized sequential forward selection,GSFS)方法的基础上,提出了基于分类精度的特征选取(sequential forward selection based on classification accuracy, CA-SFS)方法。它依次改变GSFS方法中的r值,并以支持向量机(support vector machine,SVM)作为分类器,将得出的分类精度作为准则函数对特征进行取舍。仿真实验表明CA-SFS算法不但选择了较少的特征,而且取得了较好的分类效果。     

支持向量机简化算法中支持向量与违背对的几何意义

阐述了支持向量机的一般简化训练算法,对支持向量机一般简化训练算法中起实质作用的支持向量和对应乘子之间的关系进行了理论分析,借助图形,直观地分析了支持向量相对于决策面的几何关系。通过对简化算法终止条件的分析,进一步分析和探讨了违背KKT条件的对的几何含义。