论企业财务管理目标的选择

制定财务管理目标是现代企业财务管理成功的前提,科学合理地选择、确定自身的财务管理目标有着非常重要的意义。本文从企业投入要素、经济环境因素来讨论影响企业财务管理目标的各种内外在因素,并对三种主要的财务管理目标的特征及优劣进行了对比分析,最后提出了企业应在综合考虑系统性、相关性、操作性、效率性等各方面的基础之上进行财务管理目标的选择。     

安全阀在高压蒸汽采暖管道中的应用

安全阀在系统中起安全保护作用,在高压蒸汽采暖管道上正确的选用和设置安全阀是非常重要的。本文对安全阀在供暖系统中的选择计算原则和在使用过程中常见问题及解决方法做了简单的介绍。     

我国上市公司会计政策选择存在的问题及对策

会计政策是连接会计理论与会计实务的桥梁和纽带,对企业会计报表和资本市场产生广泛而深刻的影响。本文从会计政策的基本概念出发,结合有关会计政策选择的理论,分析了我国上市公司会计政策选择过程中存在的诸多问题及其产生原因,并试图寻求优化上市公司会计政策选择的可行途径。     

基于遗传算法优化机器学习模型的地下水潜在性预测

传统机器学习模型在地下水潜在性预测中,未考虑最优因子组合,会对地下水潜在性制图产生不利影响。为此,提出了遗传算法优化支持向量机的地下水潜在性预测方法。以云南省彝良县为研究区,从地形、水文、土壤、地质等方面选取了共15个影响因子;考虑模型性能和影响因子的作用,利用遗传优化算法筛选了包含11个影响因子的最优因子组合;然后使用支持向量机方法构建了地下水潜在性预测模型;最后计算了因子优化前后的模型准确度和受试者工作特性曲线下面积（area under curve,AUC）,并绘制了模型的受试者工作特性（receiver operating characteristic,ROC）曲线和地下水潜在性预测图。结果表明：因子优化前模型的准确度为0.774,验证集AUC为0.789,因子优化后模型的准确度为0.777,验证集AUC为0.806,分别提高了0.003和0.017。可见,所提方法的准确性、可靠性优于传统的支持向量机法,其结果可以为区域水文地质调查和地下水资源管理与规划提供科学参考。     

基于模糊粗糙集的层次分类增量特征选择

随着大数据时代的到来,数据的类标签数量急剧增加,对现有的分类任务带来了严峻的挑战。为了解决这个问题,人们通常将标签组织成层次结构,使用结构中所包含的信息来对任务进行学习。考虑样本的不断增加,使用模糊粗糙集信息熵设计了一种面向层次分类的增量特征选择算法。考虑兄弟策略,将现有的λ条件熵推广到了层次分类的情形,设计了一种非增量的层次分类特征选择算法,设计了λ增量条件熵,基于此设计了增量版本的特征选择算法。在实验中,采用了包括非增量版本在内的7种不同的特征选择算法在5个层次数据集上与增量算法进行比较,实验结果验证了2种算法的有效性,并且所设计的增量算法能在不影响性能的情况下加快特征选择的进程。     

基于ReliefF-NOSCA-AdakNN的肌肉疲劳识别技术研究

针对竞技体育训练中的肌肉疲劳监测问题,提出了一种基于ReliefF-NOSCA-AdakNN（RNA）的表面肌电信号（sEMG）特征提取和分类算法. 该算法结合了特征和类别之间的相关性分析和启发式搜索算法,对高维特征进行了有效的筛选和分类. 将RNA算法应用于经过滤波处理的肱二头肌肌电信号数据,对不同疲劳状态进行了识别和分类. 实验结果表明,提出的RNA算法在平均分类准确率和标准差方面分别达到了83.88%和0.012 7,均显著优于传统单一算法,体现了较好的分类性能.     

基于mRMR-IPSO的短期负荷预测双阶段特征选择

电力负荷具有时空多变的特性,受众多因素的影响,在短期负荷预测中较多的输入特征会造成维度灾难,导致模型预测性能不佳,因此选择合理的输入特征集至关重要。文章提出一种新的短期负荷预测特征选择方法——mRMR-IPSO双阶段法。利用最大相关最小冗余（max-relevance and min-redundancy,mRMR）判据对原始特征进行排序,考虑输入特征与输出特征之间相关性和输入特征间冗余性,筛选掉一些排序靠后的特征,初选出对预测效果影响显著的特征子集;采用基于改进的粒子群优化算法（improved particle swarm optimization,IPSO）的搜索策略,以LightGBM模型的预测精度为适应度函数,对初选特征子集进行精选,得到最优特征子集。算例结果表明,所提方法能在对原始特征集大幅降维的情况下提升预测精度。     

利用哈代-温伯格不平衡系数检验配对病例对照数据的关联性(英文)

针对配对的病例对照数据,利用偏离哈代-温伯格平衡的信息构造了用于估计基因模型的检验,称为配对的哈代-温伯格不平衡检验(mHWD).基于mHWD估计基因模型并应用相应的配对趋势检验进行关联性分析,称为基于模型选择的趋势检验(GMS).GMS是从数据驱动的角度提出的一种稳健有效的检验,模拟结果显示GMS在现有的关联性检验方法中具有最大的稳健有效性.对类肉样瘤病研究数据的分析进一步表明了基于模型选择的趋势检验的良好性质.     

异彩纷呈热带兰——记武汉植物园兰花展

兰花是有花植物中进化程度最高、花的形态结构最为特化的类群。加之经过人类长期的人工选择与杂交育种,令其千姿百态、绚丽多彩,无花可及。兰花花朵独特之处在于：萼片不像其他许多植物那样是绿色的,而是有着类似花瓣的斑斓色彩;三片花瓣中,唇瓣特别突出;花形、花色的变化可说是无穷无尽;雌雄蕊尤不一般,它们不是单独的结构,而是组成合蕊柱。     

网络购物，将迎来“可视化”时代？

购物体验相当酷日常搜索网络购物信息,输入商品关键词后,首先显示的是与所购商品相关的网站信息,然后需要反复进入各家网站,经过不断地选择比较,最终才能寻找到所要购买的商品。