一种基于置信度差异代价敏感的主动学习算法

主动学习时向专家查询得到的标注如果带有噪声,将会影响学习的性能.为减少噪声,人们提出了基于“少数服从多数”的多专家主动学习算法,但该算法的缺点是代价往往太高.文章采用了一种自我训练（self-training）方法,对某些平均置信度高的样本,直接确定其分类标注,不必向专家查询,以节省学习代价.同时,使用置信度差异作为度量标准,选取那些最不确定的样本向专家查询,提高了学习效率.在UCI数据集上验证了本文算法的有效性.     

基于模糊积分的纠错输出解码研究

针对基于纠错输出编码的多类分类中解码策略的选择问题,提出一种基于模糊积分的解码方法.将每个基分类器看作一个证据源,其概率输出提供了测试样本所属类别的可能性;同时基于基分类器信任度和混淆矩阵对模糊密度的赋值进行了改进;最后求取最大的模糊积分值所对应的类别为分类输出.基于UCI数据集和经典解码方法的比较实验验证了本文所提方法作为二符号解码策略的可行性和有效性.     

动态影响力下网络舆论传播的计算实验研究

基于以往研究较少考虑影响力的即时动态更新,对于网络舆论传播的某些现象,可以融入这一因素进行分析.借鉴Krause有界信任的思想,引入Festinger的认知不一致理论对观点交互条件进行改进,并对信任阈值的作用进行了重新认识.本文认为,信任阈值并非判定个体是否交互的分界线,而是决定影响力增大或减小的分割线.进一步,对影响力的动态性进行了深入研究,引入短记忆过程和惩罚机制,从而构建动态影响力下的网络舆论传播模型,进行了计算实验分析.结果表明:随着群体信任闽值的提高,观点分化程度降低.群体观点演化也受初始影响力分布影响,初始影响力较高,网络群体更容易形成稳定的观点,且收敛速度更快.而投入干预个体的影响作用与群体信任阈值负相关,与干预个体所占的比例正相关.     

基于v-支持向量机的边际电价预测及置信区间估计

引入v-支持向量机，通过构造和求解一个凸优化问题，同时实现了对边际电价的预测和对置信区间的估计，且无需假定预测偏差的概率分布．在v-支持向量回归中，当ε〉0时，v是错误样本的个数占总样本个数份额的上界．利用该性质，边际电价预测的置信度和置信区间可以很自然地用参数1-v和变量ε来表示，这为发电公司进行竞价方案的风险分析打下了很好的基础．算例仿真表明，该方法具有较好的泛化性能和较高的预测精度．     

用关联规则方法挖掘保险业务数据中的投资风险规则

如何找出保险业务数据中有关投保和理赔的规律是保险公司能否提高盈利的至关重要的问题。关联规则发现是数据挖掘技术的一种简单又很实用的方法。文章首先介绍了关联规则的定义以及关联规则的 4个属性 :可信度、支持度、期望可信度和作用度。然后讲述了如何用 SGI公司的数据挖掘工具 Mineset在保险业务数据中发现关联规则 ,从而得出一些对保险公司起指导作用的控制投资风险的规则。关联规则还可广泛用于银行、电信、商业等其它领域     

论联想思维能力的培养

联想思维习惯和能力是创造性人格的重要内涵之一。教师在教学中运用联想思维既可提高教学效率,又可给学生以示范。培养学生的联想思维能力的首要任务是努力培养学生的自信心,还学生以自由思维空间。     

回归误差方差的区间估计

首先将回归函数限制在一个有限维函数空间中,得到一个近似的线性模型,在此基础上,由Fiducial推断给出了误差方差的区间估计。该区间估计形式简单,易于计算。给出了这个区间估计的真实覆盖率和名义水平差异的一个上界,该上界由回归函数与其近似的线性函数的距离界定,并且对所给区间估计的真实覆盖率进行了数值模拟。     

齿轮弯曲疲劳强度试验数据任意置信度下C-R-S-Ν曲线的拟合方法

提出一种对成组法脉动弯曲疲劳试验的寿命数据进行处理的方法：５０％置信度下定应力的寿命分布按三参数威布尔分布进行优化拟合;任意置信度下的置信限曲线则以旋转－平移变换后的概率坐标中的双曲线函数为原型进行最小二乘法曲线拟合来求取,由所求得置信限曲线方程可求出置信度Ｃ下、任意可靠度Ｒ下的疲劳寿命,进一步与试验所得的齿根应力作线性回归,可求得Ｃ－Ｒ－Ｓ－Ｎ曲线簇。此方法对其他的疲劳数据处理也有较好的参考价值     

置信水平过渡中应注意的问题

在置信水平过渡中,常采取在合成不确定度σ的基础上,乘以置信因子C的方法,这种方法有时会造成置信水平失实,分析失实的原因和应注意的问题.     

非对称损失下正态均值的区间估计

考虑非对称损失下正态均值的区间估计, 在位置变换群下给出容许的最优同变置信区间, 其为通常置信区间的推广. 同时, 利用估计问题中对序限制下参数估计量的改进方法, 结合分布参数之间的序限制改进了所得的最优同变置信区间, 构造了一族改进置信区间.