ECOC多分类算法在慕课数据挖掘中的应用

收集并整合多所高校学生的慕课学习行为数据,设计基于数据复杂度的纠错输出编码(ECOC)多分类算法.该算法利用数据复杂度降低多类之间的分类难度,从而提高算法的预测准确度.实验结果表明,在不同高校的慕课数据集的测试中,所设计基于数据复杂度的ECOC分类算法比传统的ECOC算法具有更高的分类准确度和鲁棒性,实现了学生学习成绩...     

桥梁检测系统中的无线数据采集卡组件

在大跨度桥梁检测中,为了摆脱传统数据采集卡与传感器间导线的限制,我们采用无线数据采集卡组件,实现数据采集和无线传输.采集卡组件由主卡和从卡构成,并分别与计算机和传感器相连.主、从卡之间以“询问———应答”通讯方式,实现一主多从组合,满足实际检测需求.系统启动后,主卡为每一从卡分配互不重叠的时间片,在每个时间片内主卡向特定从卡发送询问字,并接收从卡发回的应答字.主卡通过PCI总线与计算机交换数据.该组件经过测试,性能稳定.     

嵌入式系统中USB Host功能的开发

采用自下向上的设计流程,在没有嵌入式操作系统支持的条件下,自主设计和实现了嵌入式USB Host功能．以ISP1362驱动USB海量存储类设备为例,描述了嵌入式USB Host系统的框架结构和底层驱动的设计方法．实验结果表明,遵从海量存储类子协议的USB设备,都能够被系统驱动,而且数据传输速度优于PC机驱动方式．     

基于PC的水轮机组多通道振动数据采集系统设计

提出了一个基于PC的水轮机在线多通道振动数据采集系统的设计方案．对数据采集系统的特点进行了分析,采用中断＋FIFO的方式对多通道振动信号连续采集,并通过插值算法进行二次采样,得到了准同步整周期信号．在此基础上,用数字滤波算法去除了信号干扰,并对采集系统的精度进行了检验,结果表明,通过二次采样所得的信号与同步整周期采样的信号基本一致,可以满足振动监测的需要．     

基于广义梯形模糊数相似度的交叉效率集结

在不确定环境下,针对模糊数据的多样性和复杂性,本文结合广义梯形模糊数相似度理论将广义梯形模糊数的交叉效率矩阵转换为交叉互评相似度矩阵,并根据模糊信息检索系统中的布尔模型,以能最大程度还原信息本身为准则,构建满足"正相容性"的有序几何平均集结函数对交叉互评相似度矩阵进行集结,从而得到关于每个决策单元的同行评价综合相似度.根据决策单元的同行评价综合相似度,建立反映决策者偏好的模糊一致性偏好矩阵,并对决策单元进行集结权重的分配,根据分配结果计算决策单元的全局交叉效率值.本文的集结方法可以解决不确定环境下,交叉效率矩阵数据多样性的问题,有较高的适用性;并且其集结结果具有较高的一致性和稳定性.最后本文以梯形模糊数的交叉效率矩阵为算例,来说明该方法的合理性和适用性.     

大数据营销:综述与展望

随着追踪消费者足迹能力的增强,营销科学正经历着一场大数据的革命.为了了解大数据背景下消费者行为和营销战略的改变,此项研究结合近十余年大数据营销的有关文献,梳理了大数据营销的相关概念,类型及分析方法,并提炼出搜索、移动、口碑、数字化、APP和社会媒体等50个大数据营销的热门主题.在此基础之上,分别从互联网、社会网络、移动互联网、大数据和人工智能等四个阶段对大数据营销的研究进展进行回顾,最后围绕客户旅程,营销活动的量化评估和营销分析技术的开发三个方面对大数据营销的未来研究方向进行展望.     

基于演化博弈的重大工程业主与勘察机构合作机制

为研究重大工程前期勘察阶段业主与勘察机构的合作问题,以业主和勘察机构有限理性为前提,基于演化视角建立双方决策行为交互的博弈模型,探讨了参数变化对于演化稳定策略的影响,并用仿真实验的方法研究参数的取值与初始策略选择对于演化结果的影响。研究结果表明：合理的超额分配系数对促进双方合作有积极意义,且存在一个最优的系数使得双方合作的可能性最大;双方的成本对于均衡结果的影响呈现差异化的结果;风险分担机制的设计可有效促进合作。     

Forecasting under model uncertainty: Non-homogeneous hidden Markov models with Pòlya-Gamma data augmentation

We consider finite state-space non-homogeneous hidden Markov models for forecasting univariate time series. Given a set of predictors, the time series are modeled via predictive regressions with state-dependent coefficients and time-varying transition probabilities that depend on the predictors via a logistic/multinomial function. In a hidden Markov setting, inference for logistic regression coefficients becomes complicated and in some cases impossible due to convergence issues. In this paper, we aim to address this problem utilizing the recently proposed Pólya-Gamma latent variable scheme. Also, we allow for model uncertainty regarding the predictors that affect the series both linearly — in the mean — and non-linearly — in the transition matrix. Predictor selection and inference on the model parameters are based on an automatic Markov chain Monte Carlo scheme with reversible jump steps. Hence the proposed methodology can be used as a black box for predicting time series. Using simulation experiments, we illustrate the performance of our algorithm in various setups, in terms of mixing properties, model selection and predictive ability. An empirical study on realized volatility data shows that our methodology gives improved forecasts compared to benchmark models.     

基于分布式的远程网络信息管理系统的一种内网数据安全保护方法

网络信息系统的一大特点是数据共享,但数据共享必然带来系统中数据安全问题.对数据安全的威胁不仅来自于网络外部,同样也来自于网络内部.本文就一个实际系统讨论了基于分布式的远程网络信息管理系统的一种内网数据安全保护方法,建立了一个安全模型,并对安全模型的各个部分进行了描述.使用这种方法可以较好地从网络内部保护网络数据.     

血清转铁蛋白受体的研究进展及临床意义

血清转铁蛋白受体(sT fR)是完整的细胞受体的一个可溶性节段,通过酶免疫法或免疫浊度法可从血清中检出。sT fR反映机体贮存铁的数量以及所需铁的数量,是判断机体是否缺铁的一项敏感指标。sT fR可以定量评价骨髓幼红细胞的生成,尤其适用于评价各类骨髓红系显著增生的溶血性贫血。