问题Pm｜res sor,pj=1｜C_(max)

本文讨论了问题Ｐｍ｜ｒｅｓｓｏｒ，ｐｊ＝１｜Ｃｍａｘ的解法，并且证明了基本例子（基本向量）数不大于（ｏ＋１）（ｒ＋１）ｓ－１．给出了求基本向量的算法．     

论电液效应及产生原因

电液效应是新崛超的一门科学技术,该技术有着广阔的应用前景和重大的经济意义。本文从理论上对冲击波产生原因进行了探讨,并提出了冲击波产生的过程可以近似看成为热力学中的绝热过程及瞬间释放的巨大电能,是形成冲击波的必须条件。     

基于协同进化机制的欠采样方法

针对非平衡数据集分类中＂少数类样本精度难以提高＂这一瓶颈问题,提出了一种基于协同进化机制的欠采样方法.此方法将少数类样本与多数类样本划分为两类种群,采用种群协同进化原理,利用提出的动态交叉变异算子自适应协同进化过程,实现种群间自动调节和自动适应.仿真试验结果表明,此采样方法增强了局部随机搜索能力,改善了种群的分布特性,加强了算法的全局收敛能力,在不降低多数类样本分类性能的基础上有效提高了少数类样本的精度.与其他经典重采样方法相比,本文办法抗噪能力好,具有更强的鲁棒性.     

基于ADASYN-IFA-Stacking的再入院患者风险预测方法

在医疗领域,非计划性再入院花费占据了医院总支出的很大一部分,如何降低再入院率,预防再入院情况的发生已经成为了医疗管理领域一个亟待解决的问题.在针对如何能够对再入院患者精确地进行识别这一问题进行深入研究以后,提出了一种基于ADASYN-IFA-Stacking的再入院患者风险预测方法,这一方法主要分为了不均衡数据处理、集成学习模型构建以及参数优化三个部分.不均衡数据处理解决了由于类间不均衡给模型带来的偏倚问题,集成学习模型则可以对多个子分类器的优势进行结合,使用萤火虫算法进行模型最优参数的选择能够进一步提升模型的预测性能.通过在获取到的再入院病人数据集上进行十折交叉验证实验后,结果显示所提出的预测方法要优于现在流行的支持向量机、分类与回归树、随机森林等其它机器学习方法.     

考虑决策风险偏好的自适应支持向量机模型

在构造可以控制不平衡性的分类器,准确识别少数类,并使得决策者可以根据风险偏好与分类器进行交互,这对于人工智能在管理实践中的应用有极为重要的价值。提出了一种自适应支持向量机(ASVM)模型,使得类间隔最大化的同时,决策损失最小化,并基于粒子群优化算法(PSO)调节参数。该模型内在地考虑了数据不平衡性,并可为决策者与分类器的交互提供有效支持。实验及仿真结果表明,该模型在各种样本不平衡情况下都有很好性能,分类准确率显著地优于对比方法,而且相对稳定,并能很好地根据决策者的偏好控制分类器的决策风险。     

基于E-Chunk的问句实例分析系统

分析中文问句的结构特点,研究处理问句需要解决的问题,提出一种基于语义块实例分析问句的新方法.采用语义块向量表示问句实例,比较输入问句和问句实例库中问句实例的相似性.在语义块向量结构相似的基础上计算问句的相似度.测试结果表明,该方法可行,准确率和召回率可分别达到82.05%和91.95%,该方法对问句分析系统的设计具有借鉴意义和继续深入研究的价值.     

基于边缘特征学习的自然图像对称轴检测

主要研究计算机视觉中一个非常具有挑战性的问题--自然图像中对称轴的检测. 由于图像中杂乱的场景和物体形态的变化, 使得在自然图像中判断像素是否处于对称轴上是非常困难的. 为了解决这个难题, 考虑到边缘与对称轴的互补关系, 提出了2种边缘特征用于帮助对称轴的检测. 2种特征都定义在成对的边缘上, 分别是为了找到边缘强度高和到对称轴距离相等的成对的边缘. 在多尺度和多角度上提取这2种边缘特征, 把它们与底层描述子(颜色、亮度、纹理等)差分特征结合在一起, 在多示例学习的框架下检测自然图像中的对称轴.在SYMMAX300数据集上的实验结果证明了2种边缘特征能够提升对称轴检测的性能.     

《统计学原理》教学方法谈

《统计学原理》具有两个显的特点,其一是抽象性;基二是“三多两难”,既概念多、原理多、公式多、难理解、难记忆。针对这些特点,教师在教学中要把握重点,注意知识体系,摸索一条由特殊到一般,由知识点到知识线,进而串成知识链的教学方法,在传授知识的同时,培养学生分析和解决问题的能力及举一反三、触类旁通的本领,将《统计学原理》学活、学透。     

校园一卡通系统决策支持实例分析

校园一卡通系统积累海量数据,这些数据怎么为各个部门提供决策依据,在哪些方面可以使学校日常管理更加科学有序,使决策的制定更加合理有效,成为值得我们探讨的课题.本文以学校后勤、人事等部门的需求出发,以就餐人数、月均消费情况和洗浴情况三组数据分析实例为主,阐述一卡通系统数据如何支撑学校决策.