半参数EV模型二阶段估计的渐近正态性

考虑半参数EV模型 Yi =x′iβ+g(Ti)+ei,Xi =xi +ui,1≤i≤n,β∈Rp 为未知回归参数,g(·)为[0,1]上的未知Borel函数。利用近邻权函数并综合最小二乘法建立了参数的估计量,并研究了它们的渐近正态性。     

基于支持向量机与k近邻相结合的网络入侵检测研究

针对基于支持向量机算法的网络入侵检测方法,对交错严重的大规模复杂样本集,分类面附近的样本被正确分类可信度低,基于k近邻算法的检测方法测试结果不稳定等问题,提出一种将k近邻与支持向量机相结合的网络入侵检测方法。在分类时,计算待识别的网络连接记录样本与最优分类超平面的距离,如果距离大于预设阀值,采用支持向量机算法对连接记录进行分类,否则采用k近邻法对连接记录进行分类,同时为减少检测方法受样本分布不均衡的影响,采用带权重因子的欧式距离来度量样本间的相似度。最后在KDD99数据集上进行仿真实验,结果表明,相对于单一的支持向量机或k近邻算法的网络入侵检测方法,k近邻与支持向量机相结合的入侵检测方法可以进一步提高网络入侵检测的正确率,是一种较好的网络入侵检测方法。     

一种基于局部奇异值分解和最近邻决策规则的人脸识别方法

提出了一种基于局部奇异值分解和最近邻决策规则的人脸图像识别方法。其主要内容包括以下方面：由于奇异值向量具有稳定性、转置不变性等特点,对归一化的人脸图像,采用局部奇异值分解抽取人脸图像特征作为识别特征;针对人脸识别问题,采用最近邻决策规则取代隶属度函数来进行分类识别。实验结果显示,所提出的方法减少了数据计算量,运行速度快,并提高了识别率。同时,人脸识别结果也证明了该方法的有效性。     

Predicting Business Failure Using an RSF‐based Case‐Based Reasoning Ensemble Forecasting Method

Case‐based reasoning (CBR) is considered a vital methodology in the current business forecasting area because of its simplicity, competitive performance with modern methods, and ease of pattern maintenance. Business failure prediction (BFP) is an effective tool that helps business people and entrepreneurs make more precise decisions in the current crisis. Using CBR as a basis for BFP can improve the tool's utility because CBR has the potential advantage in making predictions as well as suggestions compared with other methods. Recent studies indicate that an ensemble of various techniques has the possibility of improving the performance of predictive model. This research focuses on an early investigation on predicting business failure using a CBR ensemble (CBRE) forecasting method constructed from the use of random similarity functions (RSF), dubbed RSF‐based CBRE. Four issues are discussed: (i) the reasons for the use of RSF as the basis in the CBRE forecasting method for BFP; (ii) the means to construct the RSF‐based CBRE forecasting method for BFP; (iii) the empirical test on sensitivity of the RSF‐based CBRE to the number of member CBR predictors; and (iv) performance assessment of the ensemble forecasting method. Results of the RSF‐based CBRE forecasting method were statistically validated by comparing them with those of multivariate discriminant analysis, logistic regression, single CBR, and a linear support vector machine. The results from Chinese hotel BFP indicate that the RSF‐based CBRE forecasting method could significantly improve CBR's upper limit of predictive capability. Copyright © 2011 John Wiley & Sons, Ltd.     

图论在旅游线路选择中的应用

运用“最邻近插入法”和“分枝定界法”两种方法建立寻找近似最佳旅游线路的图论模型，提出求解的算法，并以莆田市为例具体分析它们的求解过程，为旅游者设计旅游线路提供理论依据和参考。     

一类通用神经网络非线性系统模型参考自适应控制

针对任意复杂的具有最小相位,滞后环节和非最小相位特性的离散非线性系统,提出一种通用的直接神经网络模型参考自适应控制.并采用具有在线学习功能的最近邻聚类算法训练RBF神经网络控制器,同时引入优化策略对聚类半径进行自动调整,并利用构造伪系统的方法构成一种对非最小相位同样有效的神经网络模型参考自适应控制器.仿真研究证明,该控制策略不仅能使多种非线性对象跟踪多种参考信号,而且抗干扰能力和鲁棒性也很好.     

一维双原子链晶格振动中的次近邻

目的研究一维双原子链的色散关系,并与最近邻近似下的结果进行比较。方法以一维离子晶体为例,分别考虑次近邻原子和所有原子的作用,利用数值模拟的方法。结果得到了一维双原子链的色散关系的一般表达式,即ω2=2m11m2{-x(m1 m2)±[x2(m1 m2)2-4m1m2(x2-y2)]}。结论对一维双原子链来说,次近邻对色散关系的贡献也是比较大的。     

浅谈如何提高小学数学课堂教学的有效性

高质量、高效率的课堂教学始终是教师永恒的追求。如何构建有效的数学课堂教学,本文结合自己的教学实践,从注重问题情境创设、注重课堂教学过程、注重课堂评价三个方面提出来提高小学数学课堂教学有效性。     

基于径向基函数神经网络车辆跟驰模型

针对由于驾驶行为的不确定性,难以建立精确的车辆跟驰模型的问题,应用径向基函数神经网络建立了跟驰模型,改进了基于最近邻聚类的网络学习算法,并利用跟驰数据对模型进行了验证.结果表明,该网络模型与多层前馈网络模型相比,结构简单,训练时间短,精度高,适宜在线进行实时预测.