一类函数加性误差模型参数估计的改进

主要就函数y=axb加性误差模型对数线性化后的随机误差不满足零均值性和同方差性,提出了一种有效的两阶段加权最小二乘估计方法(TSWLS),并用模拟数据试验检验了理论的正确性.

非线性模型参数有偏估计的一种改进

讨论了非线性模型ｙ＝ａｘｂ的对数线性化回归方程参数的普通最小二乘估计．指出估计无效的原因是对数线性模型的随机误差具有异方差性质．运用二步加权最小二乘法改进了参数的估计．并在模拟试验中证明了其优越性．

生长曲线模型中参数的某些检验准则的无偏性问题

讨论了生长曲线模型中尺度参数矩阵和位置参数矩阵的检验问题,证明了当尺度参数矩阵为分块角矩阵时有关参数矩阵的三个似然比检验准则是无偏的.

复生长曲线模型中参数的无偏似然比检验准则

讨论了复生长曲线模型中尺度参数Σ和位置参数ξ的检验问题.设原假设为①H1∶Σ=Ip(Ip为p阶单位阵);②H2∶Σ=Ip且ξ=0(0为q×m阶零矩阵);③H3∶Σ=σ2Ip(σ2>0且未知).证明了当Λ为分块对角矩阵时,相应于备择假设Ai≠Hi(i=1,2,3)检验原假设Hi的似然比检验是无偏的.

一类函数积性误差模型最优校正估计的存在性

就非线性回归模型ｙ＝ａｘｂ线性化后，对参数ａ、ｂ的最小二乘估计进行了校正，并在残差平方和期望最小理论上证明了最优校正系数ｋ和最优校正估计量的存在性．

基于交叉熵测度的成对约束模糊核聚类算法

目前已有的成对约束模糊核聚类研究中,缺乏对成对约束信息的有效测度,进而无法充分利用成对约束这类半监督信息。在成对约束核聚类的基础上,文中提出基于交叉熵测度的成对约束核聚类算法。利用对象交叉熵测度工具,提出最小-最大交叉熵隶属度学习准则,并作为成对约束信息测度项引入到成对约束核聚类的目标函数中,通过拉格朗日最优化处理目标函数,推导出相应聚类算法。实验进一步表明,该算法能够更有效利用成对约束半监督信息提升聚类性能。

网络资源驱动型的数据挖掘课程教改探讨

在互联网这种大环境下，利用网络资源驱动型教学促进多学科交叉和融合，尤其显得重要，同时这本身就是数据挖掘课程的特点和要求。本项目将以数据挖掘的教与学为切入口，采取了一系列的改革措施，通过建立数据挖掘网络资源驱动型平台来充分利用网络资源。

“数值分析”中的三次样条插值实践教学探讨

文章阐述了"数值分析"中的三次样条插值教学中加入实践教学环节的必要性,并通过具体实例介绍了作者在三次样条插值教学中进行了实践教学的尝试和探讨,旨在对今后的三次样条插值的教学起到一定的促进作用。

Spark编程基础课程教学改革与实践

针对传统教学法存在的问题,考虑到学生学习积极性不高的现状,本文提出了基于项目驱动的Spark编程基础课程教学改革,并在教学大纲的制订、教学项目的规划、教学过程的实施、课程考核方案的构建等方面进行了合理设计。实践结果表明,该教学法能够取得很好的教学效果。

生长曲线模型中参数的检验问题

讨论了生长曲线模型中关于原假设为H0:Λ=σ2I,μ=μ0的检验问题,并以2-分布为基础的级数形式给出了似然比检验统计量在以下两类与原假设相接近的备择假设下的渐近分布.K1:I-ηΛ-1=M2Ω,η-1/2(μ1-μ0)=M-1/2δ;K2:I-η-1Λ=M2Q,η-1/2(μ1-μ0)=M-1/2δ.

基于成对约束的交叉熵半监督聚类算法

极大熵聚类(MEC)目标函数中缺乏成对约束的有效信息表达,在拥有少量成对约束的情况下,可能导致有效监督信息的浪费.在MEC的基础上,文中提出基于成对约束的交叉熵半监督聚类算法.利用样本交叉熵表达成对约束信息,并作为惩罚项引入至MEC的目标函数中,通过拉格朗日最优化处理目标函数,得出聚类中心与隶属度的迭代公式.实验表明,文中算法能有效利用少量的成对约束监督信息提高聚类性能,在实际数据应用中性能较好.

如何有效进行英语词汇学习

我国《全日制义务教育普通高级中学英语课程标准》（实验稿，2003）（以下简称《标准》）对中学生的英语语言知识目标的描述中都提高了掌握和运用词汇能力的要求。《标准》在对英语语言技能目标：听、说、读、写的描述中都强调了词汇对这些能力的根本作用。其中最为明显的是对词汇量的要求有了大幅度的提高。七级目标中要达到2400—2500个单词和300-400个习惯用语或固定搭配，

非对称信息在链接预测中的应用

针对基于节点相似性的链接关系预测中因未考虑非对称信息导致预测准确度降低的问题,提出一种新的增加非对称信息的节点相似性度量方法。首先,分析了基于共同邻居(CN)的相似性度量算法的缺陷在于仅考虑CN的数量而未考虑各自节点的所有邻居的数量;然后,将节点之间的相似性度量定义为共同节点与所有邻居节点的比值,融合节点间对称相似信息和非对称相似信息,对节点间的相似程度进行深入细致的刻画;最后,将该方法应用到复杂网络中进行链接关系的预测。在真实数据集上的实验结果表明,与目前多种基于共邻的相似性度量方法——CN、AA、资源分配(RA)相比,所提方法提升了节点相似性度量的准确性,并且可以提高复杂网络中链接关系预测的准确度。

输电线路鸟巢识别中的无人机优化巡检研究

鸟害是威胁我国输电线路安全稳定运行的重要因素之一。近年来中国架空输电线路发生鸟害故障的次数呈逐年增加的趋势,据此本文提出了一种鸟巢识别中的无人机优化巡检准则。本文主要采用Hough算法提取无人机巡检图像特征以识别杆塔;在杆塔识别区,提取颜色纹理特征以识别鸟巢。本文针对无人机巡检鸟巢漏检问题,利用三维建模软件SolidWorks,建立伞型高压杆塔与鸟巢的三维仿真模型,从而提炼出鸟巢识别中的一种无人机优化拍摄准则。该准则能有效降低杆塔遮挡对鸟巢检测的干扰影响,从而达到提高鸟巢检测灵敏性的目的。

基于功效散度和成对约束的半监督聚类算法

现有成对约束半监督聚类算法(CE-sSC)克服了极大熵聚类(MEC)算法不能利用样本成对约束信息的缺点,但CE-sSC算法的惩罚项中各熵项之间相互干扰,不利于惩罚项系数的选择。为克服此问题,基于相对熵提出了一类新的半监督聚类算法(PD-sSC),并把表示成对约束样本信息(外部信息)的相对熵项推广到了功效散度(PD)族。此时,PD指标可取任意的实数,当成对约束数较少时,可通过调整PD散度指标来选择比对比算法表现更好的PD-sSC算法。实验结果显示了PD-sSC算法的优良性质,PD-sSC算法惩罚系数的选择也比CE-sSC算法简单且高效。

媒体微信公众号传播影响力的主成分优化实证研究

[目的/意义]研究媒体微信公众号的传播影响力,为舆情引导和经济决策提供科学依据。[方法/过程]构建基于图文发布、阅读及点赞3个维度上的微信公众号传播影响力评价指标体系,运用主成分分析法,探讨新媒体指数数据平台提供的20个热门微信公众号的传播影响力。[结果/结论]相较于微信传播指数WCI模型,本文的模型评价体系更为完善,基于图文发布、阅读和点赞三个指标的分析,利用方差贡献度确定权重,所得结果更符合实际情况,也更具有科学性和代表性。

依托旅游产业的农村合作社资源共享模式研究

在乡村振兴战略的驱动下,国家对农村愈加重视,随着农村的发展,在我国社会经济快速发展的实际环境下,旧时农村合作社下传统的农业生产模式已经远远不能满足现阶段社会主义建设对农业发展的客观需求,新型农村合作社应运而生并逐步发展。文章主要以湖南张家界某合作社为例,围绕运营模式、经济效益及社会效益、阶段性发展开展对依托旅游产业的农村合作社的资源共享模式研究分析。

基于超声同步观测辅助技术的CT成像系统设计及图像融合

CT检测非刚性物体目标时,会因多角度扫描的异步性而使得重建图像分辨率降低.本文利用超声实时同步观测技术,设计了一种基于超声同步观测辅助技术的CT成像系统,使得通过该成像系统能获取同一个标定系统下的CT重建图像和超声图像.同时基于此系统提出了一个区域特征加权的图像融合方案,从而达到丰富重建图像信息量和提高信息准确率的目的.

基于闭包准则和成对约束的半监督聚类算法

基于功效散度和成对约束的半监督聚类算法(PD-sSC)将相对熵推广到功效散度(PD)族,剔除了目标函数中不同惩罚熵项之间的干扰,提高了惩罚项系数的选择效率。但当成对约束数目相对较大时,PD-sSC算法聚类效果不够理想。为了解决这个问题,提出了一种基于闭包准则的成对约束打包算法(CCPC),该算法利用must-link约束对原样本组进行打包,再利用各个包的中心点替代整个包,从而得到一组新样本,最后利用PD-sSC算法对新样本进行聚类分析。实验结果表明,无论成对约束数目是大还是小,CCPC算法都有很好的表现。

基于半监督模糊聚类的图像压缩研究

针对主流图像压缩方法色彩深度冗余、无法针对特定场景加入标签以优化压缩质量等问题,本文提出了一种基于半监督模糊聚类(SFCM)的图像压缩方法,相比传统的图像压缩算法,该方法能通过引入模糊标签信息以提高特定应用场景下图像压缩的质量,即对特定区域进行标记以达到更好的压缩效果,从而使得图像压缩在更多不同应用场景保留更丰富的信息。本文实验选取传统的Lena图和COVID-19CT图像,实验结果显示此改进的图像压缩方法相比JPEG、K-Means等方法压缩得到的图像具有更好的信噪比。