曲线曲面局部最小二乘渐进迭代逼近

作为一种有效的大数据拟合方法,曲线曲面最小二乘渐进迭代逼近方法(LSPIA)吸引了众多研究者的关注,并获得了广泛的应用。针对LSPIA算法拟合局部数据点效果较差的问题,提出了一种局部的LSPIA算法,称为LOCAL-LSPIA。首先,给定初始曲线(曲面)并从给定的数据点中选择部分数据点;然后在初始曲线(曲面)上选择需要调整的控制点;最后,LOCAL-LSPIA通过迭代调整这一部分控制点来生成一系列局部变化的拟合曲线(曲面),并且保证生成的曲线(曲面)的极限是在仅调整这部分控制点的情况下拟合部分数据点的最小二乘结果。在多个曲线曲面拟合上的实验结果表明,为达到相同的拟合精度,LOCAL-LSPIA算法比LSPIA算法需要的步骤和运算时间更少。因此,LOCAL-LSPIA是有效的,而且在拟合局部数据的情况下比LSPIA算法的收敛速度更快。

评价理论视角下《蝶恋花·槛菊愁烟兰泣露》两个英译本的对比研究

以晏殊《蝶恋花》的两个英译本为语料,基于马丁的评价理论,对比分析两个译本中态度资源、介入资源和极差资源的分布情况。研究发现:1.两个译文的情感资源均有所删减,鉴赏资源使用最多,这和诗词的文体特点有关;2.介入系统译文进行了调整,增添“显性自言”;3.极差系统减少了原文的语势。本文旨在从系统功能语言学视角评析《蝶恋花》两个英译本,考察在翻译实践中的应用,以期为类似经典诗词翻译提供研究思路。

Gauss-Seidel最小二乘渐进迭代逼近

几何迭代法,即渐进迭代逼近(progressive-iterativeapproximation,PIA),作为一种有效的数据拟合方法,吸引了众多研究者的关注,并获得广泛的应用.针对经典LSPIA算法收敛速度较慢的问题,提出一种基于Gauss-Seidel迭代方法的快速PIA算法,称为GS-LSPIA.首先,从给定的数据点中选取拟合曲线的控制点;然后,采用累加弦长法参数化给定数据点;最后,GS-LSPIA通过迭代地调整控制点来生成一系列拟合曲线(曲面),并且保证了生成的曲线(曲面)的极限是对于给定数据点的最小二乘拟合结果.在多个曲线曲面拟合上的实验结果表明,为达到相同的拟合精度,GS-LSPIA算法比LSPIA算法需要更少的步骤和更短的运算时间.因此,GS-LSPIA是有效的,而且具有比LSPIA算法更快的收敛速度.

预包装食品营养标签的实施状况及消费者认知情况分析

2013年1月1日我国《预包装食品营养标签通则》正式强制实施,标志着我国公众营养教育事业的重大进步。为了解消费者对预包装食品营养标签的认知及食品企业对营养标签的执行情况,选取北京、温州和巴中三个不同规模的城市进行了调研。结果显示,营养标签的推广工作有待提高。消费者对标签的平均关注度为51.7%,且对标签作用及内涵理解不准确问题较为突出。较法规强制实施前,市售预包装食品营养标签标示率大幅提升,达97%以上。但是,标示不规范问题仍然存在,主要有:(1)漏标或错标核心营养素、未突出核心营养素、未标注NRV、格式不正确。在漏标问题中涉及反式脂肪酸的漏标问题的较为普遍。(2)进口食品的营养标签标注不符合我国《预包装食品营养标签通则》。(3)零食小吃的标示不合格率明显高于其他类别的食品。此外,对认知途径的调研结果表明,在营养标签推广工作中重点侧重网络途径将有效提高认知的覆盖率。

混合曲线曲面的CG-LSPIA拟合算法

混合曲线曲面的拟合常应用于计算机辅助设计与制造中,但传统的数据拟合方法缺乏明显的几何意义.最小二乘渐进迭代逼近算法(progressive-iterative approximation for least square fitting, LSPIA)能通过迭代地调整控制点得到原始数据点的最小二乘拟合结果,具有明显的几何意义,但收敛速度较慢.为解决这个问题,本文提出一种基于共轭梯度法的最小二乘渐进迭代逼近算法(conjugate-gradient progressive-iterative approximation for least square fitting, CG-LSPIA).该算法首先计算共轭曲线曲面,再更新混合曲线曲面,在没有数值误差的情况下,迭代至多n步即可生成给定数据点的最小二乘拟合曲线曲面.此外,本文给出了CG-LSPIA算法收敛性证明.最后,以B样条曲线曲面为例,与LSPIA算法进行了比较,实验表明该算法有效,并且减少了达到相同拟合误差限所需的迭代次数与时间.