基于属性选择法的朴素贝叶斯分类器性能改进

为提高朴素贝叶斯(Naive Bayesian)分类器的分类准确率,对朴素贝叶斯属性选择算法及假设属性概率值先验分布中的参数设置问题进行分析,提出将属性先验分布的参数设置加入到属性选择的过程中,并研究当先验分布服从Dirichlet分布及广义Dirichlet分布情况下的具体调整步骤。以UCI数据库为例进行仿真实验,结果表明当先验分布服从广义Dirichlet分布时,该方法可提高分类的准确率,如Parkinsons数据集,效率可提升13.32%。

疫情冲击、慕课热度与选课偏好

基于国内“爱课程”平台的客观数据,从课程组织、课程建设、课程反馈等角度定量分析了影响学习者选择慕课的主要指标,首先利用属性选择法构建了指标组合,之后建立回归方程模型刻画了所选指标的影响程度。实证表明:在全样本下,讨论帖数、国家精品课程等的作用均显著,且开课时机的选择至关重要;对比疫情前、中、后的样本发现,在线教育在推动高等教育因势而进和因时而新方面表现优异;大量非211院校在疫情期间首次、多元化、特色化部署课程,满足复合型人才和应用型人才的培养需求,但仍存在学习氛围情感传递受阻、课程体系不平衡、课程个性化尚待加强等问题。

Development of New Generation Catalysts for Selective Hydrodesulfurization of FCC Naphtha

The influence of active metal components of catalyst, additives and catalyst preparation method on the reactivity of catalyst for selective hydrodesulfurization (HDS) of FCC naphtha was investigated, and the RSDS-21 catalyst with high HDS performance and the RSDS-22 catalyst with high selectivity were developed by RIPP. The composite loading of a new series of catalysts for selective HDS of FCC gasoline has demonstrated excellent desulfurization activity and selectivity and can under conventional hydrotreating conditions manufacture clean gasoline product meeting the national IV emission standard and the Euro V emission standard with less loss in antiknock index. The finalized new series of FCC catalysts upon being adopted for selective HDS of FCC naphtha have good adaptability to different feedstocks along with good stability.

矢量数据栅格化过程中的尺度效应研究

栅格数据在土地综合评价中优势明显,能够快速融合多源数据,适宜研究空间结构不确定、关系复杂的土地问题。本文选取转换尺度区间10～200m,以10m为间隔对研究区进行矢量数据栅格化,利用最大面积值选择法RMA及中心属性值选择法RCC对研究区的土地利用现状图的矢量地类信息进行整合提取,并对结果进行精度评估及分析。研究结果表明,随着栅格尺度增加,RCC方法下区域整体面积损失趋势线围绕0值上下波动,RAM方法下面积损失呈明显负增长。选取0.10%、0.30%、0.50%、1.00%、1.50%精度损失为临界值,各类型图斑的最大允许转化尺度随精度减小而增大。在相同转化尺度下,面积碎化指数、面积周长比越大的图斑类型,面积误差绝对值越小。