期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
随机网络期望中心选址
1
作者 刘玉峰 蒋挺 《东北重型机械学院学报》 1989年第4期10-15,共6页
根据在确定网络中的中心选址理论和算法,结合在随机网络中的中位选址理论和算法,本文提出了在随机网络中期望中心选址理论,并给出了对应的算法。
关键词 随机网络 期望中心 选址
下载PDF
以期望为中心的心理干预在慢性病病人护理中的应用进展
2
作者 王瑶 史静华 +1 位作者 郭丽霞 贾婷婷 《护理研究》 北大核心 2024年第18期3278-3282,共5页
综述以期望为中心的心理干预的概念、机制及在慢性病护理中的应用,提出借鉴和启示,以期为以期望为中心的心理干预在慢性病领域中的应用研究提供参考,提高病人积极期望,纠正不合理预期,提高护理质量。
关键词 期望中心的心理干预 心理护理 慢性病护理 综述
下载PDF
不确定数据的高效聚类算法 被引量:2
3
作者 李云飞 王丽珍 周丽华 《广西师范大学学报(自然科学版)》 CAS 北大核心 2011年第2期161-166,共6页
不确定数据聚类是数据挖掘领域中的一个重要的研究热点。本文介绍了不确定数据聚类的uk-means算法及其改进算法ck-means。由于ck-means算法必须计算每个簇到所有对象的质心的距离,因此当聚类的样本很大时,聚类效率依然不是很好。本文提... 不确定数据聚类是数据挖掘领域中的一个重要的研究热点。本文介绍了不确定数据聚类的uk-means算法及其改进算法ck-means。由于ck-means算法必须计算每个簇到所有对象的质心的距离,因此当聚类的样本很大时,聚类效率依然不是很好。本文提出的kd-means算法只需要计算对象到部分质心的距离,因此可以很大程度地提高ck-means算法的效率。该方法是基于kd树索引而提出的改进策略,并用大量的实验来证明改进算法的有效性。 展开更多
关键词 KD树 ck—means算法 期望中心 候选集 剪枝
下载PDF
Moment bounds for IID sequences under sublinear expectations 被引量:6
4
作者 HU Feng1,2 1Department of Mathematics,Qufu Normal University,Qufu 273165,China 2School of Mathematics,Shandong University,Jinan 250100,China 《Science China Mathematics》 SCIE 2011年第10期2155-2160,共6页
With the notion of independent identically distributed(IID) random variables under sublinear expectations introduced by Peng,we investigate moment bounds for IID sequences under sublinear expectations. We obtain a mom... With the notion of independent identically distributed(IID) random variables under sublinear expectations introduced by Peng,we investigate moment bounds for IID sequences under sublinear expectations. We obtain a moment inequality for a sequence of IID random variables under sublinear expectations. As an application of this inequality,we get the following result:For any continuous functionsatisfying the growth condition |(x) | C(1 + |x|p) for some C > 0,p 1 depending on ,the central limit theorem under sublinear expectations obtained by Peng still holds. 展开更多
关键词 moment bound sublinear expectation IID random variables G-normal distribution central limit theorem
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部