户籍制度功能异化与渐进回归——兼论“后户籍时代”政策议题

长期以来,户籍制度除发挥其本位职能外,还被赋予了本不应该由它承担的许多政治、社会和经济功能,功能发生了严重异化,主要源于对其社会控制职能的无限放大。改革开放以来,人口和劳动力的大规模流动、劳动力市场供求形势变化、城市福利体系改革,以及基本公共服务均等化的推进,共同构成了户籍功能渐进回归的主要推动力量。户籍制度改革的终极目标是从"控制体制"回归"登记体制",中间仍要经历较长的过渡期。与三种体制相对应,"社会控制论"、"社会治理论"和"自由流动论"具有较强的解释效力。新一轮户籍改革中地方政府具有更大的行政裁量权,城市层级体系优化,特别是城市资源配置的均衡发展,以及财政体制成为影响"后户籍时代"改革成败的关键因素。

影响级配碎石填料冻胀特性的多因素渐进回归分析

为研究含水率、干密度、细粒含量、冷端温度耦合作用下级配碎石填料冻胀特性,在封闭系统下进行单向冻结正交试验;采用多元渐进回归分析法,综合考虑单因素及交互作用影响,借助剔除?递补?回归循环机制遴选出显著影响因素,建立冻胀率回归方程,在因素水平范围内,利用所建立的回归方程确定级配碎石填料最大冻胀率相应因素组合。研究结果表明:对冻胀率的影响从大到小依次为含水率、干密度、细粒含量、冷端温度;其中,含水率、细粒含量与冻胀率呈正相关性,而干密度对冻胀率的影响取决于细粒含量和冷端温度,冷端温度影响则取决于干密度,交互作用显著;冻胀率预测值与验证试验结果吻合;控制级配碎石填料含水率<4%,可满足冻胀率<1%的冻胀防治要求。

梯度渐进回归树在建筑能耗短期预测中的应用

建筑能耗短期预测可以为供能系统调度、节能量评估提供依据,因此如何精确地预测建筑能耗一直是建筑节能领域的研究热点之一。针对建筑能耗短期预测问题,提出了一种基于梯度渐进回归树(GBRT)的建筑能耗预测方法。算法流程包括对数据进行预处理,通过交叉验证优化模型参数,训练GBRT模型用于建筑能耗短期预测。通过上海市某大型公共建筑实测数据进行验证,结果表明,与基于人工神经网络和支持向量机的预测算法相比,基于GBRT的建筑能耗预测算法预测精度更高,同时参数在很宽泛的范围均可以接近最优结果,算法具有较强的实用性。

梯度渐进回归树算法在电子商务品牌推荐中的应用

针对电子商务推荐系统中,互联网"信息过载"所造成的难以准确定位用户兴趣并提供准确品牌推荐的问题,通过深入挖掘电子商务网中的用户行为日志,抽取出能辨别出用户对商品品牌购买行为的多个特征,然后将这些特征融入到梯度渐进回归树算法中,建立用户兴趣偏好模型来提高推荐精度.实验结果表明,在数据稀疏的情况下,该算法仍能较好的识别出用户对品牌的偏好,并在推荐准确度方面较其他传统推荐和分类算法有明显的提高.

运用渐进回归正交法建立再生水管道腐蚀速率模型

以Cl^-、SO_4^(2-)、p H值和总硬度为典型水质因素,通过正交试验分析模拟再生水动态管网中上述水质因素对腐蚀速率的影响。通过正交极差分析发现,各水质因素对腐蚀速率的影响程度由大到小为:p H值>总硬度>SO_4^(2-)>Cl^-。利用渐进优化多元线性回归法对得到的数据进行分析,建立了拟合度为0.998的再生水管道腐蚀速率水质因素影响数学统计模型。同时,采用再生水厂原水进行验证试验,并将获取的数据代入模型,结果表明该模型误差较低,模拟效果较好。

基于回归近邻成分分析和GBRT的室内定位方法

WiFi指纹定位方法性能易受到室内无线信号波动的影响使得离线指纹存在冗余噪声而导致定位精度不足。对此,本文提出一种改进近邻成分分析(NCA)结合渐近梯度回归树(GBRT)室内定位方法。首先,构造连续可微的目标函数将离散优化问题转化为连续优化问题,并对离线指纹数据库进行特征提取去除冗余得到离线指纹的主要特征;然后,利用提取特征后的位置指纹数据和特征对应的坐标迭代构造多个CART TREE,利用每个CART TREE损失函数的负梯度值构造集成多个CART TREE得到GBRT定位模型;最后,利用待定位点位置指纹信号特征结合GBRT定位模型预测待定位点位置。实验结果表明:所提出算法相较于其他同类算法误差分别减少14.7%,22.4%,37.1%,能够有效提高定位精度。

基于深度学习与数据挖掘的在线学习预测评估模型设计

在网络教学课程的实施过程中,仅根据在线数据对学生成绩进行预测的难度较大,针对这一问题,文中提出了一种基于深度学习与数据挖掘的成绩预测与评估模型。该模型依托网课平台采集学习者的行为数据,通过K-means算法对影响成绩的学习行为进行聚类分析,并筛选出关键因素,采用畸变函数来判断算法的收敛性。在分析各关键因素对成绩预测的影响权重时,引入了梯度渐进回归树构建评估预测模型,实现了对学生成绩的预测,并使用均方根误差来描述迭代精度。实验结果表明,所提出的成绩预测评估模型能够有效降低均方根误差约30%,具有良好的准确率。

基于梯度回归树的化工品价格预测

提出一种基于GBDT(梯度回归决策树)的化工品价格预测方法。通过宏观分析、微观分析和上下游产业链分析,确定相关影响因素,构造特征向量。根据深入业务分析,对影响因素特征进行扩充,提高模型的VC维。模型的性能指标分析表明,该算法的预测精度具有较高的预测精度,能够帮助企业实现动态成本控制;合理安排生产计划和库存配置。

GBRT技术在MLS模拟训练成绩评估中应用

综合成绩评估是军事后勤模拟训练系统中的一个重要功能模块,为了实现模拟训练自动化成绩评估,在模拟训练系统成绩评估中提出使用梯度渐进回归树(GBRT)智能技术。在对某科目的后勤模拟训练成绩数据分析基础上,找出线性无关评估指标特征集合"人员配置成绩、完成任务时间和装备操作正确率"作为输入数据,建立基于GBRT成绩评估预测模型,最后通过优化参数组合的GBRT评估模型预测模拟训练综合成绩。经过某科目的模拟训练成绩数据样本测试,基于GBRT模型评估综合成绩与实际训练成绩基本一致,从而验证GBRT技术在军事后勤保障模拟训练成绩评估中应用的可行性和有效性,为军事后勤保障模拟训练系统自动化成绩评估增添新的途径和方法。

基于珞珈一号夜间灯光数据的人口空间化研究

夜间灯光数据被越来越多地应用于人口空间化领域的研究中。珞珈一号夜间灯光数据是最新一代的夜间灯光数据,为探究其在人口空间化方向的应用价值和潜力,以珞珈一号夜间灯光数据和土地利用数据为源数据,在乡镇(街道)尺度上分区建立了渐进回归模型,进而得到北京市人口空间化结果,并与NPP/VIIR的结果进行对比。结果表明,珞珈一号夜间灯光数据回归结果的拟合程度和精度均优于NPP/VIIRS回归结果,且这种优势在人口密度小的区域更明显;基于珞珈一号夜间灯光数据的人口空间化结果能清晰展示城市内部人口空间分布的差异,对城市资源、环境管理具有实际意义。

Unbiased Quasi-regression

Quasi-regression, motivated by the problems arising in the computer experiments, focuses mainly on speeding up evaluation. However, its theoretical properties are unexplored systemically. This paper shows that quasi-regression is unbiased, strong convergent and asymptotic normal for parameter estimations but it is biased for the fitting of curve. Furthermore, a new method called unbiased quasi-regression is proposed. In addition to retaining the above asymptotic behaviors of parameter estimations, unbiased quasi-regression is unbiased for the fitting of curve.