On the Equality of Weighted BajratarevićMeans to Quasi-Arithmetic Means

In this paper, we considered the equality problem of weighted Bajraktarević means with weighted quasi-arithmetic means. Using the method of substituting for functions, we first transform the equality problem into solving an equivalent functional equation. We obtain the necessary and sufficient conditions for the equality equation.

Solving Invariant Problem of Cauchy Means Based on Wronskian Determinant

This paper studied the invariance of the Cauchy mean with respect to the arithmetic mean when the denominator functions satisfy certain conditions. The partial derivatives of Cauchy’s mean on the diagonal are obtained by using the method of Wronskian determinant in the process of solving. Then the invariant equation is solved by using the obtained partial derivatives. Finally, the solutions of invariant equations when the denominator functions satisfy the same simple harmonic oscillator equation or the denominator functions are power functions that have been obtained.

An Optimal Double Inequality among the One-Parameter, Arithmetic and Geometric Means

In the present paper, we answer the question: for 0a what are the greatest value p(a) and the least value q(a) such that the double inequality Jp(a,b)aA(a,b)+ (1-a)G(a,b)Jq(a,b) holds for all a,b>0 with a is not equal to?b ?

On Two Double Inequalities (Optimal Bounds and Sharps Bounds) for Centroidal Mean in Terms of Contraharmonic and Arithmetic Means

This research work considers the following inequalities: λA(a,b) + (1-λ)C(a,b) ≤ C(a,b) ≤ μA(a,b) + (1-μ)C(a,b) and C[λa + (1-λ)b, λb + (1-λ)a] ≤ C(a,b) ≤ C[μa + (1-μ)b, μb + (1-μ)a] with . The researchers attempt to find an answer as to what are the best possible parameters λ, μ that (1.1) and (1.2) can be hold? The main tool is the optimization of some suitable functions that we seek to find out. By searching the best possible parameters such that (1.1) and (1.2) can be held. Firstly, we insert f(t) = λA(a,b) + (1-λ)C(a,b) - C(a,b) without the loss of generality. We assume that a>b and let to determine the condition for λ and μ to become f (t) ≤ 0. Secondly, we insert g(t) = μA(a,b) + (1-μ)C(a,b) - C(a,b) without the loss of generality. We assume that a>b and let to determine the condition for λ and μ to become g(t) ≥ 0.

Combinatoral Inequality of the Arithmetic and Geometric Means

We get Combinatoral

优化聚类分簇结合自适应中继策略的双簇首WSNs路由算法

针对无线传感器网络中分簇路由算法节点能量利用率低、能量消耗不均匀等问题,提出了一种优化聚类分簇结合自适应中继策略的双簇首无线传感器网络路由算法.该算法对分簇路由协议中的三个阶段分别进行优化设计.成簇阶段,首先对双簇首模型下最优成簇规模与网络能耗的关系进行理论分析,然后使用改进的算术优化算法计算模糊C均值算法的初始聚类中心,提高了模糊C均值算法聚类成簇的准确率和鲁棒性.簇首选举阶段,引入双簇首策略,以节点的位置、能量和中心度为影响因子,根据承担任务的不同分别为内外簇首设计独立的簇首评价函数,以评价值为依据由节点分布式动态选举簇首减少了广播数量,同时可以将整个簇的能量负载平均分配到每个簇成员节点中.数据传输阶段,设置了多跳中继策略的距离适用条件,并以能量消耗速率为依据选择中继节点,避免了节点提前过载.仿真结果表明:在多种规模的网络中,该算法相较于对比算法在均衡网络负载、提高能量利用效率方面效果更好,从而延长了网络的有效感测时间.

一组加权平均值参数不等式

采用变量替换,构建了一组加权平均值参数不等式,对Popovic不等式与Rado不等式进行了加权推广,加细了加权算术几何调和平均值不等式.

关于大角度单摆周期近似公式的分析与探讨

对文献中的大角度单摆周期近似公式进行了全面的分析和探讨,在解析形式上,利用算术几何平均值递归法,虽然精确度最高,但考虑到计算的方便性、公式的简洁性以及实验测量精度的需求时,可选用其他简易的近似公式.

关于两族推广的孪生对称不等式的证明

应用Karamata不等式、Popoviciu不等式、算术-几何平均不等式和凸函数的性质,证明了两族推广的孪生对称不等式.

基于K-means算法的中国移动市场顾客行为细分策略研究

分析了中国移动市场现状和顾客行为分析中的问题 ,结合K means算法和顾客行为细分方法 ,提出基于K means算法的中国移动市场动态顾客行为细分模型 ,并结合具体案例 ,进行了实证研究。

基于K-means算法的校园网用户行为聚类分析

在给出K-means算法流程的基础上,以校园网认证计费系统日志为研究对象,实现一个基于K-means算法的校园网用户行为聚类分析,得到不同特征的用户组,为今后进一步了解用户行为特征、更好制定校园网络策略奠定基础。

基于改进Mean Shift算法的实时视频目标跟踪

设计了一套嵌入式平台上实现的视频目标跟踪系统.该系统采用CMOS图像传感器获取视频信号,利用Z228多媒体芯片自带的ARM9处理器完成视频信号的控制,并通过MPEG-4硬件编码器实现视频信号的压缩.用Mean Shift算法跟踪运动目标,针对其收敛的局限性设置多个搜索点来提高其跟踪效果.通过减少采样点和标记已计算点来提高代码运行速度,增强了跟踪的实时性.实验结果表明,本系统能以27fps速率连续稳定地实现视频目标的跟踪.

算力互联网对形成新型生产关系的作用逻辑与实践方式

算力互联网是面向算力应用与调度需求,通过能力增强和系统升级形成的新型基础设施和技术产业体系,是培育和形成新质生产力的重要抓手。算力互联网能够显著降低企业交易成本,推进产业分工形态变革,助力形成与新质生产力相适应的新型生产关系,让生产要素特别是数据要素向发展新质生产力方向顺畅流动。在多元化算力供给的环境下,推进算力互联互通技术体系研究和应用,形成标准化可调度的算力服务是解决当前算力互联挑战的重要手段。推进算力互联互通,塑造适应性新型生产关系,需从强化顶层设计、加快标准建设、推进平台建设、培育算力市场、推广行业应用等五方面发力。

建筑工程中基于层次分析和综合权重的施工质量分析方法

针对传统的质量管理方法往往难以全面而准确地评估施工过程中的各项因素的问题,提出了一种基于层次分析和综合权重的施工质量控制方法,并进行了研究设计,包括指标体系构建、递阶层次结构的建立、指标分析,从而对整个施工过程进行质量把控。

乡村振兴绩效评价指标体系构建与评价方法——基于自适应语言加权聚合算子

由于决策环境的复杂性以及人类思维的模糊性,人们往往会面对的语言信息多属性决策问题。为解决这一问题,我们给出一种基于自适应语言加权聚合算子的多准则决策方法,该方法可以在决策评价过程中如何降低认知偏差等因素给属性权重的可靠性和稳定性带来的影响。为此,首先提出了在新的语言集下多准则决策的聚合算子,包括语言加权几何平均算子和语言加权算术平均算子。在此基础上,针对区间变量构成的不确定语言信息集,提出一种自适应语言加权算术平均决策方法。最后利用该方法判断乡村振兴绩效优劣的合理性和实用性。

一种基于知网的K-means聚类算法

本文通过引入知网的概念，对传统的K-means聚类算法进行了分析，初始聚类中心的选择对聚类结果有较大的影响，初始值选择的不好，可能无法得到有效的聚类结果，这也成为K-means算法的一个主要问题。采用聚类中心的搜索算法来进行聚类中心的选取，对其初始聚类中心确定一个初始划分，运用“射靶”的原理进行了改进，找到“靶心”得到一个最终选定的初始聚类中心，从而提高算法的稳定性，得到较稳定的聚类结果。实验结果表明，采用改进后的K-means作为簇心生成算法，随着待聚类文档数目的增加，效率提升更为突出。

基于目标模型自适应更新的mean shift跟踪算法

本文提出一种自动更新mean shift跟踪模型的算法。该算法采用Kalman滤波对跟踪系统下一帧的目标模型进行预测,通过对滤波残余误差样本的假设检验,提出一种更新机制。实验结果表明,跟踪系统可以在目标被遮挡或形状改变的情况下,有效地更新目标模型,实现实时目标跟踪。

SHARP BOUNDS FOR TOADER-TYPE MEANS IN TERMS OF TWO-PARAMETER MEANS

In the article,we prove that the double inequalities Gp[λ1a+(1-λ1)b,λ1 b+(1-λ1)a]A1-p(a,b)<T[A(a,b),G(a,b)]<Gp[μ1 a+(1-μ1)b,μ1b+(1-μ1)a]A1-p(a,b),Cs[λ^(2) a+(1-λ2)b,λ2 b+(1-λ2)a]A1-s(a,b)<T[A(a,b),Q(a,b)]<Cs[μ2 a+(1-μ2)b,μ2 b+(1-μ2)a]A1-p(a,b)hold for all a,b>0 with a≠b if and only ifλ1≤1/2-(1-(2/π)2/p)1/2/2,μ1≥1/2-(2p)1/2/(4 p),λ2≤1/2+(2(3/(2 s)(E(21/2/2)/π)1/s)-1)1/2/2 andμ2≥1/2+s1/2/(4 s)ifλ1,μ1∈(0,1/2),λ2,μ2∈(1/2,1),p≥1 and s≥1/2,where G(a,b)=(ab)1/2,A(a,b)=(a+b)/2,T(a,b)=∫0π/2(a2 cos2 t+b2 sin2)1/2 tdt/π,Q(a,b)=((a2+b2)/2)1/2,C(a,b)=(a2+b2)/(a+b)and E(r)=∫0π/2(1-r^(2) sin^(2))1/2 tdt.

基于Spark平台的K-means算法的设计与优化

聚类中心需要手动设置是K-means算法最大的问题,而通常情况是并不能确定现实中数据的分类情况。为了解决这一问题,提出了一种新的OCC K-means算法。不同于传统算法以随机选择的方式产生聚类中心,该算法进行必要的预处理,利用UPGMA和最大最小距离算法对数据点进行筛选,得到可以反映数据分布特征的点,并作为初始的聚类中心,以提高聚类的精度。从两次的实验结果可以对比出,在不同的数据集上,改进算法在衡量聚类效果的准确率、召回率、F-测量值上的表现要优于传统K-means算法。这是因为OCC算法选择的中心点来自于不同的且数据密集的区域,并在筛选的过程中排除了噪声数据、边缘数据对实验的干扰;同时为了契合大数据发展潮流,使用Scala语言在Spark平台进行了并行化实现,提高了算法处理海量数据的能力,并通过实验指标验证了算法具有良好的并行化能力。

一种改进森林优化的K-means聚类算法

针对K-means算法易受聚类中心影响而陷入局部最优的问题,提出一种基于改进森林优化算法的K-means聚类算法。首先,将衰减因子引入传统算法中提出一种自适应微量步长方法,以加快算法收敛速度,并改善算法的全局搜索与局部开发能力;然后,结合遗传算法中的算术交叉操作思想,改进传统算法全球播种阶段的选择策略,使得算法能够跳出局部最优,提高算法优化精度。通过基准测试函数实验,验证了改进算法的有效性和优越性。最后,结合改进算法和K-means算法,提出一种新的聚类算法,并通过在UCI数据集上的实验结果表明,提出的聚类算法具有较高的聚类准确率。