基于典型相关分析的变化检测中变化阈值的确定

以东营市为例 ,把基于典型相关分析的方法运用于多时相遥感影像的变化检测中。对于变化阈值的确定 ,采用了一种基于贝叶斯理论的最小错误率的方法。这种方法实质上是一种非监督分类的方法 ,即不需要地面实况数据或其它先验知识 ,直接对典型相关处理后的差值图像进行分析计算得到阈值 ,使变化检测的错误率达到最小。实验结果证明了这种方法的有效性。

基于数据挖掘关联规则分析法的呼吸机预防性维护机制与数据分析研究

目的:探讨基于数据挖掘关联规则分析法的呼吸机预防性维护机制在呼吸机设备管理中的应用价值。方法:选取医院临床在用的91台呼吸机,采用随机数表法将其分为对照组(45台)和实验组(46台),对照组采用常规定期预防性维护,实验组采用基于数据挖掘关联规则分析法的呼吸机预防性维护机制,制定支持度的最小支持阈值和置信度的最小置信阈值,按需进行预防性维护。对比两组呼吸机维护次数、故障数和故障类型的差异性。结果:实验组预防性维护年均次数低于对照组,差异有统计学意义(t=4.17,P<0.05);实验组年故障数和年平均故障数均低于对照组,差异有统计学意义(t=4.44,t=3.76;P<0.05);实验组呼吸机管路故障和清洁消毒故障低于对照组,意外碰撞故障高于对照组,差异有统计学意义(x^(2)=4.45,x^(2)=4.29,x^(2)=5.74;P<0.05)。结论:基于数据挖掘关联规则分析法的呼吸机预防性维护机制,可在一定程度上降低责任工程师工作量,减少人为因素引起的设备故障,提高呼吸机临床使用效率。

一种基于频率的多最小支持度挖掘算法

关联规则是描述数据集中不同项之间的稳藏关系,现有的挖掘算法大多是挖掘数据集中满足用户指定的最小支持度和最小置信度约束的所有关联项。由于仅有一个最小支持度用于整个数据集,如果最小支持度很高,则不能发现出现频率较低的项目;如果最小支持度太低,则会出现规则爆炸的现象。为此,提出一种基于频率的多最小支持度挖掘算法,该算法将数据集中各项目实际频率作为其最小项目支持度,并通过设置项目频率最小阈值控制频繁项集的产生。在合成数据集、Zoo数据集和kaggle提供的数据集上的实验结果表明,该算法能更加有效地挖掘关联规则。

基于Apriori关联规则算法提高雷达测速精度研究

在利用初速雷达测试弹丸炮口初速的试验中,如何选择雷达的布站地点一直依靠的是参试人员的经验,始终没有一个科学准确的方法。为了解决这一难题,选择采用Apriori关联规则算法,从大量的历史试验数据中挖掘出测试的初速数据精度很高时对应的雷达布站地点。将雷达的布站地点作为关联规则的左规则、测速精度作为关联规则的右规则,利用Apriori算法就能挖掘出满足最小支持度阈值和最小置信度阈值的强规则,为确定雷达布站地点提供重要依据。通过测试数据进行验证,实验结果表明,根据挖掘出的强规则进行雷达布站,测试出的弹丸初速精度明显提升,表明该方法有效提升了初速雷达的测速精度。

税收协定中艺术家和运动员条款的适用研究

跨国艺术家和运动员虽然是少数群体,但一直是国际税收领域重点关注的对象。为防止跨国艺术家和运动员逃避税、保障来源国税收利益,OECD范本第17(1)条运动员和艺术家条款应运而生。然而,该条款在实践中却产生了过度征税、双重征税、征管成本较高、税收待遇不公平等问题。为解决上述问题,有关税收协定范本和税收协定引入了最低限额规则。基于最低限额规则能够在保障来源国税收利益和限制来源国征税权之间实现平衡,并考虑到我国税收协定中艺术家和运动员条款的实践问题,本文建议我国采纳最低限额规则,并在引入时考虑所得限额的合理性等问题。