复合家庭类型细分方案——以河北省为例

基于河北省全员人口数据库,综合考虑了家庭所含代数,第一代家庭成员中的夫妻对数,是否存在隔代现象,夫妻是否残缺、是否流出等因素,提出了复合家庭类型的4类细分方案,将复合家庭分为40种Ⅳ级类型.基于关系数据模型,构建了复合家庭识别模型.研究表明:河北省复合家庭占全部家庭的比重为2.44%,复合家庭平均户规模为7.38人/户.滹滏平原是河北省复合家庭占比高值区.复合家庭类型细分方案为开展复合家庭分类的理论研究和管理实践提供了统一的分类方案,复合家庭识别模型为揭示复合家庭分布规律和行为特征提供了基于人口大数据的分析模型.

中文文本同频词统计规律及在关键词提取中的应用

通过大量实验对中文文本中同频词的统计规律进行了研究,利用齐普夫定律推导出了适合中文文本的同频词数的数学表达式,能更准确地表示出不同长度的文本中各频次的同频词数;借助同频词数的数学表达式,重新确立了中文文本中高频词和低频词的界分公式,并通过实验验证了该公式能够更好地界分高频词和低频词。将提出的统计规律应用于中文文本关键词提取,有效提高了关键词提取效率,在文本长度不小于3 010词的前提下,频次为1和频次为2的词不必参与TF-IDF值的计算,可将计算效率提高2~7倍,且没有造成关键词丢失。解决了学术界关心的如何处理中文低频词的问题,对关键词提取中如何处理低频词提供了可操作标准。

基于粒计算的多尺度聚类尺度上推算法

多尺度科学在数据挖掘领域的研究多见于图像和空间数据挖掘,对一般数据的多尺度特性研究较少。传统聚类算法只在单一尺度上进行,无法充分挖掘蕴藏在数据中的知识。引入粒计算思想,进行普适的多尺度聚类方法研究,对数据进行多层次、多角度分析,实现一次挖掘,多次应用。首先,介绍粒计算相关知识;然后,提出多尺度聚类尺度上推算法UAMC(upscaling algorithm of multi-scale clustering),以簇为粒子,簇心为粒子特征进行尺度转换,利用斑块模型得到大尺度知识,避免二次挖掘带来的资源浪费。最后,利用UCI公用数据集和H省全员人口真实数据集对算法性能进行实验验证,结果表明算法在准确性上优于K-means等基准算法,是有效可行的。

粒子群算法在分布式ETL任务调度中的应用

随着分布式数据环境越来越复杂,ETL工具要面临数据源多、分布地域广和海量数据等因素带来的挑战。原有的集中式ETL工作流优化理论不能满足现在复杂数据环境的要求。介绍了如何将基于置换的离散型粒子群算法应用到分布式ETL任务优化调度问题上,主要工作围绕ETL工作调度模型、算法编码设计、目标函数选择等内容来展开,给出了分布式ETL工作调度策略的实现过程和伪代码。理论分析和实验证明了实际应用的有效可行性。

灰色模型在PM2.5预测中的应用

PM2.5对空气质量和能见度等有重要的影响,了解其变化趋势,对制定合理的治理机制具有现实意义.在传统的GM(1,1)模型的基础上,提高数据的光滑度,建立了改进的GM(1,1)模型,并利用MATLAB实现GM(1,1)模型算法.以石家庄市PM2.5浓度作为研究对象,以历史数据预测未来数据,并检验其精度.结果显示,石家庄市PM2.5浓度,在短期内仍将保持较高值,采取措施控制PM2.5浓度不容忽视.

Lupaş q-Bézier曲线的几何求值算法及其应用

Lupaşq-Bézier曲线是一种以q-整数作为形状参数的广义Bézier曲线。本文构造了Lupaş q-Bézier曲线的一种新型几何求值算法,该算法倒数第二层2个节点的仿射组合与曲线相切。利用算法的相切性质得到Lupaş q-Bézier曲线导矢的一种新表示,并实现了Lupaş q-Bézier曲线的细分。特别地,二次Lupaş q-Bézier曲线分割得到的2条子曲线的形状参数的乘积等于原曲线的形状参数。进一步,得到了加权Lupaş q-Bézier曲线的一种新型几何求值算法,该算法具有显式矩阵表示。

改进型插值IELAD算法在图像去噪中的应用

基于视频信号处理中用于场内插值的边缘自适应平均算法(ELA)思想,提出一种针对椒盐噪声图像滤波的改进型边缘自适应平均去噪算法(IELAD)。算法在扩展横向5+5阶ELA窗口的基础上增加了纵向5+5阶ELA窗口。根据噪声点所处边缘方向,自适应地确定窗口及滤波方向进行滤波处理。实验表明IELAD算法充分利用了ELA窗口的保边特性,能够在去除椒盐噪声的同时有效地保持图像的边缘及细节信息。

基于概念复合的对偶三支概念格及其概念约简

三支概念格通过正负算子相结合,既表示出了共同拥有的信息,又表示出了共同不拥有的信息,是对经典概念格的扩展。但在处理一些实际问题时,人们也会从反向出发,考虑集合的补集可能不拥有的信息和可能拥有的信息,对偶三支概念格应运而生。文中提出了一种基于形式背景的对偶概念及其补背景中对偶概念的复合来构造对偶三支概念格的方法,经验证,通过概念复合方法得到的对偶三支概念与通过对偶三支算子得到的概念相同。进一步讨论了基于可辨识矩阵求解对偶三支概念格的属性约简方法,并借助此思想,给出了基于概念可辨识矩阵的对偶三支概念约简方法。

分层多尺度决策信息系统的序贯三支决策

传统信息系统中每个属性只有一个尺度,但随着海量数据的涌现,实际应用中经常是在多个尺度上处理和分析问题.三支决策是解决分类问题的一种经典方法,序贯三支决策是在三支决策的基础上进行多步决策的一种方法.将多尺度决策信息系统与三支决策相结合,基于决策理论粗糙集提出分层多尺度决策信息系统的序贯三支决策模型,得到动态变化的正域、负域、边界域.对多尺度决策信息系统进行分层,依次在分层后得到的多个单尺度决策信息系统上进行讨论,构建尺度层面的序贯结构;在每个单尺度决策信息系统上,通过增加属性的方式得到属性子集序列,诱导出多级粒度结构,构建该尺度下粒度层面的序贯结构.为此,给出两种属性子集序列的选择方法;在序贯三支决策过程中,利用相对损失函数计算阈值,并讨论了阈值的性质;最后给出序贯三支决策过程中的分类规则,并用实例说明提出的模型能有效地处理分类问题.

基于区间值的广义多尺度决策系统及最优尺度组合选择

多尺度决策系统基于多粒度思想对数据进行不同角度、深层次的分析与处理.目前,多尺度决策系统主要处理单值形式的数据,但在许多实际问题中,决策系统中的数据往往以区间值的形式存在.因此,将经典的多尺度决策系统推广到区间值上具有一定的意义.本研究定义了广义多尺度区间值决策系统的概念;基于Jaccard相似率推广了计算多属性下对象之间的相似度,以构造θ-相容关系;讨论了保持4种分布协调性相互等价的θ取值;证明了在不协调广义多尺度区间值决策系统中,任取一个θ值获得的最优尺度组合与取关于θ的某个区间范围获得的最优尺度组合相同.

构造曲率单调的组合二次h-Bézier曲线

h-Bézier曲线(h>0)又被称为Pólya曲线,它具有与经典Bézier曲线(h=0)一致的诸多优良性质。为此,文中研究了二次h-Bézier曲线具有单调曲率的充要条件及其构造算法。首先,讨论二次h-Bézier曲线曲率极值的存在性,得到曲线具有单调曲率的充要条件;通过引入曲率临界圆,给出判断二次h-Bézier曲线曲率单调性的几何方法,即检查二次h-Bézier曲线的中间控制点是否在曲率临界圆上或圆内;并由此得到构造具有单调曲率的二次h-Bézier曲线的两种算法,通过调节形状参数h可保证曲线具有单调递减或单调递增的曲率。其次,研究两条二次h-Bézier曲线的光滑拼接,基于对二次h-Bézier曲线性质的分析,选择第二条曲线在肩点处与第一条曲线的端点实现拼接,得到G~2拼接的充要条件;讨论参数对拼接曲线形状的影响。最后,构造出同时满足G~2拼接、曲率单调递减(或单调递增)的组合二次h-Bézier曲线。数值实例显示了组合二次h-Bézier曲线的造型优势和灵活性。

Lupaş q-Bézier曲线的离散卷积生成与求值算法

Lupaşq-Bernstein算子是最早提出的有理形式下基于q-整数的q-模拟Bernstein算子。通过Lupaşq-Bernstein基函数的递推关系反向使用金字塔算法,离散卷积生成n次Lupaşq-Bernstein基函数序列。结合离散卷积满足的交换性,针对n次Lupaşq-Bézier曲线推导出其速端曲线及n!种de Casteljau算法。与Bézier曲线de Casteljau算法得到的切点不同,Lupaşq-Bézier曲线的de Casteljau算法得到的曲线上的一点是直线与曲线相交的2个割点之一。针对二次Lupaşq-Bézier曲线,给出了计算左/右割点的充分必要条件,然后通过提出双割点算法,可以同时得到左/右割点。

不完备形式背景中基于OE-cp-近似概念的规则提取

在许多实际的应用场景中,数据测量的误差、对数据的理解和传输失真等都会导致数据的丢失,这种数据不完整的形式背景即为不完备形式背景。为了丰富不完备形式背景中的知识获取模型,文中结合三支思想在不完备形式背景中利用正算子与粗糙集理论中的必然-可能性算子构造了共同-可能(cp)近似概念,讨论了对象诱导的共同-可能(cp)近似概念与经典概念、面向属性概念、对象诱导的三支近似概念的关系,提出了由经典概念和面向属性概念构造对象诱导的cp-近似概念的算法。进而,基于OE-cp-近似概念讨论了不完备决策形式背景中近似决策规则的获取,提出了OE-cp-协调的不完备决策形式背景下的正规则和可能性规则,并给出了与基于经典概念的决策规则之间的关系。

两类King型算子一致逼近的误差估计

本文借助C*[0, ∞)空间与C[0, 1]空间之间的变换,将C*[0, ∞)空间上的逼近问题转变到C[0, 1]空间上进行研究。应用一阶、二阶模,证明了两类保持函数1和e−μx (μ > 0)的King型算子一致逼近的误差估计。

一类广义的Bezier算子的保形性质

本文对一种以广义二项分布的概率密度函数作为基函数构造的广义Bezier型算子性质进行研究,得到了这类算子在单调性、凸性、星形性、半可加性和光滑性等方面的保形性质。最后,通过具体数值实例验证新方法的有效性及灵活性。

关于n元对称群上的有禁排列计数研究

有禁排列计数问题是计数组合学中的热点问题,在物理、化学、计算机等学科中有着广泛应用。本文在Kitaev的综述书籍基础上,对n元对称群Sn上有禁排列计数的经典结果进行了总结,并介绍相关研究成果。

避免双3长Vincular模式排列的计数研究

本文首先介绍有禁排列相关的基本定义,对避免双3长vincular模式排列的计数结果进行整理,将计数结果相同的模式用表格的形式进行分类。随后我们使用特殊元素分析与位置分析这两种方法,给出等8个避免双3长vincular模式排列计数结果的代数证明。

基于词频统计的文本关键词提取方法

针对传统TF-IDF算法关键词提取效率低下及准确率欠佳的问题,提出一种基于词频统计的文本关键词提取方法。首先,通过齐普夫定律推导出文本中同频词数的计算公式;其次,根据同频词数计算公式确定文本中各频次词语所占比重,发现文本中绝大多数是低频词;最后,将词频统计规律应用于关键词提取,提出基于词频统计的TFIDF算法。采用中、英文文本实验数据集进行仿真实验,其中推导出的同频词数计算公式平均相对误差未超过0.05;确立的各频次词语所占比重的最大误差绝对值为0.04;提出的基于词频统计的TF-IDF算法与传统TF-IDF算法相比,平均查准率、平均查全率和平均F1度量均有提高,而平均运行时间则均有降低。实验结果表明,在文本关键词提取中,基于词频统计的TF-IDF算法在查准率、查全率及F1指标上均优于传统TF-IDF算法,并能够有效减少关键词提取运行时间。

多尺度数据挖掘方法

多尺度理论已被引入到数据挖掘领域,但人们对其研究仍不够深入和完善,缺乏普适性理论与方法.随着大数据处理应用的不断深入,其研究变得更加迫切.针对上述问题,进行了普适的多尺度数据挖掘理论和方法的研究.首先,基于概念分层理论给出了数据尺度划分和数据尺度的定义以及多尺度数据集之间的上下层尺度数据集关系;其次,阐明了多尺度数据挖掘的定义、研究实质和方法分类;最后,提出了多尺度数据挖掘算法框架,给出其理论基础,并将此框架应用于关联规则挖掘,提出了多尺度关联规则挖掘算法MSARMA(multi-scale association rules mining algorithm),实现了多尺度数据集之间知识的跨尺度推导.利用IBM T10I4D100K数据集和H省全员人口真实数据集对MSARMA算法进行了实验和分析,实验结果表明:算法具有较高的覆盖率、精确度和较低的支持度估计误差,是可行且有效的.

基于八方向Sobel算子的边缘检测算法

针对传统图像边缘检测方法检测效果不理想的问题,提出一种基于八方向Sobel算子的边缘检测算法。采用0°、22.5°、45°、67.5°、90°、112.5°、135°、157.5°8个方向的模板进行检测,能较好地检测出不同方向的边缘。在检测过程中,考虑到邻域内像素到中心像素距离不同,对中心像素的贡献不同,算法根据该像素到中心像素欧氏距离对邻域内像素进行加权,使得距中心像素越近,其权值越大。实验表明,算法检测出的图像边缘较为完整,轮廓线清晰且连续性较好。