一维优化的最优步长因子法

本文在分析一维优化方法的比例因子法的基础上,提出了一种直接调整步长的最优步长因子法并给出框图。该法较比例因子法理论上完善,迭代控制可靠。     

矿井掘进工作面安全评价的灰色聚类方法

本文用灰色聚类方法[1]讨论了煤矿掘进工作面安全评价问题,提出了一种新的安全评价方法─灰色聚类综合法。同时,本文对灰色聚类的算法作了改进,改进后的算法便于记忆和应用。     

求凸二次函数极值的一种递推算法

本文通过讨论凸二次函数的几个结论,给出了求凸二次函数极值的一种递推算法．     

复杂网络社区结构问题综述

本文从社区的定义,社区结构评价指标,社区发现算法几个方面对复杂网络社区结构问题进行了综述。对现有的几种对社区的定义进行了较详细的阐述,介绍了几种比较有代表性的评价指标,并对复杂网络社区发现算法进行了分类总结,最后对复杂网络社区结构的发展做出展望。     

长株潭城市群水资源承载力的实证研究

在界定水资源承载力概念的基础上,构建了长株潭城市群水资源承载能力的指标体系,采用基于遗传算法的投影寻踪聚类模型对长株潭城市群水资源承载能力进行了实证分析,提出了提高长株潭城市群水资源承载能力水平的几点应对措施。     

一种新的空间权重矩阵选择方法

空间权重矩阵选择问题一直是空间计量经济学中的一个难题,权重矩阵的选择正确与否关系到模型的最终估计结果。本文在空间滞后模型框架下,把空间权重矩阵选择问题转化为变量选择问题,然后利用CWB方法进行变量选择。中国城市服务业集聚机理实证研究显示,利用本文所提出的方法所选取的空间权重矩阵较为合理,进而可以减少因为空间权重矩阵误设问题而引起的模型估计偏误。在大样本情形下,该方法可以非常有效地降低计算成本。     

非平衡数据集的改进SMOTE再抽样算法

非平衡数据集的不均衡学习特点通常表现为负类的分类效果不理想。改进SMOTE再抽样算法,将过抽样和欠抽样方式有机结合,有针对性地选择近邻并采用不同策略合成样本。实验表明,分类器在经此算法处理后的非平衡数据集的正负两类上,均可获得较理想的分类效果。     

Phylogenetic tree selection by the adjusted k-means approach

The reconstruction of phylogenetic trees is one of the most important and interesting problems of the evolutionary study. There are many methods proposed in the literature for constructing phylogenetic trees. Each approach is based on different criteria and evolutionary models. However, the topologies of trees constructed from different methods may be quite different. The topological errors may be due to unsuitable criterions or evolutionary models. Since there are many tree construction approaches, we are interested in selecting a better tree to fit the true model. In this study, we propose an adjusted k-means approach and a misclassification error score criterion to solve the problem. The simulation study shows this method can select better trees among the potential candidates, which can provide a useful way in phylogenetic tree selection.     

大数据背景下CPI预测问题的文本挖掘技术设计与应用

本文创新地将半监督交互式关键词提取算法词频-逆向文件频率( Term Frequency- Inverse Document Frequency, TF-IDF )与基于 Transformer 的 双 向 编 码 表 征 ( Bidirectional Encoder Representation from Transformers,BERT)模型相结合,设计出一种扩展CPI预测种子关键词的文本挖掘技术。采用交互式TF-IDF算法,对原始CPI预测种子关键词汇广度上进行扩展,在此基础上通过BERT“两段式”检索过滤模型深入挖掘文本信息并匹配关键词,实现CPI预测关键词深度上的扩展,从而构建了CPI预测的关键词库。在此基础上,本文进一步对文本挖掘技术特征扩展前后的关键词建立预测模型进行对比分析。研究表明,相比于传统的关键词提取算法,交互式TF-IDF算法不仅无需借助语料库,而且还允许种子词的输入。同时,BERT模型通过迁移学习的方式对基础模型进行微调,学习特定领域知识,在CPI预测问题中很好地实现了语言表征、语义拓展与人机交互。相对于传统文本挖掘技术,本文设计的文本挖掘技术具有较强的泛化表征能力,在84个CPI预测关键种子词的基础上,扩充后的关键词对CPI具有更高的预测准确度和更充分的解释性。本文针对CP 预测问题设计的文本挖掘技术,也为建立其他宏观经济指标关键词词库提供新的研究思路与参考价值。     

两种人口预测模型的精确度比较——以人口年龄移算法和灰色预测模型为例

对灰色预测模型、人口年龄移算法在人口预测结果中的精确度问题进行了比较研究.结论是:(1)灰色预测模型的预测精确度优于人口年龄移算法;(2)灰色预测模型残差在小范围内呈波动趋势,而人口年龄移算法残差表现为随预测时间的推移而增加的趋势;(3)灰色预测模型比人口年龄移算法更适合较长时期的人口预测.