自适应式英语网络自主阅读学习模式研究

自适应协作学习模式为不同认知风格的学习者提供了个性化的阅读学习流程、媒体和动态协作小组。调查显示,这种模式下的学习过程、学习策略、情感状态等可以动态地受到教师的管理和指导,因此学习效果较好。     

基于改进的自适应传播模型的农业风险区划分析

农业险定价中的核心问题是农业风险区划问题,为了体现农业区划中个体指标的动态发展特征,根据近邻传播改进自适应近邻传播聚类方法对数据进行优化,基于轮廓系数、归属度和吸引度得到最佳聚类中心和几何聚类中心,并将聚类转化为新数据集的聚类问题;选取代表性的棉花为例进行实证分析,通过计算生产、销售、收入、财政等指标进行棉花风险区划实例分析,计算最优棉花风险区划,结果表明对于具有动态特征的数据,本模型具有很好的有效性、实用性和解释性。     

拟适应再加权分类随机森林

综合Adaboost算法的自适应再加权和随机森林算法的未修剪随机变量划分树基模型,文章提出了用于自适应随机森林算法。通过实验数据发现,在训练集较大、贝叶斯误差较小时,模拟自适应再加权会起作用,从而,拟自适应随机森林算法会优于随机森林算法。     

一种有效的宽带雷达信号压缩算法

针对宽带雷达回波信号采样数据量大、传统小波压缩算法保真度不高的特点,利用小波多层次变换系数之间的关系,提出了基于小波变换的自适应贪婪算法,并将其应用于宽带雷达回波信号数据压缩.将该算法与传统的小波多层次方法在对宽带信号的压缩性能上进行了比较,结果表明,基于小波的自适应贪婪算法对数据压缩保真效果优于传统的小波方法.     

复杂性科学与企业人力资源管理

作为21世纪新兴学科--复杂性科学是一门全方位交叉的学科,它在实践中的运用也已经渗透到各个领域中.人类社会是一个复杂的系统,而由人构成的组织--企业同样也是一个复杂的系统,利用复杂性科学对企业人力资源管理的复杂性进行了初步探讨.     

中国股指波动率的智能预测模型与实证检验

文章提出将改进型粒子群算法与最小二乘支持向量机(LSSVM)相结合的中国股指波动率智能预测方法,利用径向基核函数LSSVM对股指波动率进行建模及预测,并将自适应惯性权重粒子群算法(AIWPSO)和动态加速系数粒子群算法(DACPSO)分别实现径向基核函数LSSVM的参数优化,建立了两种股指波动率的智能预测模型.以日内价格极差作为波动率的代理变量,通过对上证综指和深证成指的实证研究检验了两模型的有效性.检验结果表明,AIWPSO算法优化的径向基核函数LSSVM作为中国股指波动率智能预测模型,具有更高的波动率预测精度和更快的建模速度.     

汇率预测及其经济基本面：基于多元自适应可变窗算法的构建

在人民币国际化不断推进、人民币汇率双向波动加强的背景下,构建具有优良预测能力的人民币汇率预测模型意义重大。参数模型对汇率预测的能力不仅取决于模型设定是否正确,同时还取决于能否迅速探测参数的结构性变化以使用最佳信息估计模型参数。本文构建了多元自适应可变窗算法以及时监测模型参数的时变特征,探测最大化参数同质区间。结果显示：①在中长期（3至24个月）的美元、欧元、英镑和日元兑人民币汇率的样本外推预测中,多元自适应可变窗算法能显著优于随机游走模型、购买力平价模型、弹性货币模型、利率平价模型、泰勒规则模型与偏移型泰勒规则模型这六种汇率预测主流模型,其预测能力也显著优于实时窗宽选择算法与自回归模型;在美元兑人民币汇率中长期（3至24个月）预测中,其预测误差MAE度量相比于次优模型能降低 25%～50%。②多元自适应可变窗算法能迅速捕捉美元、欧元、英镑和日元兑人民币汇率的拐点,预测人民币汇率走向并刻画人民币汇率的周期性变化,其长期（向前9个月）方向性趋势样本外推预测精度比次优模型提高了16%～40%。③断点前后的汇率动态结构性变化显示“811”汇改促进了经济基本面对汇率预期重要性的显著提升与市场风险偏好的转变。“811”汇改之后,人民币汇率预期更易受外部冲击影响。加速利率市场化建设、提高国内收入、稳定物价、坚持带管制的浮动汇率制度与有效的资本管制相结合等措施对促进汇率市场化、防止汇率风险具有重要意义。     

自适应样本量调整中Fisher合并P值法和传统检验法的模拟比较

文章探讨Fisher合并P值法在两阶段自适应设计样本量调整中对Ⅰ型错误和检验效能的影响。利用蒙特-卡罗(Monte Carlo)法模拟不同样本量时的两阶段自适应设计过程,分别采用合并P值法和方差分析法分析最后数据并比较了二者对Ⅰ型错误、检验效能值的影响。     

一类新的自适应非单调谱投影梯度法

给出了求解凸约束优化的一类新的自适应非单调谱投影梯度法.通过引入具有自适应性的权重参数,使算法在迭代过程中能自动调节非单调策略. 在适当条件下证明了算法的收敛性.数值试验结果表明,该算法在一定程度上能减少在线搜索过程中对非单调参数M的依赖.