新课程下高中数学算法教学的现状及优化策略

随着我国经济的不断发展,人们开始关注教育事业的发展,与此同时,我国也在不断地出台政策来推进教育改革,特别是高中教育改革。算法就是在高中数学经历新课改之后出现的内容,具体来说,算法就是指为了实现某种目的而采取的方法,也可以说是利用计算机来解决详细问题需要执行的一种程序,它具备明确性和有效性。本文就针对当前高中数学新课程中算法教学的现状进行了分析,并提出了相应的优化策略。     

关于一类商高数的Je?manowicz猜想

设k,l,m₁,m₂是正整数,p,q是奇素数满足■,■,这里a≡3(mod8)或a≡5(mod8)为素数.利用因式分解、同余和柯召方法等基本方法,证明了指数丢番图方程■仅有正整数解(x,y,z)=(2,2,2).证明了Je?manowicz猜想对商高数■成立,从而改进文献的工作,推广文献工作.     

网络社区发现算法在流动表建模中的设计与应用

代际流动表可以统计子代与其父代社会地位配对数据的交互频数,反映了社会资源占有的优劣势在父子两代人之间的比较。对财富、阶级、特权等社会基本特征演变的实证考察,均依赖于代际流动表的量化分析。对数线性模型是流动表建模分析的基本工具,通过对列联表单元格频数进行拟合,可以识别流动表行分类与列分类之间的强弱交互效应,刻画父子社会地位间的交互结构。本文利用复杂网络社区发现算法分析父子社会地位的关联结构,针对简约对数线性模型拟合精度不够的问题,提出一种新的建模思路：利用社区发现算法对简约对数线性模型的残差列联表进行关联关系挖掘,将发现的社区效应作为附加参数约束引入原对数线性模型,以改善数据的拟合情况。由于该方法只在原简约对数线性模型中增加了一个参数约束,因此仍可以保证建模结果的简洁性及理论意义,同时社区效应补充了原对数线性模型对经验数据结构的解读。论文用此方法对来源于中国综合社会调查数据的经验代际职业流动表进行建模分析,较好地解释了子代职业阶层与父代职业阶层间的关联模式。     

索赔次数的开放式混合泊松分布研究

本文建立了索赔次数的多风险类别混合泊松模型。首先,考虑索赔次数的零膨胀、厚尾性和异质性等特征,建立风险类别待定的开放式混合泊松模型,开放式结构使该模型对实际数据的多样特征和风险类别具有良好的自适应性;其次,定义混合权重参数的iSCAD惩罚函数,实现对权重参数的筛选;最后,借助EM算法求得模型参数,实现对各风险类别下索赔次数的估计。借助iSCAD惩罚函数,给出最优混合数,避免传统混合模型中主观选择的弊端,克服传统混合模型中结构复杂、参数估计没有显式表达式、估计结果不便于解释等问题。基于三组风险特征多样数据的实证分析,本文发现该模型可以显著改进现有模型的拟合效果。     

中文信息处理中的自动分词方法研究

自动分词技术是中文信息处理的入门技术。通过对现有的三类中文分词算法(即基于词典的分词方法、基于统计的分词方法和基于理解的分词方法)的回顾和评述,分析"词"的界定、歧义消除和未登录词识别等制约中文分词的三大瓶颈,为中文分词技术的进一步发展提供方向。