近似非齐次指数序列预测的新融合模型构建

DDGM(1,1)模型和LS-SVM模型都是针对小样本进行预测的方法,文章根据DDGM(1,1)模型和LS-SVM模型结构特点上的相似性,将LS-SVM算法引入DDGM(1,1)模型,构建了一种基于DDGM(1,1)与LS-SVM算法融合的预测模型.该模型基于DDGM(1,1)模型作为建模原型,利用LS-SVM算法优化了DDGM(1,1)模型的参数估计方法,增强模型的推广性.实验表明,新模型充分发挥两种小样本预测技术的各自优势,实现了优势互补,对近似非齐次指数时间序列的预测具有较高精度.     

机器人技术基础课程改进措施探索与实践

机器人技术基础是面向机械电子工程专业与机器人工程专业培养方案中机电一体化能力培养的重要专业课程,能够有机地将机器人数理知识与工程实践联系到一起,具有理论与实践并举的特色。然而,经过该课程的实际教学活动,发现现有的课程教学方法与教学内容并不能很好地跟随机器人专业最前沿的发展轨迹,教学方法与教学内容需要进一步完善与改进。该文详细论述了机器人技术基础课程在实际教学中存在的问题,并对课程进行改进措施探索与实践。结果表明：所提出的改进措施很好地明晰了课程培养重点,能紧跟机器人前沿热点,提高了课程的趣味性,并使考核方式得到了合理优化。     

高校后勤社会化改革创新研究

高校后勤社会化改革是我国高等教育改革的重要组成部分,也是建设中国特色现代大学制度的一项重要内容。我国高校后勤社会化改革经过10年的探索和实践,虽然积累了许多成功的经验,取得了丰硕的成果,但也暴露出了一些难以调和的矛盾。如何有效化解改革过程中出现的各种矛盾,有力推进高校后勤社会化改革进程,必须走创新发展之路。     

有限合伙与中国东部民营中小企业制度创新--基于法学与经济学的双重思考

文章首先分析了中国东部民营中小企业的制度缺陷和发展障碍,接着着重阐述了有限合伙对这种制度缺陷和发展障碍的解决之道,然后分析了我国进行有限合伙立法的条件,最后在此基础上对立法的模式选择和制度设计做了较为完整的阐发.     

直接离散GM(1,1)模型参数估计的最小一乘法

研究表明直接离散GM(1,1)模型对严格服从非齐次指数规律的原始数据进行建模,所得到的模型具有完全相同的指数规律,而当数据为近似非齐次指数规律时,直接离散GM(1,1)模型拟合效果较差.主要原因是直接离散GM(1,1)模型采用最小二乘法估计参数,稳健性不好造成的.针对这一情况,文章提出利用最小一乘法估计直接离散GM(1,1)模型参数改进上述不足.对比实验表明,采用最小一乘法估计参数得到的直接离散GM(1,1)模型具有很好的精度和稳健性,使得直接离散GM(1,1)模型的适用范围得到进一步扩大.     

改进的GM(1,1)模型及其应用

为提高GM(1,1)模型的预测精度,针对GM(1,1)模型的特点,提出了将遗传算法与LS-SVM算法融合对GM(1,1)模型中的参数估计方法进行改进.该方法首先根据GM(1,1)灰色差分方程的特点,构造以背景值序列和原始序列为训练样本的灰色LS-SVM模型,将GM(1,1)模型参数的估计问题转化为灰色LS-SVM模型参数的估计问题,然后利用遗传算法对LS-SVM自身的参数进行寻优预处理,再对经过优化参数的灰色LS-SVM,依据LS-SVM算法求解回归参数,进而得到GM(1,1)模型的参数估计.将改进的GM(1,1)模型用于实际的经济预测问题,并与传统的预测方法进行比较,结果表明,方法是可行的且有效的.     

我国高校后勤保障监控体系研究

社会企业为学校提供后勤服务,企业的最终目标是实现其最大利润化。如何保证社会企业在取得合理利润报酬的同时,又能提供优质、高效的后勤服务,就必须建立起政府法规配套、部门督查有力、行业自律规范、学校有效控制的高校后勤保障监控体系。目前我国对高校后勤保障监控体系的成果研究尚属空白。     

一种改进的基于概率的权数确定方法

文章提出了一种改进的基于概率的权数确定方法.该方法不需要对研究指标做正态分布的假设,可直接根据样本数据计算出样本均值和方差,从而得到权数.该方法能较好地避免主观因素的影响,并且较概率权法更具一般性.文章通过实例将该方法和熵权法、变异系数法等客观赋权法进行了对比,结果表明该方法具有可行性和有效性.     

估计灰色Verhulst模型参数的LS-SVM方法及应用

估计灰色Verhulst模型中的参数通常采用最小二乘法，这种基于大样本理论的经验风险最小化方法无法保证小样本预测下模型的推广性能.为提高灰色Verhulst模型的预测精度，本文提出了基于LS-SVM算法估计模型参数的方法.首先根据Verhulst灰色差分方程的特点，通过构造以背景值序列和原始序列为训练样本的LS-SVM模型，将一维样本空间里的Verhulst模型转化为一个二维特征空间里的LS-SVM模型，进而将Verhulst模型的灰参数的估计问题转化为一个LS-SVM模型的回归系数估计问题.然后通过核函数构造法，结合模型特点合理构造了LS-SVM模型的核函数，基于LS-SVM算法求解回归系数，进而得到Verhulst模型的参数估计.实验结果表明该方法是可行的有效的，可保证Verhulst模型具有良好推广性，相比于传统参数估计方法本文预测精度更高.