首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 62 毫秒
1.
赵建勋 《数学通讯》2005,(20):10-11
分类讨论是高考常考查的数学思想方法;学会分类讨论有利于培养和提高学生的逻辑思维能力,必须认真掌握.有些分类讨论题,如果我们巧选解题方法。可以避免分类讨论,简化解题过程,这就是说,我们在解答分类讨论题时,既要切实掌握分类讨论的方法,又要善于绕开分类讨论,那么我们怎样避免分类讨论呢?  相似文献   

2.
针对目前半监督分类算法中未考虑缺失属性隐含信息和算法复杂度高的情况,改进了朴素信念分类,提出了两阶段半监督加权朴素信念分类模型。与直推支持向量机对比实验结果表明两阶段半监督加权朴素信念分类模型减少了分类时间,并且在其能够明确分类的样本上的正确率与直推支持向量机相当,是一种有效的不完整数据分类算法。  相似文献   

3.
分类讨论实质上是按照数学对象的共同性和差异性,将其区分为不同种类的思想方法,其作用是克服思维的片面性,防止漏解。要做到成功的分类,关键有两条:一是要有强烈的分类意识,善于从问题情境中抓住分类的对象;二是要斟酌问题的实际情况,找出科学合理的分类标准,这个标准应当满足互斥、无漏、最简的原则。分类讨论是中考试题考查分析问题和解决问题能力的常见题型。本文就中考试题中常见的分类讨论问题作一简单介绍。一、分类思想在代数中的应用分类思想方法在初中代数中应用非常广  相似文献   

4.
同一个数学问题有时含有多种情况,对多 种情况加以分类,并逐步求解,这就是分类讨 论法.掌握分类讨论的思考方法,不仅是学好 数学的需要,也是学好其它各门功课的需要. 分类讨论首先要明确分类的原因(即为什 么要分类).引起分类讨论的原因很多,常见的 有:某些数学概念本身是分类定义的;数学问  相似文献   

5.
1.引言 Mahler分类是超越数论的重要组成部分。自从1932年,K,Mahler引入这个分类以来,国内外专家在单变量实数的Mahler分类方面已作出了大量结果。1987年,于坤瑞推广了实数的Mahler分类,引入了多变量实数Mahler分类。他将R~n中的全部  相似文献   

6.
采用调查问卷的形式,对北京市泰和小区、贵园南、北小区的居民和亦庄中心小学的家长进行垃圾分类知识的掌握情况,垃圾分类的态度意识,以及其对垃圾分类的处理方式等相关方面的了解.本文通过Pearson卡方检验来分析三个小区垃圾分类问题上的差异性;通过logistic回归,建立垃圾分类问题中居民的垃圾分类行为、居民的垃圾分类态度与垃圾分类知识的掌握情况之间的关系;同时,通过调查问卷来分析民众是否正确进行垃圾分类,并且分析民众将垃圾错误分类的原因何在,并提出合理有效措施以确保民众能够更好地进行垃圾分类.  相似文献   

7.
针对模糊C-均值聚类算法对初始化分类参数的选择比较敏感而导致分类结果差异性较大的不足,提出基于万有引力定律的分类效果好坏的评价准则。实验结果表明。本文定义的分类效果评价准则是可行的。  相似文献   

8.
第三讲:分类的方法 前面我们已经研究了分类讨论的过程.分类讨论首先就是要对分类的条件进行逻辑划分.  相似文献   

9.
1.学生解题的误区 案例1 在一次高中数学教师优质课评比中,有位选手在讲授“分类讨论思想在最值问题中的应用”课题时,先从实际问题引出分类在解决数学问题的必要性,并辩明什么是分类思想,分类思想的核心意义,分类的标准以及分类思想应用的几种数学类型.最后,为了说明可以简化分类或者是避免分类时应尽量简化或避免,选用了如下的例子.  相似文献   

10.
解决不平衡数据分类问题,在现实中有着深远的意义。马田系统利用单一的正常类别构建基准空间和测量基准尺度,并由此建立数据分类模型,十分适合不平衡数据分类问题的处理。本文以传统马田系统方法为基础,结合信噪比及F-value、G-mean等分类精度,建立了基于遗传算法的基准空间优化模型,同时运用Bagging集成化算法,构造了改进马田系统模型算法GBMTS。通过对不同分类方法及相关数据集的实验分析,表明:GBMTS算法较其他分类算法,更能够有效的处理不平衡数据的分类问题。  相似文献   

11.
乔若羽 《运筹与管理》2019,28(10):132-140
针对股票市场的特征提取困难、预测精度较低等问题,本文基于深度学习算法,构建了一系列用于股票市场预测的神经网络模型,包括基于多层感知机(MLP)、卷积神经网络(CNN)、递归神经网络(RNN)、长短期记忆网络(LSTM)和门控神经单元(GRU)的模型。 针对RNN、LSTM和GRU无法充分利用所参考的时间维度的信息,引入注意力机制(Attention Mechanism) 给各时间维度的信息赋予不同权重,区分不同信息对预测的重要程度,从而提升递归网络模型的性能。上述模型均基于股票数据进行了优化,基于上证指数对各类模型进行了充分的对比实验,探索了模型中重要变量对性能的影响,旨在为基于神经网络的股票预测模型给出具体的优化方向。  相似文献   

12.
采用多分辨率分析技术将深证成指收盘数据序列分解为多个子序列,然后采用神经网络技术对每个子序列分别建立预测模型,将各个预测结果叠加后得到最终预测结果.研究首先发现多分辨率技术可以有效提高预测模型的预测精度,表明分析我国股市波动时应该按照不同因素对股市影响大小及周期的差异分别研究,才能更有效分析股市运行状况及对其预测;其次结果表明不同类型神经网络预测模型预测性能差异明显,在选择股市预测模型的神经网络类型时应该注意其学习算法及收敛过程,以便能更好捕获股市变化规律.  相似文献   

13.
Until now, data mining statistical techniques have not been used to improve the prediction of abnormal stock returns using insider trading data. Consequently, an investigation using neural network analysis was initiated. The research covered 343 companies for a period of 4½ years. Study findings revealed that the prediction of abnormal returns could be enhanced in the following ways: (1) extending the time of the future forecast up to 1 year; (2) increasing the period of back aggregated data; (3) narrowing the assessment to certain industries such as electronic equipment and business services and (4) focusing on small and midsize rather than large companies. Copyright © 2002 John Wiley & Sons, Ltd.  相似文献   

14.
对比了三种不同神经网络模型的生成方式:传统神经网络生成模型,遗传算法训练神经网络模型,以及在第二种方式训练参数的基础上,再使用传统神经网络优化生成模型.论文使用上述三种方法对代表性股票和商品价格进行拟合并预测,通过预测结果准确性和稳定性的比较发现:引入遗传算法后的神经网络在样本内的拟合误差有所降低,而第三种方法在样本外有最低的预测误差和最优稳定性.  相似文献   

15.
针对股票价格序列高度非正态、非线性、非平稳等复杂特征,文章以Elman神经网络为基础,引入集合经验模态分解(EEMD)与Adaboost算法,对中美股票的日收盘价进行预测。首先,利用EEMD算法将样本分解为多个本征模函数分量和1个残差分量。其次,用Adaboost算法优化Elman神经网络,对各个分量进行预测。最后,将各分量预测结果进行求和,作为最终预测结果。研究结果表明:EEMD-Elman-Adaboost模型对中美股票价格预测的均方根误差、平均相对误差、平均绝对误差均比现有的BP、Elman、EMD-Elman、EEMD-Elman模型小,新组合模型融合了EEMD、Elman神经网络、Adaboost算法的优点,具有更强的泛化能力和跟随能力。  相似文献   

16.
本文使用股市分析中常用的一些技术指标构造BP网络的输入样本向量,在此基础上,对沪市股指的涨跌进行了预测.数值实验结果表明,该方法能够提高网络预测的正确率.使用跳跃学习及三种变学习率、批方式的学习算法对BP网络进行了训练,节省了预测时间.运用“在线预测”的方法对预测过程进行了跟踪.针对预测样本在预测性能及预测结果方面存在的差异,引入预测样本中心距离比的概念对其进行简单的划分,得到一些富有启发性的结果.  相似文献   

17.
The paper introduces an intelligent decision-making model which is based on the application of artificial neural networks (ANN) and swarm intelligence technologies. The proposed model is used to generate one-step forward investment decisions for stock markets. The ANN are used to make the analysis of daily stock returns and to calculate one day forward decision for purchase of the stocks. Subsequently the Particle Swarm Optimization (PSO) algorithm is applied in order to select the “the best” ANN for the future investment decisions and to adapt the weights of other networks towards the weights of the best network. The experimental investigations were made considering different forms of decision-making model: different number of ANN, ANN inputs, sliding windows, and commission fees. The paper introduces the decision-making model, its evaluation results and discusses its application possibilities.  相似文献   

18.
杨进  陈亮 《经济数学》2018,(2):62-67
为了实现对股票价格变化的短期预测,提出了一种基于小波神经网络(WNN)与自回归积分滑动平均模型(ARIMA)的组合预测模型.将股票的收盘价序列数据划分为线性以及非线性(误差项)两个部分,分别利用统计学中ARIMA模型和小波神经网络分别对两部分数据进行预测并得到结果,将两部分结果组合相加合成为整个股票价格的预测结果.实验结果表明该组合模型在预测精度方面有提高,是一种比较有效的预测模型.  相似文献   

19.
时间序列模型和神经网络模型在股票预测中的分析   总被引:1,自引:0,他引:1  
利用MATLAB软件编程建立AR模型、RBF和GRNN神经网络模型,滚动预测上证指数开盘价、最高价、最低价和收盘价与实际价格对比,分析误差.结果表明,3种模型用于股票预测均是可行的,误差很小.AR模型不稳定,对个别预测较准;RBF和GRNN网络训练速度都很快,但GRNN比RBF预测效果好.  相似文献   

20.
“齐王赛马”是一个典型的对策论例子,本文运用对策论相关知识,求出了“齐王赛马”的Nash谈判解.同时得出结论:齐王和田忌的期望收益正好与问题的Nash谈判解一致.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号