微分学中不等式的证明

针对微分学不等式列出五种常用证明方法,即利用单调性证明法,利用拉格朗日中值定理证明法,利用最值证明法,利用泰勒公式证明法,和利用凹凸性证明法.实例说明每种方法的使用细节,以达到使初学者能尽快掌握微分学不等式证明的目的.     

例谈证明线段相等的常用方法

在平面几何中,证明两条线段相等是一种最常见的题型.常用的证明方法有:利用三角形全等、利用等角对等边、利用特殊四边形(如平行四边形、等腰梯形等)的有关性质、利用平行线等分线段定理、利用比例线段等等.现将     

中国煤炭资源利用全要素生产率的区域差异研究

首先基于考虑环境因素的Malmquist-luenberger(ML)指数测算了2011-2014年中国其中30个省份煤炭利用全要素生产率(TFP)的变化情况,并应用Tobit模型分析了影响煤炭利用全要素生产率的因素.研究表明,中国总体煤炭利用TFP增长率呈现递增趋势,但各个省份煤炭利用TFP增长率存在较大差异,忽视环境因素高估了煤炭利用TFP的增长率,技术进步是推动煤炭TFP增长的主要因素.另外,环境规制、产业结构与煤炭利用TFP显著负相关;研发投入、人均GDP、对外直接投资(FDI)与煤炭利用TFP显著正相关.     

向量混合积与四面体体积公式的教学探究

本文利用空间向量的方法和线性代数的有关理论及向量的混合积,得到了利用棱长求四面体体积的公式,并利用该公式推广了几个有意义的结论.     

如何利用导数证明不等式

利用导数证明不等式是近几年高考的重点和热点.由于导数是高等数学的基础知识,对中学生来说思维能力要求高、解题方法灵活、难度大等特点,于是成为每年高考题的压轴题.如何利用导数证明不等式是导数应用的一个重要问题,本文给出常见的几种证明方法.1.利用给定函数的单调性证明不等式利用函数本身的单调性来证明不等式,从形式上来说,可能是从形式上直接利用给出函数的性质,     

好记好用的“光照法”证明线面平行

立体几何中,有关线面平行的证明方法有很多,如利用面面平行性质证明,或是利用空间向量证明等.但最常用的证明方法,还是利用线面平行的判定定理,即证明平面内     

关于椭圆性质的几点注记

以椭圆为研究对象,利用积分几何理论求出了椭圆的周长公式,利用微分几何理论求出椭圆的切线方程并证明了椭圆的凸性,最后利用射影几何理论,研究了椭圆的一些度量性质.     

二重积分在单积分计算中的应用

利用单积分计算重积分,是教材中的常见题型,而利用重积分计算单积分的题目确很少提及,作者例举了利用重积分计算单积分的例子,并阐明解题思路.     

线性规划的对偶理论在图解法中的应用

对于多个变量两个约束的线性规划,首先利用线性规划的对偶理论,写出其对偶问题;其次利用图解法求出对偶问题的最优解,最后利用互补松弛条件求出原问题的最优解.     

Riccati微分方程特解新求法的研究

通过对一般Riccati方程进行初等变换,使之变为特殊的Riccati方程,然后利用公式、观察实验,或利用二阶微分方程的特解,或利用一阶微分方程组的特解等方法,求得这些Riccati方程的特解.     

基于R软件的Bayes判别分析在医学中的应用

Bayes判别在进行判别分析时考虑到各总体出现的先验概率、预报的先验概率及错判造成的损失,其判别效能优于其他判别方法.对Bayes判别方法详细介绍的基础上,利用R软件对一组舒张压和胆固醇数据分别进行Bayes判别分析、Fisher判别分析和基于距离的判别分析,对比三种不同方法下得到的判别结果,结果表明Bayes判别分析得到的分类结果精度较高,Bayes判别分析在医学领域有较好的应用前景.     

Classification Trees With Bivariate Linear Discriminant Node Models

This article introduces a classification tree algorithm that can simultaneously reduce tree size, improve class prediction, and enhance data visualization. We accomplish this by fitting a bivariate linear discriminant model to the data in each node. Standard algorithms can produce fairly large tree structures because they employ a very simple node model, wherein the entire partition associated with a node is assigned to one class. We reduce the size of our trees by letting the discriminant models share part of the data complexity. Being themselves classifiers, the discriminant models can also help to improve prediction accuracy. Finally, because the discriminant models use only two predictor variables at a time, their effects are easily visualized by means of two-dimensional plots. Our algorithm does not simply fit discriminant models to the terminal nodes of a pruned tree, as this does not reduce the size of the tree. Instead, discriminant modeling is carried out in all phases of tree growth and the misclassification costs of the node models are explicitly used to prune the tree. Our algorithm is also distinct from the “linear combination split” algorithms that partition the data space with arbitrarily oriented hyperplanes. We use axis-orthogonal splits to preserve the interpretability of the tree structures. An extensive empirical study with real datasets shows that, in general, our algorithm has better prediction power than many other tree or nontree algorithms.     

蠓的线性判别

本文在没有任何假设的条件下，建立了一个对蠓分类的数学模型．所用理论工具、计算工具都很简单，且经反馈检验，对已知种类的蠓模型判断完全正确．     

有序判别分析新算法及其应用

判别分析是用已知分类数据建模对未知分类数据进行判别的方法,所用数据和分类不分顺序。要对有序又有周期数据进行判别分析,就要探索有序判别的新方法。这种方法的分类应当是有序的,并且能够排除事物发展周期性的干扰。本文介绍多元数据有序判别分析新方法的原理、建模流程、应用流程和应用实例。这种判别分析将分类建模与判别归类分开。新方法对多元数据建模时在多类模型中建立滑移的多套子模型,应用时根据应用领域的知识对样本归属作初步预估,然后程序选择相关的子模型进行判别归类。这种方法解决了由于时间序列多元数据周期性造成的样本分类颠倒问题,为时间序列数据的分类和预测开辟了新途径,在实际应用中取得了良好的效果,解决了重大难题。     

PLS classification of functional data

Partial least squares (PLS) approach is proposed for linear discriminant analysis (LDA) when predictors are data of functional type (curves). Based on the equivalence between LDA and the multiple linear regression (binary response) and LDA and the canonical correlation analysis (more than two groups), the PLS regression on functional data is used to estimate the discriminant coefficient functions. A simulation study as well as an application to kneading data compare the PLS model results with those given by other methods.     

我国城市消费者寿险购买行为的影响因素及预测

通过文献回顾、专家访谈和问卷调查,确定了8种对消费者寿险购买行为有重要影响的个体态度变量。根据在全国10个城市进行问卷调查所获得的态度变量和人口统计学变量数据,采用判别分析和Logistic回归的方法分别建立了消费者寿险购买行为的预测模型。对模型的评价表明,2个模型都有较好的预测精度;若将两个模型的联合应用,能取得更好的预测效果,对寿险营销管理具有重要的参考价值。     

Logistic回归模型在信用风险分析中的应用

通过运行SPSS,建立L og istic回归信用评价模型(cred it eva luation m odel),用来对中国2000年106家上市公司进行两类模式分类,这两类模式是指按照公司的经营状况分为“差”和“正常”两个小组.对每一家上市公司,考虑其经营状况的4个主要财务指标:每股收益、每股净资产、净资产收益率和每股现金流量.仿真结果表明,L og istic回归信用评价模型对总体106个样本,判别准确率达到99.06%.此外,本文的研究结果还发现,当利用SPSS的D iscrim inan t给出的模型系数建立的线性判别分析模型和利用SPSS的M u ltinom ia lL og istic给出的模型参数建立的L og istic回归模型,L og istic回归模型的判别结果不如线性判别模型.但如果剔除不合格的样本,或是将样本数据规格化,则可以提高L og istic回归模型的分类准确率.     

非参数逐步判别分析在脑中风分类诊断中的应用

本文采用不等带宽核密度估计的非参数逐步判别分析,使用SAS软件,对复旦大学附属中山医院78例脑中风样本病例,科学地进行了脑出血、脑缺血的分类诊断。经交叉证实法得判别正确率为:脑出血87 88%、脑缺血88 89%,总判别正确率88 46%,判别效果良好。应用78例训练样本建立的判别函数,在苏州大学附属医院2002年42例脑中风病人的分类诊断中,取得了成功的实际应用效果。     

大豆害虫预报模型研究

本文从多元统计分析入手，对河南省中牟县历年大豆虫害情况，采用贝叶斯逐步判别分析方法，建立了豆天蛾年总量和蛾量高峰日预报模型     

改进的基于特征向量集的距离判别及在企业信用评价中的应用

在基于特征向量集的距离判别的基础上,提出新的判别分析方法,试图解决现有判别分析方法中计算量大及对复杂数据判别效果差的缺点.同时,将方法用于企业信用评价中,并与传统的判别方法及一些改进的判别方法作比较,实验结果表明,方法提高了企业信用评价的准确率.