作物生态适宜性模糊综合评判中权重矩阵量化方法及其应用

在作物生态适宜性模糊综合判评中 ,不同生态类型的生态因子组合状态、各生态因子的重要性、主导限制性因子不同 ,需要把权重向量扩展、改造为模糊权重矩阵 .本文根据系统结构决定系统功能的原理及边际生产力理论 ,探索出模糊权重矩阵的量化处理方法 .通过对陕南山区猕猴桃生态适宜性综合评判的具体应用 ,表明该方法能灵敏反映短线因子的限制性作用 ,符合实际状况 ,结论可靠 .     

积因子求权重层次分析法在城市排序中的应用

克服传统层次分析法确定因素权重主观性太强的不足,结合积因子方法给出了积因子赋值求权重层次分析法,并利用该方法对黑龙江省各城市按可持续发展指标进行排序,得到符合实际的结果.     

《高等数学研究》影响力再攀新高

据不久前出版的《中国学术期刊综合引证年度报告(2007)》提供的数据,《高等数学研究》(双月刊)的“影响因子”为0.443,在所收录的38种数学类期刊中居第5位,较去年又前进了3位.总被引频次也较去年增加约50%又据“中国知网”的发行情况统计报表,包括中国大陆地区、港、澳、台地区,以及北美、西欧、日本、东南亚等在内,《高等数学研究》期刊的机构用户总计1003个,国际个人读者分布在7个国家和地区.该报表还提供了部分“典型”用户(区分为“高端”、“中端”、“低端”),其中,“高端”用户中,中国大陆地区高校如:清华大学、北京大学、浙江大学等…     

新世纪以来线性代数教学研究述评——基于文献分析视角

利用SPSS、BICOMB软件,对2000年以来中国知网数据库中的有关线性代数教学改革的1510篇文献进行整理和分析,旨在探讨我国线性代数教学改革研究的总体情况、重点和趋势,为进一步开展线性代数课程教学改革提供借鉴.最后为《线性代数》教学改革方向提出了几个方面的建议.     

中学生数学杂志社特别声明

<正>近来我刊在网上发现有关网站利用《中学生数学》杂志的名义公开向读者和作者进行大额收费征集稿件,误导和欺骗广大读者和作者.本刊在此郑重声明,除中国知网外(本刊与中国知网有合作协议)的其他网站均与我刊社没有任何合作,由此产生的一切后果均与中学生数学杂志社无关.希望引起广大读者和作者注意,不要上当受骗.同时也警告相关网站和出版单位,凡利     

基于Euler网的企业流程建模方法研究

本文主要介绍了基于离散事件系统的 Euler网建模方法 ,Euler网方法是在活动周期图方法的基础上 ,以图论和网论为描述语言的一种建模方法 ,它可以较好地支持生命周期 ,能够充分反映企业不断改进和扩展的过程 ,因此本文采用 Euler网方法对企业流程建模进行了重点研究 ,为企业建模提供了新的思路 .     

一类含有约束的变分问题中权重因子的最优选取

研究了一类含有线性对流约束的变分问题中权重因子的最优选取。在变分问题中,泛函权重因子选取的适当与否将影响数值计算的结果。针对目前权重因子选取的相对随意性,在对观测场和理想场合理假设的条件下,分别讨论了带有弱约束和强约束的变分问题,通过求解相应的Euler方程,运用矩阵理论和偏微分方程的差分方法,得到了在分析场与理想场之间方差最小意义下的客观权重因子。推证结果表明,若将带约束的变分问题的Euler方程离散成差分形式,且满足根据实际问题提出的合理假设以及差分方程稳定性条件,那么目标泛函中的权重因子在分析场与理想场的最小方差意义下存在最优选取。它们在理论上更客观可信,可以实现权重因子与数值模式、观测资料的整体协调以及各因子之间的相互协调。     

链梯法中进展因子估计的数学规划法

对传统链梯法中进展因子估计方法的不足进行了简要分析,提出将两种形式的偏差函数作为目标函数,建立二次规划和目标规划模型对进展因子进行估计.同时,对不同事故年赋予不同的权重因子,以区别不同数据信息在进展因子估计中的作用,弱化异常数据对进展因子估计的影响.通过数值实验对所述方法的可行性进行验证.     

窥一斑而未必知全貌

“窥一斑而知全貌”这一典故出自《世语新说·方正》:“此郎亦管中窥豹,时见一斑.”就是说通过事物某一部分的典型特征从而了解到整个事物.这种了解事物的方法用于其他方面不知是否可行,然而若用于数学研究是绝对不可以的,即“窥一斑而未必知全貌”,数学是严谨的,主观臆断、想当然的作法得到的往往是错误的结论. 《中国数学教育》(初中版)2011年第5期刊登了浦叙德老师的文章《浅谈数学课堂教学中的生成性追问及时机》,读罢受益匪浅.然而其中的案例5存有瑕疵,浦老师就犯了“窥一斑而知全貌”的错误,下而提出与浦老师商榷.为了便于说明,简摘原文如下:     

基于组合模型的上市公司高送转预测

本文基于中国市场3465家上市公司7年的数据,首先利用随机森林算法提取出43个因子,再利用Lasso方法进行特征选取,最后选出11个重要因子,然后分别采用logistic回归和决策树方法构建两种预测模型,最后基于损失函数确定权重将两种预测模型按权重进行线性组合建立组合模型.实证结果表明,基于组合模型的预测准确率相比单一模型提高了1.39%.