基于ESVM的科技政策文本标签分类研究

文本标签作为一种文本关键词,能够简化科技政策中有效信息的挖掘。本文从科技政策类别角度,将标签类别分为科技投入、知识产权、农村科技和税收四类,针对传统SVM算法的缺点和标签数据不平衡的缺点,结合欧式距离思想,提出一种带有惩罚因子的ESVM科技政策文本标签分类方法。最后,对比SVM和ESVM两种分类方法,验证了本文方法在处理科技政策文本标签数据上的有效性。     

基于神经网络的医疗诊断研究

主要工作集中在医疗数据的预处理和神经网络模型的训练.首先结合数据挖掘和自然语言处理技术,在保留医疗数据语义基础上对分词工具语料库进行补充,将中文数据分词,同时对其中大量冗余信息进行清洗,将中文数据转换成计算机可识别的编码,其次利用多种经典热门的神经网络模型来训练医疗数据,同时对比基于传统决策树模型的GBDT模型的训练结果,最后实验结果证明,对于多种疾病诊断,神经网络模型的效果要优于其他模型,诊断准确率接近90%.     

基于分层贝叶斯模型的损失准备金估计

传统的准备金模型主要是通过加总个体数据得到聚合损失三角形数据建立的,然而,这种数据的加总对原始个体数据产生不可避免的信息浪费.虽然这种方法简单,但可导致准备金估计的较大偏差.近年来提出的个体数据准备金模型中大都没有考虑保单合同之间的相依性.本文假设相同事故年的保单产生的索赔具有某种共同效应导致的相依情形,通过建立个体数据准备金的分层贝叶斯模型,利用信度理论的思想,得到每个事故年的准备金估计,从而得到总准备金的估计.进而,讨论了发展因子和结构参数的估计及其相应的统计性质.最后,给出数值例子表明本文给出的准备金估计的计算方法,并且比较了个体数据和聚合数据下准备金估计的均方误差.     

基于大数据的重大工程智能群体决策支持系统研究

随着工程建设行业的规模化及国际化发展趋势,重大工程逐渐成为国家发展的重要标志.重大工程的复杂性往往导致决策不确定性并引发管理中的诸多难题.为高效解决重大工程决策主体多元化所带来的信息不对称、决策方案冲突等问题,将智能决策方法融入重大工程群体决策过程中,构建了基于大数据的重大工程智能群体决策支持系统(BD-IGDSS),并通过将BD-IGDSS应用于中泰铁路工程及港珠澳大桥工程,分析该系统在重大工程决策管理中的优势.     

基于重抽样分布的一类模糊累积和控制图

过程变量在代表产品或服务过程信息时并非完美，而使用模糊数可能是另一较好途径。文章进一步完善模糊累积和控制图，其中使用中心和扩展具有重抽样分布的模糊随机变量，并给出模拟例证。     

浅谈数理统计学的基本理论与研究

统计是我们认识世界最有效的形式之一,并且统计的形式又是有效达成相应经济政治目标的方式。市场经济环境发展的越好,相应统计信息的需求将会越高,并且统计知识的普及度也将不断提升。统计学的理论覆盖的范围越广泛,其蕴含的内容将会越深厚,事实上统计学中应用的大多数统计形式都是在数理统计形式上进行的,并将这些理论作为统计学发展的基础,这样就能够更好地解决相应的社会问题。     

基于压缩感知的无线传感网数据收集研究进展

综述了基于CS的WSN数据收集研究成果,分别从基于矩阵设计、最小化能量和减少延迟等方面进行了分类探索,分析了各类方案的技术思想和优缺点,展望了基于CS的数据收集的发展方向。     

电商打假背后：中国产业结构亟待升级

任何一个企业成长到一定体量、能影响多个行业生态时,都会在自身经济属性之外具备相应社会责任,如《蜘蛛侠》所言,"能力越大,责任越大",上市之后的阿里巴巴变得成熟了许多,它要做的已不仅是追求经济体量的增长,更要承担起相关社会责任。而这一次摆在阿里面前的,不是单纯的"打假",而是中国产业结构升级的迷局。     

SDH技术在有线电视网络传输中的应用

文章介绍了SDH技术的传输原理、网络特点、基本构成及其在有线电视网络传输中的应用。