带有不可忽略缺失数据的广义部分线性模型的贝叶斯分析

广义部分线性模型是广义线性模型和部分线性模型的推广,是一种应用广泛的半参数模型.本文讨论的是该模型在线性协变量和响应变量均存在非随机缺失数据情形下参数的Bayes估计和基于Bayes因子的模型选择问题,在分析过程中,采用了惩罚样条来估计模型中的非参数成分,并建立了Bayes层次模型;为了解决Gibbs抽样过程中因参数高度相关带来的混合性差以及因维数增加导致出现不稳定性的问题,引入了潜变量做为添加数据并应用了压缩Gibbs抽样方法,改进了收敛性;同时,为了避免计算多重积分,利用了M-H算法估计边缘密度函数后计算Bayes因子,为模型的选择比较提供了一种准则.最后,通过模拟和实例验证了所给方法的有效性.     

教育惩罚与教师道德形象间的合理平衡基点

惩罚作为教育的正当手段之一,在教育过程中扮演着重要的角色。因此,对教师这一社会角色来说,拥有合法、合理的适度惩罚权是必要的。但是,教育惩罚的双刃剑效应与教师道德形象树立之间的混淆认知促使种种教育矛盾的产生。惩罚手段的运用及教师道德形象之间的不平衡所带来的种种隐患,警示着我们,在两者之间寻找一个合理的平衡基点是非常必要的。     

空间接触问题的参变量方法

本文借助于参变量方法给出了空间接触问题的解法.空间接触单元刚度矩阵是通过接触压力和摩擦力的惩罚函数表示式而引入的.两种空间接触本构关系(圆锥型和棱锥型)可以类似于弹塑性问题的模型得到,一定的数学技巧可使惩罚因子最后得以消去,而获得参变量线性互补问题.两个实例证明了这个方法的有效性.     

基于变系数模型的纵向数据相关结构选择和估计

本文针对基于变系数模型的纵向数据提出 选择和估计其个体内部相关结构的方法, 给出变系数模型中系数函数曲线的有效估计, 并建立相应的大样本渐近性质. 模拟结果和实例分析表明, 即使在有限样本下, 本文所提方法在选择和估计真实相关结构方面具有相合性, 并能够提高系数函数曲线的估计效率.     

带惩罚μ-相似Bregman散度k-均值问题的初始化算法

$k$-均值问题是聚类中的经典问题,亦是NP-难问题。如果允许数据点不聚类,而是支付惩罚费用,则引出带惩罚的$k$-均值问题。本文将带惩罚的$k$-均值问题从欧氏距离推广到更一般的$\mu$-相似Bregman散度,研究了带惩罚$\mu$-相似Bregman散度$k$-均值问题的初始化算法。本文给出的初始化算法,近似比与$\mu$和数据点惩罚最大值与最小值的比例$r$相关。     

带惩罚的相同容量k-均值问题的局部搜索算法

经典$k$-均值问题是一类应用广泛的聚类问题,它是指给定$\mathbb{R}^d$中观测点集合$D$和整数$k$,目的是在空间中寻找$k$个点作为中心集合$S$,使得集合$D$中的每个观测点到$S$中离它最近的中心的距离平方求和最小。这是个NP-难问题。经典$k$-均值问题有很多推广,本文研究的带惩罚的相同容量$k$-均值问题就是其中之一。与经典$k$-均值问题相比,惩罚性质是指每个观测点都给定惩罚费用,当某个观测点到最近中心的距离大于惩罚费用时,其对目标函数的贡献就用该观测点的惩罚费用来代替最近的距离的平方,相同容量约束要求每个中心至多连接$U$个观测点。针对这种问题,我们设计了局部搜索算法,该算法在至多选取$（3+\alpha）k$个中心的情况下,可以达到$\beta$-近似,其中,参数$\alpha>34$,$\beta>\frac{\alpha+34}{\alpha-34}$。     

保险动态惩罚机制对网约车平台监督作用的演化博弈研究

采用演化博弈方法,研究保险公司与网约车平台之间的博弈演化过程,分析了在保险公司监督下,网约车平台策略选择的影响因素,并比较了静态惩罚机制和动态惩罚机制下网约车平台与保险公司博弈的均衡策略。研究发现,保险公司的惩罚性保费可以促使网约车平台的策略选择发生改变。在静态惩罚机制下,网约车平台和保险公司的策略选择呈周期波动模式,不能收敛;在动态惩罚机制下,网约车平台和保险公司的博弈呈现螺旋收敛的演化轨迹,且收敛的均衡点不随策略选择的初始概率不同而改变。研究结论明确了保险在网约车行业管理中的社会监督职能,并为保险公司保费的制定提供理论参考。     

基于深度学习神经网络和量子遗传算法的柔性作业车间动态调度

针对柔性作业车间动态调度问题构建以平均延期惩罚、能耗、偏差度为目标的动态调度优化模型,提出一种基于深度Q学习神经网络的量子遗传算法。首先搭建基于动态事件扰动和周期性重调度的学习环境,利用深度Q学习神经网络算法,建立环境■行为评价神经网络模型作为优化模型的适应度函数。然后利用改进的量子遗传算法求解动态调度优化模型。该算法设计了基于工序编码和设备编码的多层编码解码方案;制定了基于适应度的动态调整旋转角策略,提高了种群的收敛速度;结合基于Tent映射的混沌搜索算法,以跳出局部最优解。最后通过测试算例验证了环境-行为评价神经网络模型的鲁棒性和对环境的适应性,以及优化算法的有效性。     

父母奖惩方式与小学生心理感受的研究

父母的奖励和惩罚是子女教育中的重要方法。就父母奖惩方式与小学生心理感受问题，对山西省晋中市榆次区开发区随机抽取200名3、4、5年级的小学生作为被试对象进行探究，获知不同的奖惩手段会对小学生的心理感受造成不同程度的正面或者负面的影响，揭示目前小学生对奖励和惩罚的心理反应，为父母正确认识和合理运用奖励和惩罚手段并提高父母的教育方式，提供建议及依据。     

具有惩罚因子的模糊集约生产计划

研究基于模糊环境下的集约生产计划问题,并设计了带有惩罚因子的模糊优化模型,以实现生产费用和惩罚费用之和最小.通过模糊变量和模糊等式定义的描述,简化了模型,并给出机会约束规划方法进行模型求解的整体步骤.通过仿真结果和灵敏度分析,表明模型和方法的有效性,并为决策者在模糊环境下的决策提供支持.