研究半监督支持向量机分类优化模型的非光滑问题.建立了光滑半监督支持向量机模型,采用广义三弯矩法导出零点二阶光滑的广义三次样条函数,并以此逼近半监督支持向量机优化中的非光滑部分.构造出基于上述样条函数的具有一阶光滑的半监督支持向量机,从而可以用优化中的光滑算法来求解该模型.分析了广义三次样条函数逼近对称铰链损失函数的逼近精度,证明了新模型的收敛性.数值实验显示新模型有较好的分类效果

一. 单项选择 1． 数据结构是一门研究非数值计算的程序设计问题中计算机的__A①___以及它们之间的__A②__和运算等的学科。 ① A）操作对象 B） 计算方法 C） 逻辑存储 D） 数据映象 ② A）结构 B）关系 C）运算 D）算法

设fx)是定义在闭区间[ab]上的连续函数,如果x∈[ab]使 得f(x)=0则称x是fx)的一个零点 从几何图形看,函数f(x)的零点就是曲线y=f(x)与x轴的交 点。这个事实对我们求数值解很有启发作用 提示:函数f)的零点其实也就是(非线性)方程fx)=0的 解,所以求函数的零点问题也就是非线性方程求解的问题。 结论:由高等数学中的界值定理可知,若fa)f(b)<0,方程 f(x)=0在[ab内一定有解 求函数零点的方法有对分法,牛顿法和不动点算法

自然科学与工程技术中种种运动发展过程与平衡现象各自遵守一定的规律。这些规律的定量表述一般地呈现为关于含有未知函数及其导数的方程。我们将只含有未知多元函数及其偏导数的方程，称之为偏微分方程。方程中出现的未知函数偏导数的最高阶数称为偏微分方程的阶。如果方程中对于未知函数和它的所有偏导数都是线性的，这样的方程称为线性偏微分方程，否则称它为非线性偏微分方程。初始条件和边界条件称为定解条件，未附加定解条件的偏微分方程称为泛定方程。对于一个具体的问题，定解条件与泛定方程总是同时提出。定解条件与泛定方程作为一个整体，称为定解问题

大概是由于以前人们使用计算工具非常落后,所以计算量较小的计算方法更受欢迎 解线性方程组的约当消去法的计算量比高斯消去法稍大一些,这对于我们现在使用的计算机来说,完全算 不了什么 约当消去法算法更简单,编程的方式更灵活,还可用来求解有无数组解的线性方程组,还可用来求矩阵的逆。所以约当消去法的价值超过了高斯消去法。 高斯消去法的回顾 高斯消去法的的关键是把线性方程组化为上三角形线性方程组,也就是利用akk不为零来消去

采用一种改进的Potts模型Monte Carlo算法,对具有Weibull尺寸分布(参数β=3.47)的晶粒组织进行了3D正常晶粒长大过程的仿真研究.仿真结果表明:整个晶粒长大过程遵循抛物线长大规律,晶粒生长指数为0.501,非常接近理论值0.5.晶粒长大过程可分为过渡阶段与准稳态长大两个阶段.Weibull尺寸分布参数β由过渡阶段的3.47逐渐演变为准稳态阶段的2.76,准稳态阶段晶粒尺寸分布参数保持β=2.76不变.晶粒的平均面数〈f〉随仿真时间的增加而增大,在准稳态阶段后期趋近于稳定数值.晶粒面数分布为Lognormal分布,最高频率面数f为10,个体晶粒面数范围为3~43

通过本章的学习应掌握Exce中的算法问题,将管 理活动提升到理论的高度,提高数字化管理的能力

南京大学：《计算机问题求解》课程教学资源（PPT课件讲稿）数论算法

南京大学：《计算机问题求解》课程教学资源（PPT课件讲稿）数论算法（OLD）

传统的分类算法大多假设数据集是均衡的,追求整体的分类精度.而实际数据集经常是不均衡的,因此传统的分类算法在处理实际数据集时容易导致少数类样本有较高的分类错误率.现有针对不均衡数据集改进的分类方法主要有两类:一类是进行数据层面的改进,用过采样或欠采样的方法增加少数类数据或减少多数类数据;另一个是进行算法层面的改进.本文在原有的基于聚类的欠采样方法和集成学习方法的基础上,采用两种方法相结合的思想,对不均衡数据进行分类.即先在数据处理阶段采用基于聚类的欠采样方法形成均衡数据集,然后用AdaBoost集成算法对新的数据集进行分类训练,并在算法集成过程中引用权重来区分少数类数据和多数类数据对计算集成学习错误率的贡献,进而使算法更关注少数数据类,提高少数类数据的分类精度