随着物联网技术的发展，前端传感器的使用使得低合金钢的海水腐蚀监测成为了现实，从而获得了大量的腐蚀数据。针对传统均值法处理双率腐蚀数据带来的数据信息损失以及建模精度下降问题，提出了一种基于综合指标值(CIV)和改进相关向量回归(IRVR)的双率腐蚀数据处理和建模算法(CIV-IRVR)。首先，通过构建CIV表征输入数据的综合影响并采用天牛须搜索(BAS)算法对其参数进行寻优；然后，建立最优CIV序列与输出数据间的线性回归模型将双率数据转化为建模用的单率数据，能够更多地保留原始数据信息；最后，给出了一种BAS算法优化的具有组合核函数的改进相关向量回归建模方法(IRVR)，并建立了针对低合金钢海水腐蚀双率数据的CIV-IRVR预测模型。结果表明：相比于均值方法处理双率腐蚀数据，所提方法将建模样本数量由196提升到了1834；相比于海水腐蚀建模领域常用的人工神经网络(ANN)和支持向量回归(SVR)建模方法，所提模型的平均绝对误差(MAE)、均方根误差(RMSE)和决定系数(CD)分别为1.1914 mV、1.5729 mV以及0.9963，在各项指标上均优于对比算法，说明所提模型不仅减少了信息损失还提高了建模精度，对于双率海水腐蚀数据建模具有一定现实意义

针对分类数据, 通过数据对象在属性值上的集中程度定义了新的基于属性值集中度的类内相似度(similarity based on concentration of attribute values, CONC), 用于衡量聚类结果中类内各数据对象之间的相似度; 通过不同类的特征属性值的差异程度定义了基于强度向量差异的类间差异度(dissimilarity based on discrepancy of SVs, DCRP), 用于衡量两个类之间的差异度.基于CONC和DCRP提出了新的分类数据聚类有效性内部评价指标(clustering validation based on concentration of attribute values, CVC), 它具有以下3个特点: (1)在评价每个类内相似度时, 不仅依靠类内各数据对象的特征, 还考虑了整个数据集的信息; (2)采用几个特征属性值的差异评价两个类的差异度, 确保评价过程不丢失有效的聚类信息, 同时可以消除噪音的影响; (3)在评价类内相似度及类间差异度时, 消除了数据对象个数对评价过程的影响.采用加州大学欧文分校提出的用于机器学习的数据库(UCI)进行实验, 将CVC与类别效用(category utility, CU)指标、基于主观因素的分类数据指标(categorical data clustering with subjective factors, CDCS)指标和基于信息熵的内部评价指标(information entropy, IE)等内部评价指标进行对比, 通过外部评价指标标准交互信息(normalized mutual information, NMI)验证内部评价效果.实验表明相对其他内部评价指标, CVC指标可以更有效地评价聚类结果.此外, CVC指标相对于NMI指标, 不需要数据集以外的信息, 更具实用性

1数域 一个含有数0,1的数集F,如果其中任意两个数关于数的四则运算封闭除法的除数不为零),即它们的和,差,积,商仍是F中的数,则数集F就称为一个数域

第五章计数资料的统计描述 一、、相对数的意义 绝对数:分类变量经过整理后清点出各类的例数,称为绝对数。 相对数:是指两个有联系的指标之比,其意义是相对表示事物出现的程度,便于相互比较。 相对数可视为平均数,均数也可视为相对数

定理3(收敛数列与其子数列间的关系) 如果数列{xn}收敛于a,那么它的任一子数列也收敛, 且极限也是a 证明设数列{xn}是数列{xn}的任一子数列. 因为数列{xn}收敛于a,所以ve>0,3nen+,当n>时, 有xn-ak. 取K=N,则当kK时,nK=N.于是xn-ak

第一章绪论与数值计算中的误差 1绪论 1、数值分析的研究对象 数值分析是计算数学的一个主要部分,计算数学是数学科学的一个分支,它研究用计算机求解各种数学问题的数值计算方法及其理论与软件实现。数值分析所研究的问题,是为求解各类数学问题去构造算法、分析算法和使用算法。用计算机解决科学计算问题的过程:

在计算机领域中，信息载体的各种符号等都看作为数据, 程序设计语言中使用的各种数据都有与之相联系的数 据类型，而数据类型是语言中描述数据结构的机制。 数据类型刻划了数据符号所能具有的值及在其上可施 行的操作。程序中使用的所有数据都必须指定其数据类型。 程序设计语言中为数据指定数据类型的另一目的是为 数据分配规定的存储空间、正确解释与使用数据

多维数组与指针 用指针可以指向一维数组,同样也 可以指向多维数组中的元素 1.二维数组元素的地址 可以将二维数组理解为“数组的数组” 例如: inta[2][3]={(1,2,3),(4,5,6)} 可以理解成为两个一维数组,每个 数组由三个元素组成

第一周: (第一章) 代数系统的概念;数域的定义; 定理任一数域都包含有理数域 集合的运算,集合的映射(像与原像、单射、满射、双射)的概念;求和号与求积 号。 (第一章2) 高等代数基本定理及其等价命题 推论数域上的两个次数小于m的多项式如果在m个不同的复数处的取值相等,则此 二多项式相等; 韦达定理 实系数代数方程的根成对出现 推论实数域上的奇数次一元代数方程至少有一个实根

7.1 投票情况统计 7.2 找出矩阵中最大值所在的位置 7.3 判断回文 本章总结： ◼ 一维数组：  定义、初始化、引用  使用一维数组：选择排序 ◼ 二维数组  定义、初始化、引用  使用二维数组：矩阵 ◼ 字符串  字符数组与字符串  字符串的存储  字符串的操作 ◼ 使用数组进行程序设计 •正确理解数组的基本概念及在内 存中的存放方式； •掌握使用一维数组编写程序； •掌握使用二维数组编写程序； •正确理解字符串的概念，掌握使 用字符串编写程序； •能合理运用数组进行程序设计， 熟练掌握几个常用的算法；