电信客户信用风险等级评估是对电信客户的信用风险进行等级分类.针对建立客户信用风险等级分类模型时,大量带有类标注数据难以获得的问题,提出了基于主动学习的分类器建模方法,并对基于QBC(委员会投票选择)的主动学习算法进行改进以提高分类器的预测精度.通过对实际电信客户数据进行信用风险等级建模实验,结果表明:应用新算法,分类器使用了较少的带类标签样本数据,达到了与被动学习相同的精度,大大降低了信用专家评估数据的工作量

1. 基础化学课程的地位和作用 2. 我国的法定计量单位 3. 有效数字 4. 量纲分析 5. 溶液的组成标度 ① 物质的量 ② 物质的量浓度 ③ 摩尔分数和质量摩尔浓度 ④ 摩尔分数 ⑤ 质量摩尔浓度

一、抽样分布 有时,总体分布的类型虽然已知,但其中含有未知参数此时需对总体的未知参数或对 总体的重要数字特征(如数学期望、分差等)进行统计推断,此类问题称为参数统计推断在 参数统计推断问题中,常需利用总体的样本构造出合适的统计量,并使其服从或渐近地服从 已知的总体分布.统计学中泛称统计量分布为抽样分布

运用共存理论建立了钒渣活度计算模型,分析了钒渣成分和温度对渣中FeO、V2O3活度及活度系数的影响;通过实验和理论计算,分析了转炉提钒终点钒渣成分和温度对钒在渣和半钢间分配行为的影响.结果表明,渣中FeO的活度和活度系数随MnO和FeO含量的增加而增加,随V2O3、SiO2和TiO2含量的增加而减小,其值分别在10-1和100的数量级上,而渣中V2O3的活度及活度系数在同样条件下的变化与FeO相反,其值分别在10-2和10-1的数量级上;半钢V的质量分数一般在0.02%~0.06%之间,随温度以及渣中V2O3、TiO2和SiO2含量升高而升高,随FeO含量降低而升高;V在渣金间的分配比为100~500,随温度和渣中TiO2、SiO2含量升高而降低,随FeO含量升高而升高;存在一个临界V2O3含量使得V在渣金间的分配比达到最大,该值的理论计算结果为23.77%,实验结果在15%~20%

取得总体的样本后,通常是借助样本的统计量对未知的总体分布进行推断,为此须进一 步确定相应的统计量所服从的分布,除在概率论中所提到的常用分布外,本节还要介绍几个 在统计学中常用的统计分布:

利用CFD仿真对首钢1780m3霍戈文内燃式热风炉进行了数值模拟分析,主要研究了空气和煤气混合前在矩形燃烧器中的流动,混合气体在燃烧室的燃烧、含量分布、温度分布、火焰形状以及拱顶的速度分布和温度分布.结果表明:空气喷嘴出口界面和煤气出口截面的流场都存在一定程度的不均匀性;沿燃烧室宽度方向,火焰高度变化剧烈;拱顶出口截面残余极少量的一氧化碳,蓄热室表面烟气速度分布不均,最高温差也很大

通过FactSage 6.0热力学软件计算,研究了合金钢中镁铝尖晶石(MgO.Al2O3)形成和向低熔点复合夹杂物转化的热力学条件,以及钙处理对钢液成分和夹杂物成分的影响.研究结果表明:钢中生成镁铝尖晶石夹杂物需要镁的含量较低;当钢液中溶解钙的质量分数为1×10-6时,镁铝尖晶石会转化变成液态的复合夹杂物;随着钙加入量的增加,液态复合夹杂物中Al2O3和MgO的含量继续降低,CaO的含量继续增加,SiO2的含量较低,基本保持不变;随着钙加入量的增加,钢液中的氧含量会降低,镁含量增加

统计量都是随机变量，统计量的分布称为抽样分布。 定理 5.7 设随机变量 X1 , X 2 ,\, X n 相互独立，且 ~ ( , ) 2 Xi N µ i σ i (i = 1,2,\n)

针对轴承钢中钙铝酸盐大型夹杂物的控制问题,通过计算GCr15轴承钢中尖晶石MgO·Al2O3、钙的铝酸盐CaO·6Al2O3夹杂物生成热力学,分析精炼渣成分与夹杂物类型之间的定量关系.结果表明:当钢水中含有质量分数0.10×10-6的溶解钙[Ca]时,只要溶解镁[Mg]质量分数小于10×10-6,MgO·Al2O3就会被[Ca]还原成CaO·6Al2O3;当精炼渣碱度为7.04,（MgO）质量分数为1.38%时,钢水中溶解[Mg]质量分数比临界[Mg]质量分数低56%,夹杂物以尺寸大于10μm的CaO-Al2O3系复合夹杂为主;当精炼渣碱度为3.75,（MgO）质量分数3.14%时,钢水中溶解[Mg]质量分数比临界[Mg]质量分数低14%,夹杂物以尺寸小于8μm的MnS包裹MgO·Al2O3复合夹杂为主;当精炼渣钙铝比C/A为1.82.0时,控制精炼渣碱度R为4.55.5,（MgO）质量分数为3%~5%,即能使钢中MgO·Al2O3保持稳定而不转变为CaO·6Al2O3

当我们面对一大堆数据时,往往使人眼花缭乱没有人能够记住那些巨 大的数据中的所有数值,但总是可以对数据形成一些印象。有些特征大略了解一 下就可以得到: 这些数据的大致范围;是定性还是定量;有多少变量;收集该数据的目 的等等