针对单核学习支持向量机无法兼顾学习能力与泛化能力以及多核函数参数寻优问题，提出了一种基于群体智能优化的多核学习支持向量机算法。首先，研究了五种单核函数对支持向量机分类性能的影响，进一步提出具有全局性质的多项式核和局部性质的拉普拉斯核凸组合形式的多核学习支持向量机算法；其次，为增加粒子多样性及快速寻优，将粒子群优化算法引入了遗传算法中的杂交操作，并用此改进的群体智能优化算法对多核学习支持向量机进行参数寻优。最后，分别采用深度特征与手工特征作为识别算法的输入，研究表明采用深度特征优于手工特征。故本文采用深度特征作为多核学习支持向量机的输入，以交叉遗传与粒子群混合智能优化算法作为其寻优方式。实验选取合作医院数据集对所提算法进行训练并初步测试，进一步为了验证所提算法的泛化能力，选取公开数据集LUNA16进行测试。实验结果表明，本文算法易于跳出局部最优解，提升了算法的学习能力与泛化能力，具有较优的分类性能

1907年由俄罗斯数学家马尔可夫（A.Markov）提出， 并由蒙特-卡罗(Mote-Carlo)加以发展。 用于分析随机事件未来发展变化的趋势，即利用某 一变量的现状和动向去预测该变量未来的状态及动 向，以预测未来某特定时期可能发生的变化，以便 采取相应的对策

采用Burgers模型对排土场散粒体蠕变的减速蠕变和等速蠕变两阶段进行描述,利用分层总和法的思想,将垂直填筑的排土场进行分层处理,底层在上覆‘自重’变荷载作用下发生沉降变形,分别采用定常和非定常Burgers蠕变模型从理论解析角度推导排土场填筑动态过程中沉降、工后沉降及累计沉降计算公式.以齐大山铁矿排土场监测数据进行实例验算,应用结果表明:非定常Burgers模型和定常Burgers模型拟合的相关系数均较高,非定常Burgers模型沉降最终收敛于5.07 m,定常Burgers模型沉降曲线具有发散性,可见非定常Burgers模型能更好地表述排土场沉降真实工况;将排土场分为十个分层,结合FLAC3D软件的蠕变数值分析计算,得出各单层沉降率的变化规律,即各单层工后沉降量上层沉降值小于下层和中间层,且上层沉降量呈现单调递减变化,越接近排土场顶部单层沉降量越小;中间层沉降量相对下层沉降量要大,其中第5单层的沉降量最大

吉林大学：《预防医学》课程电子教案（PPT课件）第九章 医学统计学基本概念和基本步骤 第二节 医学统计工作的基本步骤（2/2）、第十章 数值变量资料的统计分析 第一节 数值变量的频数分布、第二节 集中趋势指标（1/2）

在粗锡精炼过程中引入超重力场，运用超重力技术研究Sn-3% Fe（质量分数）熔体中杂质元素铁在超重力场中的定向富集和过滤分离的规律，达到提纯净化粗锡的目的.结果表明，对于超重力场G=500以10℃·min-1冷却速率凝固后的Sn-3% Fe熔体，超重力场极大强化富铁相在粗锡熔体中的沉降运动，使先析出富铁相全部富集到试样的下部区域，上部几乎找不到富铁相颗粒.下部尾锡中的铁质量分数达到4.817%，而上部精锡中的铁质量分数降低到0.036%，精锡中铁的脱除率高达98.78%.在超重力场中过滤的Sn-3% Fe熔体可实现富铁相杂质和精锡液的有效分离，当重力系数大于30时，精锡的回收率随重力系数的增大而提高.在超重力场G=100，240℃条件下，Sn-3% Fe熔体过滤1 min后，精锡液几乎全部被分离到坩埚底部，富铁相杂质被截留在过滤碳毡上部，下部精锡中找不到富铁相杂质的颗粒，精锡中铁质量分数降至0.253%，富铁渣中铁质量分数高达11.528%.精锡中铁的脱除率高达91.44%，超重力场中精锡的回收率高达82.69%

实际的数据采集系统往往需要同时 测量多种物理量或同一种物理量的多个 测量点。因此,多路模拟输人通道更具 有普遍性。按照系统中数据采集电路是 各路共用一个还是每路各用一个,多路 模拟输人通道可分为集中采集式和分散 采集式两大类型

利用紧束缚分子动力学的方法,模拟了球形和立方体金纳米微粒的最近邻原子间距以及结合能.研究表明,原子数为108,256的立方体纳米微粒的稳定结构是非晶态,而其他尺寸的球形和立方体形微粒则是面心立方结构.对于晶态结构,在一定的形状下,金纳米微粒的最近邻原子间距以及结合能随着微粒尺寸的减小而降低;而在微粒原子数一定时,球形金纳米微粒的最近邻原子间距以及结合能的变化量分别要小于立方体形微粒的相应变化量.由于晶体-非晶转变对于最近邻原子间距的影响非常明显,因此最近邻原子间距可以作为晶态和非晶态纳米微粒的一个判据.通过线性拟合模拟数据,定量地给出了形状对于最邻近原子间距变化量的贡献为总变化量的2%,而对于结合能的贡献为总变化量的15%.本文模拟的最近邻原子间距的数值与文献上报道的实验结果符合得很好

第一节 随机向量 第二节 两个随机变量的函数的分布 第三节 随机向量的数字特征 第四节 大数定理与中心极限定理

在大量实测数据的基础上,结合理论分析,用统计方法建立起适合工程应用的支持辊磨损模型.该模型是一个多峰且高度非线性系统的半经验公式,其参数的估计复杂且计算量大.借助于带记忆的模拟退火算法,得到有效的解决.计算结果表明该模型具有较高的预报精度.在武钢2800四辊轧机应用后,取得明显效果

一、主要内容 1．数理统计的基本概念，总体、个体、样本、统计量； 2．样本均值、样本方差和样本矩的计算，经验分布函数； 3．三个重要分布，常用概率分布分位数的概念及分位数表；