3.1.1 线性规划对偶问题 3.1.2 对偶问题的基本性质 3.1.3 影子价格 3.1.4 对偶单纯形法 3.2.1 灵敏度问题及其图解法 3.2.2 灵敏度分析 3.2.3 参数线性规划

2004年考硕数学(二)真题评注 一.填空题(本题共6小题,每小题4分,满分24分把答案填在题中横线上) (1)设f(x)=lim(n-1)x则f(x)的间断点为x=0n→∞onx2+1

1、了解随机变量的概念； 2、理解离散型随机变量的概念及其分布律的概念和性质； 3、理解连续型随机变量的概念及其概率密度函数的概念和性质；

《专业导论》 《高等数学》 《无机化学-1》 《无机化学-2》 《无机化学实验(一)》 《无机化学实验-二》 《分析化学》 《分析化学实验》 《有机化学-1》 《有机化学实验》 《仪器分析》 《仪器分析实验》 《计算机在化学中的应用》 《中级无机化学》

统计推断问题可以分为两大类,一类是估计问 题,一类是假设检验问题.本章讨论总体参数 的点估计和区间估计 设总体X的分布函数的形式为已知,但它的一个或多个参数为未知,借助于总体X的的一个 样本来估计总体未知参数的值的问题称为参数的点估计问题

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 求积公式 §2 Newton-Cotes公式 §3 复化求积公式 §4 Romberg求积公式 §5 Gauss型求积公式 §6 数值微分

原子发射光谱法是一种成分分析方法，可对约70种 元素（金属元素及磷、硅、砷、碳、硼等非金属元素） 进行分析。这种方法常用于定性、半定量和定量分析。 在一般情况下，用于1%以下含量的组份测定，检出 限可达ppm，精密度为±10%左右，线性范围约2个数 量级。但如采用电感耦合等离子体（ICP）作为光源，则 可使某些元素的检出限降低至10-3 ~ 10-4ppm，精密度达 到±1%以下，线性范围可延长至7个数量级。这种方法 可有效地用于测量高、中、低含量的元素

1.讨论下列反常积分的敛散性: (1) dxdy1+x)(1+y) (2),(x,y)dxdy,D={(x,y)10≤y≤1},而且0