高校专业硕士层次型阶梯式数学类课程教学体系的构建

针对当前高等专业硕士教育中的人才需求多规格、个性化、高层次的特点,为培养具有"创新能力、创业能力和实践能力"的专业硕士,论文重新审视和研讨数学类课程在创新人才培养中的角色定位、教学内容、教学方法和培养体系等相关问题。文章结合教学实践构建了"培养分析能力、提升建模能力、加强应用能力、促进创新能力"的专业硕士数学类课程层次型阶梯式教学体系。     

基于小波分析的受扰涡街流量信号处理

正弦信号和噪声信号在多尺度小波变换下其小波谱高频部分具有明显不同表现.本文对含噪声的涡街信号进行多尺度小波分解,去除噪声小波谱,再利用Matlab软件平台编辑重构出有效正弦信号.仿真实验表明,该方法是有效的.     

工科研究生创新能力培养与“数理统计”课程教学改革

数理统计是工科研究生的一门公共基础课程，通过数理统计课程教学现状分析，探讨了如何借助课程教学平台，深化教学改革，培养学生创新能力的问题．     

基于系统熵的粗糙集属性约简新方法

在系统熵的基础上,定义了一种新的属性重要度并提出了一种基于改进系统熵的粗糙集属性约简算法,实验分析表明,该属性重要度为启发式信息进行的属性约简,取得了理想效果。     

BP神经网络的联合优化算法

针对BP神经网络存在收敛速度慢、易陷入局部极小等缺陷,提出了一种自适应调节学习率和动态调整S型激励函数相结合的改进BP算法。该算法将学习率与误差函数相关联,再对每个隐单元和输出单元的激励函数的斜率进行自动调整。通过实例仿真,将改进算法与标准BP算法、加动量项法和自适应学习率法进行比较,来验证所提出方法的有效性。实验结果表明,联合优化的BP算法能有效加快网络的收敛过程,并具有较强的泛化能力。     

综合优化神经网络算法

以多项式函数作为神经元的激活函数,结合矩阵伪逆的思想预先确定网络权值,并利用区间折半搜寻法自动优化隐层神经元数。通过对Hermit函数的仿真,充分显示了综合优化神经网络算法对函数具有较好的逼近。     

基于Copula的贝叶斯分类器

利用Copula的理论提出了基于Copula贝叶斯分类算法,克服了一般的朴素贝叶斯分类器要求属性独立性假设的不足,进一步扩展了朴素贝叶斯分类器,实验结果表明,基于Copula贝叶斯算法取得了较好的分类效果。     

基于改进属性加权的朴素贝叶斯分类模型

构造了一种新的属性间相关性度量方法,提出了改进属性加权的朴素贝叶斯分类模型。经实验证明,提出的朴素贝叶斯分类模型明显优于张舜仲等人提出的分类模型。     

确定高斯核参数的聚类方法

高斯核参数σ的选择,直接影响着高斯核支持向量机的分类性能。将聚类方法与最小距离分类法进行融合,构造了能有效确定高斯核参数σ的优化算法。采用高斯核支持向量机方法对测试集进行分类,以分类正确率来评判选取核参数σ的效果。实验表明,该方法适宜于较广泛的数据类型,具有良好的推广能力,并能有效提高分类效果。