跨越版本 走进Windows 10

正Windows 8已推出两年,面对许多人的吐槽,微软火烧火燎地推出了让人出乎意料的版本Windows 10。那么,相对于之前的版本,最新版的Windows做到了哪些体贴人的改变?微软完全屈服和迁就于Windows老用户了吗?Windows 8/8.1之前的用户会有什么新惊喜?Windows8/8.1用户有没有新的不适应?让我们一同去感受吧。     

基于GM（1，1）和线性回归模型在印刷包衬压缩变形中的数据预测研究

运用线性回归对预测数据进行分析,剔除异常数据,用GM（1,1）模型进行预测,有效降低了数据相对误差,提高了预测数据的精度。选用印刷包衬压缩变形的压缩变形量值,用线性回归进行数据分析并剔除异常数据后用GM（1,1）进行预测,使得预测数据具有更高的准确性和适应性。实验及仿真结果表明,经过前期数据分析整理后的灰色预测模型,其预测期望值远优于单纯的回归模型和GM（1,1）模型。     

基于分类外形搜索的人脸特征点定位

针对传统由粗糙到精准的人脸外形搜索方法,其每一次外形搜索需要在整个外形搜索空间进行,提出一种基于分类的外形搜索方法。该方法始于一个包含不同人脸形状的外形搜索空间,首先利用基于相关性的特征选择方法对随机森林分类器进行优化,利用训练的随机森林分类器将外形搜索空间分为若干个外形搜索子空间;然后根据输入样本和随机森林分类器确定与当前外形最接近的外形搜索子空间,并计算对应子空间的中心和对应样本的后验概率分布,方便后续阶段更好地进行外形搜索;最后采用级联回归进行人脸特征点定位。在300-W数据集上的实验结果表明,此方法不仅有效降低了外形搜索的时间,同时在无约束环境中具有良好的鲁棒性。     

基于引力搜索算法的分数阶变异时序回归GSA-TSGM(1,1)模型

为了利用分数阶累加算子在灰色短期预测中的高效性能,首次将分数阶累加算子引入变异时序回归模型以期取得更高的预测精度。主要方法如下：首先取湖北省链子崖某监测点1978—1987年的十年数据作为训练集并使用引力搜索算法确定最佳分数阶累加阶数,而1988—1993年的六年数据作为验证集验证提出的模型;其次对比了经典灰色模型GM(1,1)、分数阶累加灰色模型、变异时序回归模型TSGM(1,1)三种灰色模型。结果如下：首先修正了陈西江等人变异时序回归模型仿真时出现的错误,其次表明了相比于其他的模型,基于引力搜索算法的分数阶累加时序回归模型在进行灰色长期预测中具有较高的预测精度。因此,通过分数阶累加算子提高了灰色理论中长期预测模型的精度,为灰色长期预测提供了指导。     

漂珠产量与锅炉运行工况的研究

通过对本厂近半年试验数据的整理，利用数理统计知识和多元回归方程进行回归，得出影响漂珠产量与各主要因素之间的一般规律，为提高漂珠产量提供了一定的理论依据和实践经验。     

非线性混合回归模型在年径流预报中的应用探讨

在气候变化和人类活动等影响下,径流变化日益复杂,常用的流域径流预报方法有时间序列法、多元回归分析等,但这些方法预报精度较差,笔者建立起基于BP神经网络系统的年径流预报非线性混合回归模型,并以1961~2001年的数据为训练样本,以2002~2010年的数据为预测检验样本对新疆天山北坡昌吉州呼图壁县内的军塘湖流域年径流进行预报,结果表明,该预报方法具有较高的预报精度。     

比重瓶法与密度仪法测定香精密度相关性的回归分析

目前测定香精密度的方法主要有标准传统法-比重瓶法和密度仪法。用这两种方法测得的结果一致与否,为探求这两者之间相关关系的密切程度和表现形式,通过测定系列香精的密度,并对所得数据进行线性相关和回归分析,得出了比重瓶法与密度仪法所得结果的相关方程。利用该方程可以由密度仪法测得的结果计算出比重瓶法的密度,经计算出的结果与标准方法比较一致。通过回归方程,可以用密度仪法代替标准法来测定香精的密度。     

移动社交:差异化坚持与“社交”的回归

正随着移动无线网络的普及——3G网络的普及,4G网络的商用,都带动着移动互联网行业的发展。即时通信应用也应运而生,继而发展壮大,用户通过移动端产品进行通讯已经大大地超过了手机短信的使用率。但慢慢的,这些移动社交产品逐渐偏离了沟通、偏离了社交,各种营销,宣传充斥着屏幕,在用户逐渐厌烦的同时,也在期待着原始社交属性的回归。另外,在移动社交产品普遍同质化的状况下,深度挖掘用户的需求才能寻求突破。移动社交产品用的差异化突破最近,一款匿名社交应用"秘密"颇受到人们的