应用神经网络模型对大学毕业生就业质量的预测

目的:尝试应用BP人工神经网络模型预测大学毕业生的就业质量。方法:以476名大学毕业生为研究对象,将毕业生的各种心理特质作为预测因子,利用Clementine数据挖掘软件构建大学毕业生就业质量的BP人工神经网络模型。结果:神经网络模型的拟合精度达到99.98%,对就业质量的平均绝对预测误差值为0.083。结论:该神经网络模型可用来预测和诊断大学毕业生找到工作后的就业质量,为就业指导工作提供技术与理论依据。     

分数阶原始对偶去噪模型及其数值算法

目的：本文结合分数阶微积分理论和对偶理论,提出了一种与分数阶ROF去噪模型等价的分数阶原始对偶模型。从理论上分析了该模型与具有鞍点结构的优化模型在结构上的相似性,从而可使用求解鞍点问题的数值算法求解该模型。方法：使用求解鞍点问题的基于预解式的原始对偶算法对提出模型进行求解,并采用自适应变步长迭代优化策略提高寻优效率,弥补了传统数值算法对步长要求过高的缺陷。同时论证了确保算法收敛性的参数取值范围。结果：实验结果表明,提出的分数阶原始对偶模型能够有效地抑制“阶梯效应”,保护纹理和细节信息,同时采用的数值算法具有较快的收敛速度。结论：本文提出了一种分数阶原始对偶去噪模型,该模型可采用一种基于预解式的原始对偶算法进行求解。实验结果表明,提出的模型能有效改善图像的视觉效果,采用的数值算法能有效快速收敛。