基于过离散数据下的模型选择

本文针对一组具有过离散特征的保险索赔数据,采用对比分析的研究方法分别对泊松回归、负二项回归模型、泊松-逆高斯模型以及零膨胀泊松模型和零膨胀负二项模型进行探讨,主要采用AIC和BIC信息准则对模型加以比较。最终拟合结果显示,负二项回归模型和泊松-逆高斯对过离散型索赔数据的拟合效果相当,且两者均比泊松回归和零膨胀模型更佳;综合看泊松-逆高斯模型的效果表现为最佳。     

欧拉-泊松方程的周期解渐近性收敛加密

欧拉-泊松方程的椭圆函数周期解渐近性收敛模型是实现浮点数据模糊加密核心基础,广泛应用在通信编码和数据加密等领域。对浮点数据的模糊加密能有效保证网络中实时数据交互通信的安全,通过对浮点数据模糊加密稀疏集准确构造建模,提高加密性能。提出采用欧拉-泊松方程的椭圆函数周期解渐近性收敛数学建模的方法实现对浮点数据进行模糊加密,利用压缩映射原理来完成特征解分区处理,给出在控制单元的作用下对浮点数据进行密钥重整,求得欧拉-泊松方程椭圆函数在不定搜索下的三孤波解。通过数学推导证明了欧拉-泊松方程椭圆函数的周期解式渐进收敛性,实现对大数据库的数据加密,实验得出该加密数学模型的收敛性能较好,性能优越。     

基于修正二阶锥规划模型的大数据聚类算法

二阶锥规划是在有限个二次锥的笛卡尔空间仿射变换交集上的极小化和极大化线性函数,采用修正的二阶锥规划模型,结合二阶锥的凸优化条件,进行大数据聚类算法改进,提高数据的聚敛性。传统方法中对大数据聚类的二阶锥规划模型采用线性对偶锥规划方法,对数据聚类的路径跟踪性能不好。提出一种基于修正的齐次二阶锥规划模型的大数据聚类算法。进行数据的特征挖掘和信息流模型构建,从大量的、有噪声的、模糊的数据中进行大数据的功率谱密度特征提取,采用粗糙概念格方法对大数据信息流进行二阶锥规划模型构建,结合齐次二阶锥规划模型算法有限收敛性,对每一数据聚类样本进行可靠性衡量,实现数据聚类中心的准确搜索。对聚类误差函数求最优解,使得误差收敛到零。仿真结果表明,该算法进行数据聚类的精度较高,收敛性较好,避免了出现局部最优解,性能优越于传统算法。     

逆高斯—泊松模型的真正作用及其可操作性

著名学者西奇尔的广义逆高斯—泊松过程分布是在情报计量模型中应用较为广泛的,具有理论研究的吸引力,由于许多情报计量数据集对于零范畴认识不足,影响了建模,文章针对其不足,推导出极大似然估计程序,克服了建模计算上的困难,使逆高斯—泊松过程分布和情报计量数据集达到较好的拟合。     

大数据环境下网络主动入侵海量数据的检测方法研究

提出基于半监督混合模型的海量入侵数据检测方法。利用蚁群算法进行入侵数据的特征选择,在结合半监督的混合模型分类方法进行入侵数据的分类,利用混合模型对数据样本空间的聚类分布进行描述,利用数据函数将聚类的信息与分类算法相结合,进行数据分类时对没有标示的数据样本进行考虑,对入侵数据进行检测。克服传统方法存在的弊端,提高了分类器的泛化能力,保证数据分类的效果,提高了入侵数据检测的准确性,完成对大数据环境下网络主动入侵海量数据检测的研究。实验的结果表明,利用本文方法能有效地提高入侵数据检测的准确性。     

基于共轭梯度对数分解的大数据分类模型

提出一种基于共轭梯度对数分解的大数据分类数学仿真模型。构建基于K-means算法的数据分类目标数据生成模型,采用共轭梯度对数分解方法对大数据集进行规范化处理,构建数据融合适应度矩阵,基于Lagrange定理,全局搜索性寻找聚类中心的最佳值求得聚类目标函数,确定边界隶属度特征的一个初始值,实现对大数据分类模型优化设计。仿真实验表明,采用该分类模型,数据分类寻优性能较好,各类数据的特征分类准确,收敛性较高。     

基于高斯混合模型的图像检索算法研究

通过研究聚类算法在图像处理上的应用,提出了一种基于高斯混合模型聚类的图像检索方法。该检索方法首先提取每幅图像的特征,并以特征值为数据集建立高斯混合模型,得到所有图像的高斯混合模型。再以所有图像的混合模型参数集作为数据集,用基于高斯混合模型的聚类算法进行聚类。最后输出检索例图所在的类,即得到检索结果。     

改进的大数据分层建树KNN聚类算法

对大数据的分层建树聚类,提高对大数据的检测和大数据应用系统的故障分析能力。传统方法中对大数据的分层聚类采用K-Means聚类算法,容易陷入局部收敛,聚类效果不好。提出一种基于核向量机的数据的分层建树聚类。采用四叉树算法对多维数据进行数据预处理,进行KNN中心区域的聚类中心扩展处理,针对大数据的类域交叉性进行了一次核向量机差分比较,得到KNN模糊划分矩阵,根据所属类别的不同对已知样本进行分层,得到一维差分分层建树模型和二维差分分层建树模型,计算数据核向量之间的相似度特征,实现矩阵的数据点数模糊集合贴近度填充,实现聚类算法改进。仿真结果表明,该算法具有优越的大数据聚类性能,收敛性好,应用到网络在线故障诊断中,实现对故障信号的和恢复跟踪,提高了故障诊断效益,展示了较好的应用价值。     

基于有限差分法的泊松方程第一类边值问题求解

基于泊松方程第一类的边值问题求解,提出基于有限差分法的泊松方程第一类边值问题求解的方法。采用差分格式对边界条件下的泊松方程进行离散,在圆形的区域内进行网格的划分,利用有限差分法对泊松方程边值问题进行求解,经过算例的模拟试算,对有限差分法与四阶差分格式的近似解以及误差进行对比,结果表明,有限差分法的误差较小,求解的精确度较高,并且加速的性能较好。     

最小二乘圆心模糊集合贴近度蛙跳聚类算法

针对传统的混合蛙跳聚类算法在差分进化时,随着迭代次数的增加,聚类中心矢量向模糊边缘贴近,导致搜索精度不高,陷入局部最优的问题。提出一种基于最小二乘算法的混合蛙跳优化聚类算法,引入模糊集合贴近度运算,对聚类中心矢量执行全局更新,避免模糊边缘的局部最优解贴近。仿真测试采用合成的二维数据进行数据聚类实验并应用到软件故障预测模型中,实验结果表明,采用该算法进行目标数据聚类,具有更好的寻优进化性能,聚类精度提高明显,在数据分类识别等领域具有很好的应用价值。     

增广链修复下大数据并行搜索聚类算法

研究多源语义特征分层数据库中的大数据聚类方法,实现数据的分类识别。多源语义特征分层数据库中由于路由冲突,在链路负载较大的情况下,不能有效实现对大数据语义特征的并行搜索。提出一种基于增广链同态解析的链路分流方法避免路由冲突,实现增广链修复下大数据并行搜索聚类。构建大数据聚类的语义相似度融合模型,基于跨层链路分流算法实现增广链路分流,进行语义本体模型构建,选择采用高阶贝塞尔函数累积量作为增广链修复检验统计量,确定节点数据包的置信度,确立置信区间,在进行缓冲区溢出修复时,进行功率谱幅度特征提取,实现大数据的并行搜索聚类,进行语义本体模型构建,为离群点新建一个簇,依次对每个文档的主题词集进行处理,将每个主题词自动添加入形式背景的属性集中,采用并行搜索算法实现对语义大数据的优化聚类算法改进。仿真结果表明,采用该算法进行大数据聚类,契合度较高,误分率较低,性能优越。     

取消左转可缓解交通拥堵的计算机仿真

围绕三排道十字信号交叉口取消左转弯的管理措施,建立了计算机仿真模型。结合概率论与数理统计方法对车辆生成模型进行泊松分布假设检验,选取通行能力作为判定指标,实现了禁左前后通行能力的对比．     

关于引力方程估计中的空间相关控制和单边变量识别：一个贝叶斯解决策略

本文提议使用一个包含贸易国效应的贝叶斯分层泊松模型来估计引力方程,一方面借助贝叶斯估计的特性来克服固定效应方法的不足,另一方面,利用泊松伪极大似然估计量在估计贸易数据时的优良特性,恰当地处理其中的异方差和大比例零贸易流问题。     

基于随机阵列向量模型的流量预测算法研究

设计网络流量预测数学模型,实现对网络流量的准确预测和评估。传统的流量预测算法采用包络特征子空间聚类的流量序列分析方法,对随机大数据网络流的聚类和预测效果不好。提出一种随机阵列向量模型的流量预测算法。首先进行了网络流量预测的时间序列模型构建,采用平均互信息算法和伪最近邻点法求解最优化网络流量序列重组空间异构参数,得到一个高密度流量数据分形区域,创建流量序列的概率分布曲线,在随机阵列相空间中形成新的映射采用统计学数学方法对流量序列的随机分布特征进行分布式计算,随机阵列向量模型构建方法进行流量预测算法改进。仿真结果表明,采用该算法进行流量预测,能有效提高预测精度,具有较好的流量特征分析能力,性能优越。     

云计算系统中数据中心分类区的确定模型仿真

对云计算系统中的漂移数据中心分类区的准确确定,可以提高云计算系统的扩展能力和缓存能力。传统方法采用线性差分智能群识别方法实现中心分类区的确定,导致漂移数据的群辨识效果不好。提出一种基于粒子群聚类的云计算系统中数据中心分类区的确定算法模型,并进行仿真实现。构建云计算系统网络激励传播机制,实现资源负载均衡,把云计算系统的存储数据结构定义为一个四叉树,构建云计算网格环境下空间资源调度框架体系,进行云计算系统的漂移数据特征提取,使得资源负载均衡达到最优值,实现算法改进。实验得出,模型对云计算系统的漂移数据中心分类区确定准确,数据融合精度较高,聚类性好,云计算系统的扩展指数提高13%,缓存执行能力提高20.5%,展示较好的性能。     

基于自回归的高斯混合模型

聚类问题是当今统计学习界的热点研究问题,针对一般情形的聚类分析已经有具有了kmeans、高斯混合模型等,由于目前各种数据的细化,人们提出的聚类算法更多的倾向于研究某种特定的数据.在本文中,笔者提出了基于自回归的高斯混合模型,它假设模型是由符合自回归模型的高斯分布混合而成,算法利用EM算法,可以精确地估计混合模型中的自回归系数以及方差系数.     

大数据环境下的网络主动入侵检测方法研究

由于传统网络入侵检测方法检测率低及不能进行在线检测,无法有效实现网络主动入侵检测,提出一种基于马氏距离K均值的大数据环境下网络主动入侵检测方法,分析了马氏距离的评价准则,依据新样本与原样本之间的马氏距离确定是否需开展新的聚类,输出与全部数据样本相应的攻击类别。通过一个由一定数量的支持向量决定的超平对数据进行分类,当SVM分离方法受到约束时,利用核函数将输入数据映射至高维特征空间,采用高斯径向基函数对最小二乘支持向量机分类模型进行建立。通过粒子群优化算法对最小二乘支持向量机参数进行选择。利用种群中个体之间的协作以及信息交换获取最佳方案。仿真实验结果表明,所提方法有很高的的检测效率及精度。     

基于K-means聚类和神经网络的电商客户潜在价值分析

旨在利用K-means与神经网络组合模型来解决客户潜在价值与客户分类问题。在已有的CRM理论的基础上选择针对性较强的客户潜在价值指标,包括客观属性指标和行为习惯指标。构建组合模型来分析某数码网店的客户数据,利用K-means法对客观属性进行初步聚类,在每个初类内部进行自组织竞争神经网络的训练和预测,从而细分聚类结果。最后评价聚类结果的特征,对数码电商客户关系管理提出建议。     

深度学习驱动的海量人文社会科学学术文献学科分类研究

[目的/意义]探索不同社会科学学科间差异,支持学科建设、科技检索服务,进一步完善文献学科的分类体系。[方法/过程]基于多种深度学习模型和预训练语言模型构建社会科学文献学科分类器,利用CSSCI目录中的20多个一级学科中近350万篇文献构成的数据集进行实验;利用Sentence-BERT输出摘要句子向量并进行层次聚类,根据聚类结果划分学科组,并计算模型对于不同学科组的分类性能以缓和学科交叉的影响;利用模糊准确性指标输出模型对每条记录输出的前N个高概率学科以弥补原有学科分类的局限性。[结果/结论]在“摘要+标题”上使用深度预训练语言模型取得最佳性能;基于层次聚类所得的学科组进行的分类较单一学科性能有所提升;模型的模糊准确性在N=3时能够达到96%。[局限]未考虑从全文文本上获取更丰富的文献学科特征进行自动分类。     

基于差分演化算法高斯随机聚类数学建模分析

提出一种基于差分演化算法高斯随机聚类数学建模分析方法。该方法首先对高斯随机聚类差分演化算法的基础理论进行讨论,并对差分演化算法进行分析,在高斯随机聚类差分演化算法进化的不同阶段对算法参数的缩放因子与杂交概率进行相应的调整和控制,在增加种群多样性的前提下,调整算法的搜索方向快速找出最优方案完成对差分演化算法高斯随机聚类数学建模分析。实验结果表明,高斯随机聚类差分演化算法相对比差分演化算法具有更好的求解性能,且收敛速度更快。