基于SVM-Kd-tree的树型粗分类方法

为提高大数据集粗分类识别率,提出一种基于聚类分析的SVM-Kd-tree树型粗分类方法。首先根据数据集特征分布进行k-means两簇聚类,对聚类后的数据集进行类别分析,同时将属于两簇的同一类别样本划分出来;然后使用两簇中剩余样本训练SVM二分类器并作为树型结构根节点,将两簇数据分别合并,将划分出来的样本作为左右子孩子迭代构建子节点,直到满足终止条件后,叶子节点开始训练Kd-tree。实验结果表明,迭代构建树型粗分类方法使训练单一SVM平均时间减少了61.977 4%,比Kd-tree同近邻数量的准确率提高了0.03%。在进行大规模数据集粗分类时,使用聚类分析迭代构建组合分类器时间更短、准确率更高。     

对比训练 培养提高学生民族音乐素养的有效途径

民族器乐合奏课是普通高等院校民乐专业学生必修课程之一。其目的在于培养和提高学生的民族音乐修养,民族音乐表现力和民族管弦乐合奏能力。而对比训练正是培养提高学生民族音乐素质的有效途径。抑扬对比,提高学生音乐情感表达能力;顿挫对比,增强学生音乐节奏控制能力;刚柔对比,促进学生音乐力度把握能力;明暗对比,培养学生音乐色彩表现能力;徐疾对比,加强学生音乐速度掌握能力。     

基于CMIP5模式的2006-2017年中亚降水预估误差分析

利用第5次耦合模式计划(CMIP5)的24个模式模拟数据,与英国East Anglia大学气候研究中心提供的2006-2017年的月降水格点数据进行比较,通过误差空间分布、误差百分率、标准差以及误差趋势分析,对多模式集合下的中亚降水预估误差进行评估.结果 表明:模式集合对中亚大部分地区的年均降水预估偏多,尤其是东南部帕...     

基于动态分类器集成的客户流失预测模型研究

目前大多数客户流失预测研究常采用单一预测模型.因此,本文将动态分类器组合与自组织数据挖掘理论(SODM)相结合,提出了基于SODM的动态分类器集成方法.以国内、国外电信公司客户流失预测数据为例,并与单一的预测模型以及已有的动态分类器组合方法进行了详细对比,发现该方法能在很大程度上提高客户流失预测的准确率、命中率以及提升系数,是进行客户流失预测的有效工具.     

概率与薛定谔猫--二评波普尔的概率理论

“统计分布”是一种现实的分布,而“概率分布”则是它的观念映像;“统计分布”是一种客观的分布,而“概率分布”则依赖于观察者。在量子力学中,人们因为混淆“统计分布”与“概率分布”而造成两个误解,第一,把“概率分布”误解为一种现实的分布;第二,把主观上的“不确定性”误解为客观上的“不确定性”。薛定谔猫就是揭示这两种误解的一个比喻。     

太白山地区7月NDVI多尺度周期变化及其对气候因子的响应

多尺度周期变化是植被研究的重要前沿问题之一,对揭示植被系统变化规律及其复杂性具有重要意义。本文基于太白山地区树轮宽度年表重建的近172年的7月NDVI资料数据,采用集合经验模态分解法（EEMD）对其在不同时间尺度上的变化特征及其对气候因子的响应进行了分析,结果表明：①太白山地区南北坡7月NDVI呈微弱的非线性上升趋势,北坡/南坡NDVI分别具有3.3 a/3.5 a、8.1 a/8.8 a的年际尺度周期,以及18 a/19.1 a、36 a/34.4 a和64.8 a/68.8 a的年代际尺度周期。②重构的年际尺度变化较好地呈现了NDVI原始序列的波动细节,而年代际尺度变化则揭示了不同时期内NDVI的增减交替变化。北坡NDVI的年际尺度波动较大,而南坡NDVI的年代际尺度波动略强。③在年际尺度上影响NDVI的主要因素是降水,年代际尺度上影响NDVI的主要因素是气温。④北坡NDVI变化主要受水分因素控制,而南坡NDVI则受热量因素影响更为明显。分析太白山地区NDVI的多尺度变化及其影响因素对研究太白山地区植被生长的变化特征具有重要意义。     

一个新的大样本ENSO集合预报系统的发展与检验

详细介绍了一个新的大样本集合预报系统. 为了减小ENSO(厄尔尼诺-南方涛动)预报中的预报不确定性,该集合预报系统首先基于一个中等复杂程度的耦合模式,利用集合卡尔曼滤波资料同化方法同化有效的海洋观测资料为集合预报系统提供集合初始场;同时,一个发展的用于12个月预报的一阶线性马尔可夫(Markov)随机误差模式被嵌套到集合预报系统中来模拟模式不确定性. 基于1992年11月~2008年10月100个样本的集合回报试验,从确定性预报技巧和概率预报技巧2个方面对集合预报系统的预报水平进行了检验. 该集合预报方法能够很有效地将传统的确定性预报扩展到概率预报领域,且检验结果表明,预报样本均值的预报水平要优于单一的确定性预报. 对于概率预报而言,集合预报样本能够很好地跟随观测的变化,并且能够提供单纯确定性预报所不能够提供的额外信息.     

试论鄂西北锣鼓歌的源流及特色

从远古演唱到今天的鄂西北锣鼓歌分为阴歌锣鼓、薅草锣鼓扣花鼓穗三种类型，富有浓厚的乡土气息扣只此一处的地域特色，它是鄂西北山民表达喜、怒、哀、乐的艺术载体，花样繁多，内容浩瀚，堪称鄂西北生活的百科全书。     

梨乡唢呐乐班的田野考察

砀山唢呐乐班主承中原文化,乐器使用和乐队编制基本上承袭了鲁西南鼓吹乐。唢呐和笙为主奏乐器,大型乐班增加了弦乐器和笛子,中型乐班增加了电子琴和架子鼓,但没有弦乐器,小型乐班更多保留了鲁西南鼓吹乐原形。主要为婚嫁、丧葬、开业庆典、老人过寿、小孩周岁等场合演奏,逢年过节等一些喜庆的日子也进行表演活动。演出形式分“搭台吹”、“无台吹”和“走吹”。唢呐曲目主要有地方戏曲曲牌和唱腔,唢呐牌子曲、民间小曲和器乐曲,歌曲联奏。     

基于动态Stacked-GBDT算法的数据资源价值评估方法研究

针对现有的数据资源价值评估与定价方法主观性强、定量标准缺乏的问题，提出基于模型堆叠集成GBDT(Stacked-GBDT)算法的数据资源价值评估方法。首先，基于敏感性分析，从数据自身和市场两个维度归纳并建立了数据资源价值评估指标体系；然后，基于GBDT机器学习算法与Stacking集成学习算法，提出了基于StackedGBDT的数据资源价值评估算法，并与Random Forest和XGBoost算法进行对比以验证所提方法的正确性及有效性；最后，应用Stacked-GBDT模型对数据集进行动态定价。结果表明，Stacked-GBDT算法构建的数据资源价值评估模型可为数据价值测算及动态定价提供精确可靠的依据与支撑。