四维欧氏空间中的向量积运算及其应用

本文引进四维欧氏空间中三个向量的向量积运算,并讨论这种运算的一些性质。作为应用,将三维欧氏空间中关于曲线的Frenet公式推广到四维欧氏空间,获得了四维欧氏空间中曲线的几个本征参数：曲率、挠率、第三曲率。     

n元线性方程组与n维向量空间

通过n维向量讨论了一般线性方程组的同解方程组问题,且讨论了n元齐次线性方程组的解空间与系数矩阵的行空间之间的关系．     

向量的叉积在立体几何中的应用

用向量积、行列式求平面的法向量,解决中学数学中求二面角补余问题.     

基于支持向量机和转换的错误驱动学习方法的组块识别

支持向量机在高维特征空间的输入数据上具有较高的泛化性能,能够独立于小范围内的数据维数计算.基于转换的学习方法能自动融合不同类型的知识,所得到的模板可以显示一些语言知识,这些语言知识对于语言学及其他相关研究有重要意义.利用支持向量机和基于转换的错误驱动学习相结合,能够达到较为满意的组块识别效果.     

网络化制造环境下的信息服务平台研究

从用户的个性化需求和信息服务的及时有效性出发,对信息服务平台进行研究,提出一种基于向量空间模型的支持用户定制的信息服务平台的构建方案。介绍平台的框架结构,对其关键技术进行研究,提出一种向量空间模型特征词权重的改进算法,然后阐述平台的功能模型和各模块的设计与开发。     

多项式向量场空间的维数与基

本文借助于数域P上的n次多项式的齐次分解,证明了线性空间P[X1,X2,…Xn]m的维数等于Cn＋m^n并给出了该空间的一组基;进而得到R^n上次数不超过m的多项式向量场的全体构成的线性空间V的维数等于n·Cn＋m^n。     

基于支持向量机的结构损伤识别

支持向量机是一种基于统计学习理论和结构风险最小化原则的新型机器学习算法。介绍了支持向量机分类概率估计和回归估计,构造基于模态频率的损伤指标标识量,根据分类概率估计与回归算法计算结构损伤位置及程度。通过简支梁仿真算例,验证了该方法的有效性。     

我国农村劳动力外出就业人数的模拟与预测——基于向量自回归模型的实证分析

随着我国经济的发展和农业生产力的提高,更多的农村剩余劳动力选择外出就业。本文首先对影响我国农村劳动力外出就业的因素进行分析,然后根据已知数据,建立了向量自回归模型来模拟和预测2010-2012年我国农村劳动力的外出就业人数,精度为92.15%。最后,就我国农村劳动力外出就业问题提出了相应的政策与建议。     

基于概念簇的文本分类算法

针对传统文本分类算法在向量空间模型表示下存在向量高维、稀疏以及忽略特征语义相关性等缺陷所导致的分类效率低和精度不高的问题,以知网(HowNet)为知识库,构建语义概念向量模型SCVM(Semantic Concept Vector Model)表示文本,根据概念语义及上下文背景对同义词进行归并,对多义词进行排歧,提出基于概念簇的文本分类算法TCABCC (Text Classification Algorithm Based on the Concept of Clusters),通过改进传统KNN,用概念簇表示各个类别训练样本,使相似度的计算基于文本概念向量和类别概念簇。实验结果表明,该算法构造的分类器在效率和性能上均比传统KNN有较大的提高。     

基于传递闭包的知识发现方法和Swanson知识发现方法的比较研究——以癌药物靶点为例

以探寻癌药物靶点间的潜在关联为例,对基于传递闭包的知识发现方法和Swanson的一阶知识发现方法进行了比较,结果得到,运用传递闭包的方法获得知识假设,可能发现更多有意义的新关联,且得到较高查全率的同时,并没有牺牲过多的查准率。