斯图姆-刘维尔问题的特征值的一种算法

1.引言设(a,b) cR是一个有界开区间,考虑如下的斯图姆一刘维尔问题(尸(二)丫)‘了(6)+叮(x)y二几s(、)了 二O(1 .1) 了口、、 一yrjee‘的特征值的近似计算,其中尸(x)任C,([a,bl),,(x),s(x)eC([。,6]),且满足 产1,蕊尹(x)〔产。(22) 产2:‘叮(x)‘产二(1 .3) 产3,蕊:(x)岌产二(1 .4)其中O<闪,成两2,o感脚,簇产二,。<脚;蕊产二。 在文〔1」中所给出的方法比差分方法好)但只能计算第一特征的近似值,计算量又较大。在本文中,我们利用Galerkin方法计算斯图姆一刘维尔问题的特征值的近似值。在文【l]中的问题是本文的特例,即q(万)二o,,(二)二1…     

信息技术与算法思想在研究性学习中的渗透

20世纪下半叶,信息技术革命给数学带来了无限的生机。由此数学的发展从第三个高峰时期:希尔伯特的形式主义(严密的公理化)进入了第四个高峰时期:计算机时代的问题解决(纯粹数学与应用数学的新交融)。这些伟大数学成就的核心观念,都将与时俱进地、适当地、相对完整地反映到新的《高中数学课程标准》中。并在内容上,将突出计算机算法在整个数学发展中的独特作用,力求把计算机算法融入到数学课程的各个相关部分。     

试论“能级匹配”与现代人力资源管理的价值选择

现代管理理论的发展方向，正在逐步向以人的全面自由发展为目的的阶段迈进。在这个发展过程中，人力资源管理实现人与事的能级匹配，日益成为诸多价值追求的核心，所有管理理论与实践的出发点和归宿，是以实现人的能级匹配为目标的。     

一种改进的神经网络算法在销售预测中的应用

本文针对传统神经网络算法的不足之处给出了一种改进算法，且将该算法应用于销售预测中，获得了良好的预测结果，可作为预测商品销售的一种手段。     

价值敏感设计:内容推荐算法进阶之路北大核心CSSCI

随着“算法权力”应用场景和权力边界的不断扩大,内容推荐算法也经历“赋魅”“祛魅”到规制的历程,防止其技术异化和规避价值困境成为现实课题。把价值敏感设计理念引入内容推荐算法,有效识别并破除其主流价值观偏移、用户隐私侵犯、算法歧视与偏见等价值困境,确立其有用性、便捷性、无害性等价值理性,力求重塑“人与人造物”的正当关系和应有价值,从而实现内容推荐算法工具理性与价值理性的辩证统一。     

上瘾模型视角下图书馆短视频运营策略探究--以抖音为例

文章以国内活跃用户规模最大的抖音平台为例,引入互联网产品设计理论的上瘾模型,参考抖音平台的推荐算法机制,针对当下图书馆短视频运营的现状和问题,提出基于推荐算法和用户知识焦虑的用户触发、把握用户动机同时降低能力门槛、设计以猎物酬赏为主的多变酬赏,以及通过内容价值与运营技巧吸引用户投入等运营策略。     

基于主题模型的文本分类算法性能比较SSCI

文章利用LDA模型进行文本降维和特征提取,并将传统分类算法置于集成学习框架下进行训练,以探讨是否能提高单一分类算法的分类准确度,并获得较优的分类效果,使LDA模型能够发挥更高的性能和效果,从而为文本分类精度的提高服务。同时,以Web of Science为数据来源,依据其学科类别划分标准,建立涵盖6个主题的实验文本集,利用Weka作为实验工具,以平均F值作为评价指标,对比分析了朴素贝叶斯、逻辑回归、支持向量机、K近邻算法4种传统分类算法以及AdaBoost、Bagging、Random Subspace 3种集成学习算法的分类效果。从总体上看,通过“同质集成”集成后的文本分类准确率高于单个分类器的分类准确率;利用LDA模型进行文本降维和特征提取,将朴素贝叶斯作为基分类器,并利用Bagging进行集成训练,分类效果最优,实现了“全局最优”。     

智能传播时代人与算法技术的关系交迭

随着智能技术的发展,算法逐渐成为传播的基础设施和底层逻辑,并在广泛应用的过程中与人的关系发生着流动的变化与迭代。基于此,本文立足于唐·伊德"人—技"关系视角,阐释人与算法技术"具身—诠释—它异"的三重关系交迭:具身关系下的算法技术"抽身而去",成为一种透明的存在;诠释关系下算法作为"中介""界面"本质所具有的负面效应引发人们的"算法焦虑";它异关系下算法作为一种"准他者"促逼人们沦为技术宰制下的"囚徒"。在向理想的人与算法技术的"背景关系"的推进中,人们应该坚守自己的主体性价值,找到恰当理性的方式与算法和谐共生,让算法技术真正成为人类的福祉。     

镀膜双镜头多光谱相机的波段配准方法

针对镀膜双镜头多光谱相机波段多、数据量大、配准流程复杂的问题,提出一种基于改进SURF算法的快速配准方法。该方法首先完成对各波段图像的预处理,采用数字畸变模型采样法对各波段影像畸变进行校正;然后对畸变改正后的各波段图像利用快速版的SURF算法(F-SURF)进行配准。F-SURF算法从3个方面对原SURF算法进行改进,包括:依照匹配贡献度优化算法组数设置、舍弃算法旋转不变性以及引入渐进采样一致法进行特征点匹配等。通过地面及飞行实验数据进行算法验证,结果表明改进算法的配准精度优于经典SURF算法,且时间效率显著提升。