二次曲线拟合算法的统计性能分析与改进

传统的二次曲线拟合使用标准特征值分析算法。通过统计分析技术 ,可知该技术在拟合数字二次曲线时 ,存在估计偏差大、均方误差大的缺点。其产生原因是数据噪声的有色性和自相关函数矩阵的条件数过大 ,因此白化数据噪声和正则化变换是提高曲线拟合的有效措施。这从理论上有力地支持了Hartley提出的正则化算法。通过理论分析和计算机仿真实验 ,表明了降维EVD技术固有地同时具备噪声预白化功能和数据正则化功能 ,因此它能给出均方误差相当小的无偏估计。由于它无须进行预白化变换或正则化变换 ,并把最优化过程的维数从 6降为 2 ,所以它还具有计算快速、实现简单方便的优点。     

放松音乐及音乐电针对有氧运动疲劳的恢复效果

用聆听放松音乐或足三里音乐电针法对49名男大学生的有氧运动疲劳治疗15 min,通过心率、下肢肌力、血糖、尿蛋白、视觉简单反应时、主观体力感觉(RPE)等生理、生化及心理指标评估和比较疗效.结果:两种疗法均使心率及RPE显著下降;放松音乐还可显著降低尿蛋白,并有缩短视觉简单反应时的趋势;音乐电针使RPE下降的幅度超过听放松音乐,但下肢肌力及血糖显著均低于治疗前,视觉简单反应时有延长趋势,并显著长于安静状态.表明:放松音乐能促进心血管及心理疲劳恢复,增强肾脏调节能力,改善中枢及骨骼肌疲劳状态;音乐电针对心理疲劳的恢复效果优于放松音乐,对心血管疲劳的作用与放松音乐相近,而对骨骼肌疲劳、中枢疲劳及机能状态下降等的作用不及放松音乐.     

八点算法的降维EVD技术

传统的应用于双视图三维复原的八点算法使用标准特征值分析(EVD)算法。通过统计分析可知,该技术存在估计偏差大和均方误差都大的缺点。其产生原因是数据噪声的有色性和自相关函数矩阵的条件数过大,因此白化数据噪声和正则化变换是提高性能的有效措施。通过理论分析和计算机仿真实验,表明文中所给出的降维EVD技术固有地同时具备噪声预白化功能和数据正则化功能,因此它能给出均方误差相当小的无偏估计。由于它无须进行预白化变换或正则化变换,并把最优化过程的维数从9降为4,所以它还具有计算快速、实现简单方便的优点。     

供电线损结构和降损措施

用电量的急剧增加,使得供电线损日显突然.为保证供电线路正常运行,有效降低线损,必须从分析理论线损和管理线损入手,抓好微观降损节能和客观调控,确保降损措施有效.     

少林鹅坡武术专修院——中国十大武术名校

少林鹅坡武术专修院背依嵩山，面向颖水，东邻道教圣地中岳庙，西近天下第一名刹少林寺，位于全国武术之乡、全国文明城市、国家卫生城市、全国优秀旅游城市——登封市。     

关于馆藏军事档案降密、解密问题的思考

本文重点论述馆藏军事档案降密、解密问题的重要性和做好此项工作的一些粗浅认识。     

坡屋面渗漏原因分析及防治措施

坡屋面渗漏已经成为目前工程质量的一大通病，文章根据工程渗漏实例，从设计、结构、施工及人的主观意识等方面，分析产生坡屋面渗漏的原因。针对产生渗漏的原因，从保温层、防水层的设置，防水材料的选用，结构变化处的处理，施工工艺及施工管理等方面论述了防止坡屋面渗漏所采取的一系列措施。     

污水截流管的水力计算

通常在设计污水截流管时，是将污水截流管当作满流管进行设计。文章认为在设计工况下污水截流管处于有压流的状态，污水截流管应当作为有压短管进行设计。如果污水截流管按照满流管进行设计，实际的截流量过大，会造成整个截流式合流制排水系统的紊乱，影响污水处理厂的运行。     

中国县域地面坡谱分级及其与人口分布的关系

针对平均坡度指标难以稳健描述地面坡谱特征的问题,提出一种基于频率累加分位归并的坡谱分级方法。作为验证,运用数字高程模型数据将全国县域分为5个坡级,借助2000年和2020年人口普查数据分析了坡级与人口分布的关系。结果发现：（1）所提出的分级方法包含频率累加曲线的构建、基于分位数的参考曲线生成、基于相似度的类型归并3个关键步骤,由此得到的全国县域坡级划分方案具备稳健坡度梯度性、宏观空间连片性以及清晰地学含义。（2）全国县域人口数量总体保持随坡级升高而波动式缩小的特征,且二者间呈现明显的线性负相关关系,线性拟合R2从2000年的0.761上升到了2020年的0.845,20年间人口总数变化量与坡级的线性拟合R2达0.963;人口密度的极端值对其自身的坡级分布有较大影响,当剔除人口密度小于20人/km2和大于2000人/km2的区域后,两个分析年份全国县域人口密度均稳健保持着随坡级升高而线性减小（R2> 0.985）。本文为稳健表达如坡度等环境梯度提供了一种新的可行分级方法,并深化了对中国县域人口分布与坡度关系的认识。     

文本分类中一种基于密度的KNN改进方法

特征降维与分类算法的性能是文本自动分类的两个主要问题.KNN算法以其简单、有效、非参数特点常用于文本分类,但是训练文本分布的不均匀对KNN的分类效果产生负面影响,而在实际应用中训练文本分布不均是常见现象.本文针对这种分类环境,首先提出了一种改进的tf-idf赋权方法用于特征降维,在此基础上进一步提出了一种基于密度的改进KNN方法用于文本分类, 使处于样本点分布较密集区域的样本点之间的距离增大.随后的文本分类试验表明,本文提出的方法基于密度的KNN方法具有较好的文本分类效果.