基于概率神经网络的文本自动分类研究

本文提出了将一种径向基网络的重要变形———概率神经网络应用于文本自动分类的研究 ,与常用的K 最邻近法相比 ,具有一定的优势 ,特别是在训练集中各类的训练样本数很不平衡时 ;与BP等其他神经网络相比 ,其特点是需调节的参数少 ,不需确定隐层数、隐层中的神经元数量等网络结构 ,比较容易使用。此外 ,从研究中的不同特征选择的评价函数来看 ,它们对分类有一定的影响 ,应用X2 统计进行特征选择的分类正确率最高 ,其次是文本证据权 ,而期望交叉熵的效果最差 ,说明特征选择在文本自动分类中也是非常重要的。     

一类二元非乘积型Meyer-knig-Zeller概率算子的饱和定理

借助二元抛物线引理,探讨一类二元非乘积型Meyer-knig and Zeller概率算子的饱和性,得到了一个点态饱和定理.     

概率神经网络在汽轮发电机组故障诊断中的应用

汽轮发电机组逐渐智能化,功能不断增强,但不确定性因素和不确定性信息仍然大量存在。针对该问题,用概率神经网络（PNN）诊断汽轮发电机组故障。PNN优点较多,机器学习算法简易、方便训练,相比于传统样本处理方法,PNN可训练样本并引入训练网络,更好地确保诊断结果正确率与可信度。MATLAB仿真结果表明,PNN在保证诊断结果准确的基础上,速度更快、分类性能大幅提高,诊断效率也提高至98%。     

科学逻辑的知识创新功能试析

从科学逻辑的角度看，科学知识创新是指科学知识的增长。归纳逻辑作为一种冒险的逻辑，其知识创新功能比演绎逻辑强。贝叶斯规则着力刻画了新证据在知识增长方面的作用，从而具有较强的知识创新功能。新培根主义归纳概率逻辑较好地满足了知识增长的要求，展示了科学知识创新的途径。要增强科学逻辑的知识创新功能，必须实现从单调逻辑向非单调逻辑的转变，从外延逻辑向非外延逻辑的转变，从形式逻辑向非形式逻辑的转变。     

广义G—空间中映象的不动点定理及应用

本文引入广义G—空间的概念,讨论这类空间中映象的不动点的存在性.作为应用,我们得到了概率度量空间中映象的一些不动点定理.本文所得结果,包含引文〔2,3,6〕的一些主要结果作为特例,并在更广泛的情形下回答了或部分地回答了Rhoades〔4〕所提出的问题.     

基于TVCSE拟合的网络入侵预测方法

针对传统算法网络入侵预测中,网络检测数据相关性不强,大规模网络入侵导致预测准确性不高的问题。提出了一种基于时序变化率曲面极值(Time-series variation curved surface extremum:TVC-SE)拟合的网络入侵预测算法。对网络流量信息数据进行实时获取,以时序为时间度量构建变化率曲面模型;分别对时序变化率曲面模型的局部极值进行迭代计算,将共有的局部极值作为最终的预测极值进行存储,同时以该时刻的协同局部极值为参考,提高了网络入侵预测的准确性。仿真实验表明,该测试方法能够达到较高的测量精度,虚警率比传统算法平均降低了12.4%,预测时间减少在2.5 s左右,在不增加成本,符合网络程序计算复杂度的情况下,满足了网络入侵预测的要求。     

模糊系统理论在预测中的一个应用

按照模糊自适应系统的理论，探讨了一种预测方法。这个方法比神经网络预测方法更为简单且收敛更快。     

中国上市公司控制权特征及其对公司绩效的影响——基于改进的投票概率模型

控制权的度量问题一直是公司治理领域的一大难题,传统的度量方法或者以大股东为准,没有考虑到股权结构的影响;或者利用投票概率模型考察控制权数据,但模型在求解控制权时又存在着不足,本文对此进行了改进并以我国A股上市公司2008年控制权数据为样本进行实证研究,研究结果说明国有公司和民营公司的控制权特征有显著差异:国有公司的控制度和所有权比例显著高于民营公司;而两权分离度低于民营公司;国有公司大部分都是直接控制,民营公司多采用间接控制;民营公司中的相对控制比例比国有公司的要高。在我国上市公司中控制权对公司绩效有显著影响,且在实际控制人不同的公司里影响也不尽相同。     

概率统计课程学生应用能力培养研究与实践

论文探讨了概率统计系列课程体系的教学设计、教学方法、考试方法以及非师范统计专业实习等问题,探讨了学生应用能力培养的相关途径。     

GM（1，N）－2模型及其在机器运行状态预测中的应用

根据现场特点，提出灰色非等间隔优化模型—ＧＭ（１，Ｎ）－２模型，对机器运行状态进行预测。并根据滨海轮的实测信号，对模型进行了检验。