论文部分内容阅读
装配式建筑施工安全评价研究
【机 构】
：
青岛理工大学
【发表日期】
：
2020年01期
【基金项目】
：
其他文献
医疗数据应用对全民健康的发展产生巨大影响,如何从多模态数据中挖掘出有用的知识,为临床诊断和患者择医提供决策支持,是医疗数据应用面临的重大挑战。本文使用机器学习和深度学习方法解决了医疗数据应用中不平衡数据导致误判/漏判造成决策损失问题、多属性冗余导致难以获取核心特征问题、非结构化文本数据产生知识粒度精细化和推理能力泛化之间的矛盾问题、以及医学图像数据小样本、少(无)标注影响深度网络推理效率问题。主要
作为一类典型的大规模决策(Large-scale Decision-making,LSDM)问题,重大工程决策中参与的利益相关方众多,决策主体具有多样化的利益偏好,其决策目标不仅仅是获得一个科学的结果,还需要使所有决策主体对该结果有较高水平的共识,从而减少后续矛盾和冲突的产生,确保重大工程的顺利实施。因此,在重大工程决策中需要有合理有效的共识达成过程(Consensus Reaching Proc
在延缓气候变化已成为国际共识的时代背景下,包括中国在内的多个国家制定了多种政策限制温室气体排放,改善能源结构,其中加快清洁能源发展是应用最为广泛的政策。光伏发电作为可再生能源发电最主要的形式之一,近年来获得了很大的技术进步伴随发电成本快速降低,装机规模不断增长。面临不断变化的市场环境,政府需要不断调整光伏发电的激励政策,规避市场上的道德风险行为,减少补贴发放中的骗补现象,确保光伏扶贫等政策发挥预期
该文首先介绍了数据挖掘的概念、内容和应用领域,分析了数据挖掘理论与相关领域的异同点,并以一个典型的商业应用说明了数据挖掘的任务和一般过程.接着阐述了粗糙集的理论框架、概念基础以及粗糙集理论的核心——知识约简.在此基础上提出了一种双向选择属性约简算法(BSARA).然后基于粗糙集的规则提取,针对相容决策表与不相容决策表中的不同情况提出了硬规则和软规则的概念,并在总结分析现有规则提取算法的基础上引入了覆盖度的测量指标,对基于投影的软规则提取算法提出了改进算法,还提出一个衡量算法有效性的指标——支持度.最后为验
作为金融市场的重要组成部分,信用债在拓宽融资渠道、促进经济发展方面有着重要作用,因而其价格变动规律一直是投资者关注的焦点。早期理论认为,交易是无摩擦的,信用债券市场风险主要来源于公司违约。但随着金融危机的爆发,由交易障碍造成的巨大损失促使学者重新思考信用债风险的构成。基于此,本文以交易损失为切入点,从市场微观结构理论出发,构建了非完美条件下的信用债定价模型。在此框架下,以中美两市场为研究样本,分别