浙江科技学院理学院/曙光大数据学院
- 作品数:8 被引量:26H指数:3
- 相关机构:哈尔滨理工大学理学院上海师范大学数理学院更多>>
- 发文基金:国家自然科学基金教育部人文社会科学研究基金杭州市哲学社会科学规划课题更多>>
- 相关领域:自动化与计算机技术理学医药卫生一般工业技术更多>>
- 多功能动物声信息分析处理系统的开发研究被引量:10
- 2003年
- 在研究动物的声行为和环境动物声音监测中 ,均需要专门的分析工具。新开发的多功能动物声信息分析处理系统 ,集时域、频域和音图等多种分析功能为一体 ,频域分析带宽精度可达 2 .6Hz ,尤其是在长时间声音的平均频谱和音图分析方面有独到的功能。分析结果可以多种图形方式表征。它不仅是动物声行为和有关声学研究方面的基本工具 ,而且在发声动物群落的调查与辅助生物多样性监测方面有特殊的用处。
- 姜仕仁郑肖锋
- 关键词:动物
- dI-论域上的谓词转换器
- 本文使用论域理论中一类重要论域-dI-论域作为程序的输入及输出状态域,谓词为dI-论域上的稳定集,程序为dI-论域间的稳定映射,讨论了dI-论域上谓词转换器的相容性,表明每一个相容谓词转换器函数都是由确定性程序产生的.
- 孙莉萍陈仪香
- 文献传递
- 探微知著:从知识库和科举文献中构建历史社会网络——以明代进士群体为中心被引量:6
- 2021年
- 文章针对数字人文环境下的历史社会网络分析问题,提出一个基于知识库和文献的历史人物关系网络构建和挖掘方法,以明代进士群体为对象展开实证研究。文章从知识库和科举文献中采集数据并构建进士社会网络,通过量化统计和文献循证分析,对网络的拓扑特征和社会关系分布,核心进士的群体特征及关系子图挖掘等问题,逐一分析与讨论,得到若干基于量化分析的结果,扩展了大数据环境下人文历史领域的研究方法和思维。
- 潘俊
- 关键词:知识库文本挖掘社会网络分析
- 酉群的有限子群所生成的代数
- 2021年
- 群表示理论是研究群的最有力的工具之一,酉群是群论的重要研究分支。针对酉群的表示问题,研究了一类由酉群生成的代数结构,证明了酉群U(d)的任何子群H生成的代数是von Neumann代数;证明了由有限群G生成的群代数■[G],对于n的不同值,与Ⅰn型von Neumann代数的直和同构,并进一步讨论了由酉群的有限子群所生成的Ⅰ型von Neumann代数。研究这类酉群的子群生成的代数结构,对于建立酉群和置换群的Schur-Weyl对偶有重要意义。
- 罗来珍李兴华陶元红
- 关键词:酉群有限群群表示
- 基于带确定性趋势ESTAR模型的单位根检验被引量:1
- 2020年
- 文章就全局平稳的带趋势项ESTAR模型的单位根检验进行研究。与带趋势项AR模型不同的是,带趋势项ESTAR模型的两种形式有着不同的波动。通过采用直接检验法和去趋势检验法对这两种形式的ES-TAR模型进行单位根检验,并加以对比。推导了直接检验法下KSS检验统计量的极限分布,通过Monte Carlo模拟进一步给出了其临界值和相应的模拟结果。结果表明,对于不同形式的带趋势ESTAR模型进行单位根检验应该用不同的检验法区别对待。
- 胡俊娟章迪平
- 关键词:单位根检验
- 从碎片化到协同:统计管理体制改革的协调化进路被引量:3
- 2019年
- 国家治理现代化要求深化统计管理体制改革,其中治理的协调化、高效化是国家统计现代化的重要表征。统计管理体制中的重叠与碎片化现象阻碍了统计工作的协调统一,体现为双重领导体制下的职权重叠交叉,高度分工下的碎片化管理与重复劳动,机构队伍建设、调查项目的冗余交叉或分散脱节,数据资料的矛盾不衔接、信息共享不到位以及“信息孤岛”等。深度协同是推进统计协调化之现实路径,需要构筑和发展政府统计跨部门协同模式,发挥统计机构的主导作用,创新优化协调机制,以进一步增强政府统计治理能力,保障统计数据的质量提升和有效利用。
- 顾建亚章迪平
- 关键词:统计管理体制协调化统计机构
- 基于目标群体指数的大学生画像分析被引量:4
- 2021年
- 为了准确刻画不同成绩的学生群体画像以为高校管理提供决策支持,利用目标群体指数(TGI)对浙江科技学院本科生、研究生、留学生的学生行为数据等教育大数据进行分析和研究,并从图书借阅情况、图书馆出入信息、寝室出入情况、一卡通消费情况等方面针对不同成绩的学生群体进行详细画像。研究结果显示:成绩优异的学生群体倾向于借更多的书、早起、长期按时吃早餐和低频的超市消费;成绩较差的学生群体则倾向于借较少的书、长期晚起、不吃早饭和高频的超市消费,且喜爱使用研修室,通常仅在考前冲刺。研究结果可为学生学业指导、学业及时预警、个性化推荐等提供数据支撑。
- 任正东章骏腾任东晓
- 一种基于卷积神经网络的谱聚类算法被引量:2
- 2022年
- 提出一种基于卷积神经网络的谱聚类算法,该算法首先采用预训练好的卷积神经网络对图像边缘进行特征提取和特征融合,减轻了对相似度矩阵的依赖.其次在相似度矩阵的谱分解过程中,使用Nystrom近似方法逼近相似度矩阵的特征空间,进而加速了图像分割的速度.最后通过Berkeley图像数据集证明了该算法能有效降低谱聚类的时间消耗.
- 苏常保龚世才
- 关键词:卷积神经网络谱聚类图像分割