简介：在视频编码中,DCT系数分布模型是率失真理论模型的基础,视频量化一般可分别为硬判决量化（HDQ）以及软判决量化（SDQ）,SDQ算法能实现最优编码性能,但其中维特比算法会导致严重的系数间串行处理依赖.比较而言,基于死区（deadzone）的HDQ算法率失真性能略有损失,但是不考虑系数间的相关性.提出了一种基于分段逼近TCM模型（TransparentCompositeModel）的自适应硬判决量化算法,采用更精确的DCT分布估计模型,估算不同频率分量DCT系数的分布参数.根据模型参数及DCT系数分布参数,优化构造自适应的死区偏移量模型.实验表明,相对于固定偏移量HDQ算法,其编码性能非常接近于SDQ算法.

简介：针对深度信念网络无法科学有效地确定网络模型深度和隐层神经元数目等问题，根据贪心算法思想，提出了一种动态构建深度信念网络模型的新方法.即从底层逐层构建深度信念网络的过程中，根据验证集错误分类率调整当前层神经元数目，使当前模型达到最优后，固定当前层神经数目，网络深度增加一层；继续调整下一层神经元数目，直至整个模型构建完成.最后，根据重构误差微调各层神经元数目.结果表明，与依据重构误差构建的深度信念模型相比，利用此方法构建的深度信念网络模型的分类准确率更高.

简介：LDA主题模型是文本挖掘领域的重要算法，同时在推荐系统当中也有不错的表现.通过LDA主题模型挖掘用户感兴趣的主题，是目前最常用的用户兴趣主题挖掘方法之一.为了提高LDA主题模型应用在推荐系统时的推荐质量，我们提出了一种基于负样本进行学习的方法negLDA.通过创造出负样本来学习用户对物品的负面预测评分，同时结合正样本学习得到的正面预测评分，从正反两个方面进行综合评测，从而更加精确地衡量出用户对物品的预测评分.通过在MoviesLens-100k、MovieLens-1M、FilmTrust这三个数据集上的实验，表明所提出的算法在精确率、召回率、AUC三个指标上相比传统算法均有一定改进.

简介：马尔科夫预测模型具有＂无后效性＂,即预测未来的销售情况只与当前的销售数据有关,而与过去的销售数据无关.事实上,过去不同的时间点对当前的销售结果会有不同程度的影响.而指数平滑法恰好弥补了马尔科夫预测模型的缺点,它认为最近的过去销售数据,在某种程度上会持续到未来.因此本文利用二次指数平滑系数法优化马尔科夫预测模型,并以某品牌电动车的销售情况为例进行验证,发现优化后预测模型的绝对误差均小于马尔科夫模型的预测结果.由此得出结论,基于二次指数平滑法优化的马尔科夫预测模型具有可行性.

简介：针对因影响因素众多而难以预测的隧道沉降问题,使用粒子群算法（PSO）优化支持向量回归模型（SVR）并结合灰色理论中的等维新息,提出了混合模型对隧道沉降时间序列数据进行预测研究.与ELM极限学习机预测模型及PSO-BP神经网络预测模型进行了对比实验.发现等维新息SVR模型在预测精度上要优于其它两个模型,于是得出该模型可以有效地应用于隧道沉降时间序列的预测研究.

简介：本文通过采用电感耦合等离子体发射光谱（ICP-AES）法测定化妆品中有害元素含量,并对测量过程中各项不确定度的来源以及评定方法进行分析,建立起一种分析实验室不确定度的评定方法,使实验结果更具客观性和准确性。

简介：本文依据GB／T5009．64--2003方法对食品用橡胶垫片（圈）的蒸发残渣进行了分析和评估。不确定度检测结果表明，在本次试验条件下，测量结果重复性是产生误差的主要原因。

简介：聚四氟乙烯材料被广泛应用于食品接触制品作为不粘涂层,其安全性是消费者密切关注的问题。运用RAC工具和模糊层次分析法对对食品接触制品聚四氟乙烯涂层进行风险评估,结果表明：聚四氟乙烯作为涂层如使用不当就会构成消费者健康风险,应规范聚四氟乙烯涂层在食具中的使用,建议开发新型环保涂层作为替代品。

简介：本文用稳健统计—迭代法作为水质自动监测测量不确定度评定的方法,对高锰酸盐指数和氨氮两个项目的标样考核数据进行统计,并将不确定度评估结果与相对误差评价结果进行比较,结果表明高锰酸盐指数合格率分别为92.1%、93.4%,氨氮合格率分别为95.1%、96.7%。

简介：本文建立了气相色谱法测定槟榔中对羟基苯甲酸乙酯不确定度的评定方法。在对羟基苯甲酸乙酯测定过程中产生的不确定度分量来源进行分析的基础上,对各不确定度分量进行了计算,并确认了合成标准不确定度和扩展不确定度,为槟榔中对羟基苯甲酸乙酯的检测提供了有效可靠可溯源的质量数据。

简介：采用top-down技术的控制图法（现行标准方法）、稳健统计-迭代法和质控-灰色评定法评估了实验室内应用电感耦合等离子体-发射光谱法测定不锈钢中镍的测量不确定度。对于镍含量为9.1%的质控样品,三种方法计算的实验室内扩展不确定度均为0.12%,k=2,方法间无显著性差异。