浅谈大数据技术在部队管理教育中的运用

大数据技术的核心能力是利用新模式和新技术,智能化分析各类信息并作出准确判断。这与单纯靠人工操作、靠人脑分析的传统方式相比,无疑具有极强的价值优势。有足够的数据就可以实现大数据的运用,"人"的思想和行为状态一定程度上也能被量化、数据化。基于此,运用大数据技术优化部队管理教育的呼声很高,不过对此我们要有一个清醒和理性的认识。一、部队管理教育中大数据技术运用之"难"大数据技术的作用自不待言。但部队工作任务、生活环境的特殊性,使得在管理教育中运用大数据技术存着在诸多现实困难和障碍。     

利用矩阵翻转法求最佳H圈

利用矩阵翻转实现二边逐次修正法求最佳哈密尔顿圈(H圈).首先构造完备加权图,并用距离矩阵表示之,使所选初始圈的顶点为矩阵主对角线的上方元素对应的顶点;然后对距离矩阵加边框并进行若干次"翻转",直到矩阵不满足二边逐次修正法的修正原则,最后得到的矩阵主对角线的上方元素确定了最佳H圈的权重及路线.     

基于数据压缩的LSP参数高效量化算法

文中为解决超长帧编码系统中联合帧数过多导致LSP参数量化性能下降这个问题,将多项式拟合引入超长帧编码系统中,利用多项式拟合压缩LSP参数矩阵,以降低量化时实际联合的帧数。再用分裂矩阵量化器进行量化。仿真结果表明,在120 bps的参数量化速率下,此算法的量化性能优于矩阵量化算法(MQ),平均谱失真比MQ算法降低了0.0719 dB,平均分段信噪比提高了0.1971 dB。     

基于面积比矩阵的加权特征向量点匹配算法

提出一种在仿射变换下点集关系描述算子--面积比矩阵,证明了其在仿射变换群下的不变性质;并由该性质推导得出特征向量(EA)匹配算法抗噪性能差的原因,在此基础上给出了基于面积比矩阵的加权特征向量算法.算法构造不同图像的面积比矩阵,对矩阵进行分解得到其特征值和特征向量,通过特征值进行加权获得图像中点的特征向量,比较图像点的特征向量获取匹配关系.因面积比矩阵的仿射不变性质,算法能实现仿射变换下点集精确匹配;采用的加权特征向量法改进了EA匹配法,具有更好的抗噪性能.实验表明算法切实可行.     

线性代数中一个向量等式的新应用

本文利用向量等式：对线性代数中的两个重要结论作出新的证明。本文给出的证明，不但方法上具有新意，而且其解决过程也会使我们对问题本身有新的认识和理解。     

一类广义延拓四元数矩阵的奇异值分解

从普通四元数矩阵的奇异值分解出发,给出了具有行或列对称结构的一类四元数矩阵(即广义四元数延拓矩阵)的奇异值、奇异向量与其母矩阵的奇异值、奇异向量之间的定量关系,推广了现有文献的结果。理论分析和数值实验的结果表明,就一大类广义四元数延拓矩阵而言,仅用母矩阵进行奇异值分解不但可以节省计算量和存储量,而且不影响任何数值精度。     

概念层次网络中对偶性设计

首先对概念层次网络（ＨＮＣ）理论作简要说明，然后根据ＨＮＣ中层符号个性化设计理论给出对偶性设计方案，和偶性的具体表现，并给出对偶性概念具体表现的注解。     

新疆少数民族儿童数学应用题解题调查研究

应用题解题对于提升民族儿童分析问题、解决问题的能力、培养思维品质、锤炼道德品质等方面有着重要作用.调研发现,南疆少数民族儿童的应用题解题障碍包括教学语言(常规语言、数学语言)、问题情境不熟悉、数学知识掌握不扎实、解题思维过程欠缺规范等多个方面.针对上述问题,从加强国语教育、渗透数学文化教育、开发课程资源、培养规范、严谨的解题习惯等多个方面提出了有针对性的对策.     

一种提升树算法在网络故障关联分析中的应用

针对移动网络故障反馈与故障分类的准确率问题,提出一种基于k-NN的多分类器提升树算法,该算法采用k近邻对特征向量空间划分,结合adboost误差函数和迭代算法,实现多分类器决策判别,并利用R语言可视化方法的关系数矩阵提取和筛选出投诉/故障映射主属性,进而建立基于基站退服、覆盖盲点、非网络原因3类故障投诉关联分析及预测模型。实验结果表明,与C50决策树、RIPPER分类规则及SVM比较,在网络故障关联预测方面新算法的分类准确率提升约2%～10%。