-
题名蜂窝夹层板撞击极限方程预测能力的提升
被引量：1
- 1
-
-
作者
贾光辉
欧阳智江
蒋辉
-
机构
北京航空航天大学宇航学院
-
出处
《爆炸与冲击》
EI
CAS
CSCD
北大核心
2014年第4期397-403,共7页
-
基金
国家空间碎片专题项目(K020110-1/3/6)
-
文摘
蜂窝夹层板撞击极限方程是空间碎片撞击航天器风险评估的关键技术,目前描述其预测能力的指标主要有总体、安全预测正确率和绝对、相对误差。基于131个蜂窝夹层板的实验数据,分别描述各个预测指标在方程系数空间的变化特征,并采用层次化思路进行方程预测指标提升的探讨。结果发现,进行方程优化时,预测概率型指标可精确优化,而预测误差型指标可快速优化;总体预测正确率作为首要预测指标可优先用于研究航天器的在轨防护特性,而安全预测正确率作为首要指标则可优先用于其设计安全性。
-
关键词
爆炸力学
预测误差
撞击极限方程
蜂窝夹层板
预测正确率
预测指标
-
Keywords
mechanics of explosion
prediction indicator
impact limit equation
honeycomb sandwich panel
rate of correctly prediction
prediction error
-
分类号
O389
[理学—流体力学]
-
-
题名基于主成分分析和支持向量机的个人信用评估
被引量：10
- 2
-
-
作者
肖智
李文娟
-
机构
重庆大学经济与工商管理学院
-
出处
《技术经济》
2010年第3期69-72,共4页
-
文摘
本文针对信用评估指标维数较高的问题,运用主成分分析与支持向量机理论建立了一个新的个人信用评估预测模型。为反映该模型在信用评估分类方面的优越性,又分别建立了基于神经网络、K近邻判别分析等多种理论的信用评估模型,并用同一组数据对不同的模型分别进行训练,然后比较其预测分类正确率。实验结果表明,基于主成分分析与支持向量机理论的个人信用评估模型具有较优的预测分类正确率。
-
关键词
主成分分析
支持向量机
预测正确率
个人信用评估
-
Keywords
principal component analysis
support vector machine
forecasting accuracy
personal credit scoring
-
分类号
F832.4
[经济管理—金融学]
F224
[经济管理—国民经济]
-
-
题名基于元学习的推荐算法选择优化框架实证
被引量：6
- 3
-
-
作者
任义
迟翠容
单菁
王佳英
-
机构
沈阳建筑大学信息与控制工程学院
-
出处
《计算机工程与设计》
北大核心
2020年第6期1610-1616,共7页
-
基金
国家自然科学基金项目(61702345、61702346)。
-
文摘
针对给定特征的数据集,选择最佳推荐算法存在计算资源相对过高、耗时较长、正确率较低的问题,提出一种基于元学习的推荐算法选择优化框架,在常用元特征的基础上融入新的特征测度。将Donorschoose和Movielens作为实证数据集,实验分析KNN、SVD等算法的自动选择过程,通过3种元学习算法构建元模型,评估该模型的预测正确率。Stac-kingDecisionTree元模型所选择推荐算法具有较高预测性能,预测正确率分别达到86.58%和80.39%,实验结果表明了提出框架的可行性。
-
关键词
推荐算法
算法选择优化框架
元学习
元模型
预测正确率
-
Keywords
recommendation algorithm
algorithm selection optimization framework
meta-learning
meta-model
prediction accuracy
-
分类号
TP312
[自动化与计算机技术—计算机软件与理论]
-
