会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

网络数字化侵害量表中文版在大学生群体中的信效度

采用网络数字化侵害量表中文版、焦虑自评量表和情感量表，对从四川省 4 所高校中整群抽取的 2 307 名 大学生进行调查，3 周后再从中抽取 86 名同学进行重测。使用 SPSS 23.0 与 Mplus 8.0 软件对数据进行探索性 和验证性因素分析。结果显示：DVS 中文版本 1 1 道题目得分在高分组和低分组间存在显著性差异（t 值为 -1 0.02 ～-88.1 3，均 P 值 ＜0.001 ），题总相关 r 介于 0.435 ～0.61 5 之间（P ＜0.01 ）；基于碎石图和平行分析法 交叉验证保留 3 个因子：私人信息泄露、网络账户困扰以及网络内容侵害，可解释 DVS 中文版所有题项 51 .56％ 的变异，各条目的因素负荷介于 0.350 ～0.71 4 之间；验证性因素分析表明 DVS 中文版 3 因素模型较好地拟合数 据（CFI ＝0.908，TLI ＝0.877，RMSEA ＝0.063，RMSEA 90％的 CI 为 0.055 ～0.071 ，SRMR ＝0.048，因素负荷介于 0.353 ～0.71 1 之间）；DVS 中文版与 SAS、AS 分别正相关（rSAS ＝0.259、rAS ＝0.26，均 P 值 ＜0.01 ）；DVS 中文版总 量表的 Cronbach’s α系数为 0.738，各维度的 Cronbach’s α系数在 0.535 ～0.661 之间，重测信度为 0.670。

  • 2021-06-17
  • 阅读354
  • 下载0
  • 6页
  • pdf

静电放电算法_混合核SVM的月径流预报模型及应用_李祥蓉

为提高水文预测预报精度,构建基于多项式核与高斯核混合的支持向量机（SVM）,利用静电放电算法（ESDA）优化混合核SVM关键参数和混合权重系数,提出混合核ESDA-SVM枯水期月径流预测模型,并构建高斯核ESDA-SVM、多项式核ESDA-SVM及ESDA-BP作对比预测模型,以云南省某水文站枯水期1—4月月径流预测为例进行实例研究,利用实例前24 a和后10 a资料对各模型进行训练和预测。结果表明,混合核ESDA-SVM模型对实例1—4月月径流预测的平均相对误差绝对值分别为4.09%、3.32%、3.51%和5.64%,预测精度均高于多项式核ESDA-SVM等3种模型。混合核ESDA-SVM模型综合了多项式全局核函数和高斯局部核函数二者优点,在预测精度、泛化能力等方面均优于对比模型,具有较好的实际应用价值。

  • 2021-06-17
  • 阅读188
  • 下载0
  • 6页
  • pdf

城市智能基础设施与智能汽车协同发展

回顾历史，十九世纪末期，车辆的出现对城市的形态与发展发生很大的促进和改变作用，因此我们可以判断，智能汽车与智慧城市协同发展是必然趋势，是相互支撑。未来，无人驾驶汽车与未来城市之间的型态关系，也引发了我们对智能汽车技术路线发展方向的思考。

  • 2021-06-16
  • 阅读210
  • 下载0
  • 6页
  • docx

从“智能楼宇”走向“智慧楼宇”之路，需要四大步骤

当前，“智慧城市、和谐生活”的理念已经得到普遍认可。在城市公共建筑、商务楼、住宅区等城市公共设施智能化建设中，楼宇自控、综合布线、安保与消防系统、广播电视、会议系统、停车系统、楼宇电力与冷暖系统、可视对讲与家居自动化系统、楼宇物管等为人们提供安全、高效、便捷、节能、环保、健康的环境。

  • 2021-06-16
  • 阅读205
  • 下载0
  • 6页
  • docx

基于Watershed和Snake混合模型的图像分割算法

针对传统 Snake 模型存在着对初始轮廓曲线位置敏感和不能收敛到凹陷区域的问题，提出将改进的分水岭算法应用于优化 Snake 模型边缘曲线中。同时再利用遗传算法的全局优化特性，来解决 Snake 模型的局部极小值问题，提升Snake 模型的分割精度。实验结果表明，改进的 Snake 分割算法不仅能有效解决传统 Snake 分割算法对初始轮廓位置敏感以及不能收敛到凹陷区域的问题，而且具有分割效率高、分割结果更加精确的优点。

  • 2021-06-16
  • 阅读246
  • 下载0
  • 6页
  • pdf

_智慧教育时代我国人工智能教育应用的发展路径探究——美国《规划未来,迎接人工智能时代》报告解读及启示

人工智能技术的应用渗透到各行各业，教育作为关乎国际民生的核心，利用人工智能促进教育公平似乎是题中应有之义。

  • 2021-06-16
  • 阅读200
  • 下载0
  • 6页
  • pdf

基于FP-growth算法与分层线性模型交互的招生数据挖掘

为了进一步提高招生数据挖掘的有效性，将 FP-growth 算法与分层线性模型相结合，用于高等院校的招生数据挖掘；利用 FP-growth 算法，通过频繁集的生成与关联规则，从高校历史招生数据中获取置信区间大的关联数据；采用单层和多层线性模型，将学生层面变量与学校层面变量相结合，确定招生数据挖掘有效变量；在分别建立单层线性模型和多层线性模型后，借助多层线性模型软件库，求解模型的系数和显著性检验水平。实例仿真结果表明，通过对比不同变量的系数和显著性检验水平，所提出的模型能够有效分析不同变量对招生录取的影响。

  • 2021-06-15
  • 阅读263
  • 下载0
  • 6页
  • pdf

混合模型下的雅可比矩阵退火算法优化

火算法可有效发现网络结构的聚类分布情况，但在不同的网络中算法处理结果的准确性有待提高．为更精确地识别混合模型网络结构中的数据分布，解决混合模型易陷入局部最大值和收敛等问题，提出混合模型下雅可比矩阵退火算法．首先利用逆温度参数卢对模型进行初始化，然后迭代执行计算期望步骤和最大化步骤2个任务；采用雅可比矩阵计算模型的后验概率，直至算法达到设定的准确性或收敛．将建立的雅可比矩阵退火算法与半监督高斯混合模型下的逆模拟退火聚类算法在真实网络上进行对比分析．实验结果表明，基于雅可比矩阵的算法在混合网络模型中的；住确性更优．该算法不仅能防止陷入局部最优，而且能提高分析网络聚类分布的准确性．

  • 2021-06-15
  • 阅读268
  • 下载0
  • 6页
  • pdf