检索结果-南通市图书馆

树上p-Laplacian算子的第一混合特征值

在线全文

学校读者我要写书评

暂无评论

数学学报（中文版） 2023年第3期66卷 437-454页

作者：王玲娣程慧慧李月爽河南大学数学与统计学院开封475004 华北水利水电大学数学与统计学院郑州450046 首都经济贸易大学统计学院北京100070

本文研究了树上以唯一根为Dirichlet边界的离散加权p-Laplacian算子的第一特征值问题,该特征值亦为一类加权Hardy不等式的最优常数.通过研究此特征值对应的特征函数的性质,给出具有混合边界的特征值的三种变分公式,该结果可以看做经典... 详细信息

本文研究了树上以唯一根为Dirichlet边界的离散加权p-Laplacian算子的第一特征值问题,该特征值亦为一类加权Hardy不等式的最优常数.通过研究此特征值对应的特征函数的性质,给出具有混合边界的特征值的三种变分公式,该结果可以看做经典变分公式的重要补充.作为应用,给出了此特征值的上、下界的基本估计,并给用两个例子例证相关结果.

关键词： p-Laplacian特征值 Dirichlet边界加权Hardy不等式

在线全文

学校读者我要写书评

暂无评论

呼吸机相关性肺炎发生的危险因素与护理对策

中华医院感染学杂志 2012年第16期22卷 3477-3478,3496页

作者：王玲娣海宁市人民医院呼吸内科浙江海宁314400

目的分析呼吸机相关性肺炎(VAP)感染的危险因素及相应护理对策。方法采用病例对照研究模式,回顾性分析128例ICU患者临床资料;采用单因素分析法分析VAP发生的相关因素,对差异有显著性因素进一步采用逐步logistic多元回归分析法进行分析,... 详细信息

目的分析呼吸机相关性肺炎(VAP)感染的危险因素及相应护理对策。方法采用病例对照研究模式,回顾性分析128例ICU患者临床资料;采用单因素分析法分析VAP发生的相关因素,对差异有显著性因素进一步采用逐步logistic多元回归分析法进行分析,确定VAP发生的独立危险因素。结果 128例患者中,发生VAP41例,发生率32.0%,呼吸机通气时间1～57d;VAP患者中死亡15例,病死率为36.5%;单因素分析结果显示,年龄、连续使用抗菌药物时间、联合用药、插管次数与持续时间、使用糖皮质激素均为VAP发生的相关因素;对差异有显著性因素进行逐步logistic多元回归分析,结果表明,连续使用抗菌药物时间、插管次数与持续时间进入回归方程。结论合理使用抗菌药物、控制和减少呼吸机的使用、科学有效地循证护理可有效降低呼吸机相关性肺炎的发生。

关键词：呼吸机相关性肺炎危险因素护理对策

在线全文

学校读者我要写书评

暂无评论

单生(死)Q矩阵零流出(入)的判别准则

数学学报（中文版） 2014年第4期57卷 681-692页

作者：王玲娣张余辉河南大学数学与信息科学学院开封475004 北京师范大学数学科学学院数学与复杂系统教育部重点实验室北京100875

用分析的方法分别给出了单生Q矩阵零流出和单死Q矩阵零流入的判别准则,统一处理了保守和非保守两种情形,再次得到了非保守的生灭Q矩阵零流出和零流入的判别准则.同时,还类比处理了保守和非保守两种情形下带移民的单生Q矩阵的相应问题.

关键词：单生过程单死过程流出解流入解

在线全文

学校读者我要写书评

暂无评论

AdaBoost的多样性分析及改进

计算机应用 2018年第3期38卷 650-654,660页

作者：王玲娣徐华江南大学物联网工程学院江苏无锡214122

针对AdaBoost算法下弱分类器间的多样性如何度量问题以及AdaBoost的过适应问题,在分析并研究了4种多样性度量与AdaBoost算法的分类精度关系的基础上,提出一种基于双误度量改进的AdaBoost方法。首先,选择Q统计、相关系数、不一致度量、... 详细信息

针对AdaBoost算法下弱分类器间的多样性如何度量问题以及AdaBoost的过适应问题,在分析并研究了4种多样性度量与AdaBoost算法的分类精度关系的基础上,提出一种基于双误度量改进的AdaBoost方法。首先,选择Q统计、相关系数、不一致度量、双误度量在UCI数据集上进行实验。然后,利用皮尔逊相关系数定量计算多样性与测试误差的相关性,发现在迭代后期阶段,它们都趋于一个稳定的值;其中双误度量在不同数据集上的变化模式固定,它在前期阶段不断增加,在迭代后期基本上不变,趋于稳定。最后,利用双误度量改进AdaBoost的弱分类器的选择策略。实验结果表明,与其他常用集成方法相比,改进后的AdaBoost算法的测试误差平均降低1.5个百分点,最高可降低4.8个百分点。因此,该算法可以进一步提高分类性能。

关键词：多样性 AdaBoost 集成学习双误度量弱分类器

一种基于聚类和AdaBoost的自适应集成算法

在线全文

学校读者我要写书评

暂无评论

吉林大学学报（理学版） 2018年第4期56卷 917-924页

作者：王玲娣徐华江南大学化工物联网工程学院江苏无锡214122

为同时保证基分类器的准确性和差异性,提出一种基于聚类和AdaBoost的自适应集成算法.首先利用聚类算法将训练样本分成多个类簇;然后分别在每个类簇上进行AdaBoost训练并得到一组分类器;最后按加权投票策略进行分类器的集成.每个分类器... 详细信息

为同时保证基分类器的准确性和差异性,提出一种基于聚类和AdaBoost的自适应集成算法.首先利用聚类算法将训练样本分成多个类簇;然后分别在每个类簇上进行AdaBoost训练并得到一组分类器;最后按加权投票策略进行分类器的集成.每个分类器的权重是自适应的,且为基于测试样本与每个类簇的相似性及分类器对此测试样本的分类置信度计算得到.实验结果表明,与AdaBoost,Bagging(bootstrap aggregating)和随机森林等代表性集成算法相比,该算法可取得更高的分类精度.

关键词：集成学习 AdaBoost算法聚类自适应权重

大豆蛋白改善鲢鱼肌原纤维蛋白功能特性的研究

在线全文

学校读者我要写书评

暂无评论

大豆蛋白改善鲢鱼肌原纤维蛋白功能特性的研究

作者：王玲娣天津商业大学

学位级别：硕士

随着养殖生产的迅速发展，淡水鱼加工滞后的现象已经严重影响了淡水渔业的发展。本课题就如何改善低值淡水鱼—鲢鱼肌原纤维蛋白的功能特性展开研究。作为应用广泛的功能性食品添加剂之一的大豆分离蛋白（SPI）经热变性，转谷氨酰胺酶... 详细信息

随着养殖生产的迅速发展，淡水鱼加工滞后的现象已经严重影响了淡水渔业的发展。本课题就如何改善低值淡水鱼—鲢鱼肌原纤维蛋白的功能特性展开研究。作为应用广泛的功能性食品添加剂之一的大豆分离蛋白（SPI）经热变性，转谷氨酰胺酶（TG）处理后，与肌原纤维蛋白（MPI）混合，通过研究其凝胶特性的变化寻找最佳成胶参数，以充分发挥SPI对蛋白凝胶性能的辅助和提高作用。本论文结果对SPI的合理应用及改善鱼糜制品的品质有一定的应用价值。本研究主要包括3部分： 1.将大豆分离蛋白经不同的变性温度及变性时间处理后，与鲢鱼肌原纤维蛋白以不同的比例混合制备热诱导凝胶。通过测定混合蛋白体系的凝胶强度及保水性和流变性，分析热变性大豆分离蛋白对混合凝胶特性的影响。结果表明，热变性后的大豆分离蛋白可以改善混合蛋白凝胶体系的凝胶强度及保水性，经热变性的大豆分离蛋白与肌原纤维蛋白混合的弹性模量高于天然大豆蛋白;大豆分离蛋白经过100℃变性180min后，二者以1：4的比例混合，得到的混合凝胶强度及保水性最佳。 2.通过十二烷基磺酸钠聚丙烯酰胺凝胶电泳（SDS-PAGE）、蛋白质浊度及蛋白质溶解度测定等方法来研究转谷氨酰胺酶（TG）催化鲢鱼肌原纤维蛋白（MPI）和大豆分离蛋白（SPI）混合物在不同的温度条件下加热后蛋白质分子交联的情况，以进一步解释大豆分离蛋白和转谷氨酰胺酶在催化鲢肌纤蛋白凝胶形成过程中的作用。结果表明，TG均可促进SPI，MPI，MPI/SPI混合蛋白分子之间的交联，形成聚合物或加合物，从而促进弹性凝胶的形成。 3.以MPI与SPI二者的混合比例，TG酶的添加浓度及离子强度为影响因素，通过单因素实验确定各因素水平，再在单因素实验基础上进行三因素三水平的响应面分析实验，确定TG酶最佳作用参数。最终得到了TG酶最优作用参数条件：混合比例为3：20，TG酶添加量0.46gTG/g蛋白质，离子强度为0.05mol/L，该工艺参数可为大豆分离蛋白及淡水鱼糜制品的合理开发利用提供依据。

关键词：肌原纤维蛋白大豆分离蛋白转谷氨酰胺酶功能特性凝胶性质

Adaptive Boosting算法及组合分类器的构建研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

Adaptive Boosting算法及组合分类器的构建研究

作者：王玲娣江南大学

学位级别：硕士

分类是数据挖掘的任务之一,其先在已知类别的样本上学习然后生成一个预测模型以判定新数据的类别。集成学习为这一问题提供了一种有效可行的解决方式,它的基本思想是先构建多个不同的预测模型(基分类器),然后将其输出做某种组合作为最... 详细信息

分类是数据挖掘的任务之一,其先在已知类别的样本上学习然后生成一个预测模型以判定新数据的类别。集成学习为这一问题提供了一种有效可行的解决方式,它的基本思想是先构建多个不同的预测模型(基分类器),然后将其输出做某种组合作为最终的输出。一般,集成学习可以获得比单一分类器更加稳定的输出及更优的分类性能,而Boosting是该领域的代表性方法,它可将粗造的、不太正确的、简单的初级预测模型,按照一定规则构造出一个精确度很高的强分类器。最初它很难应用于实际问题中,AdaBoost(Adaptive Boosting)算法的出现有效地解决了这一问题,成为Boosting家族的代表算法,受到了极大的关注。多样性是影响集成学习泛化能力的关键因素,因此本文从分析AdaBoost基分类器之间的多样性变化规律入手,基于多样性对AdaBoost算法进行研究分析,先后给出了两种优化集成性能的方法,最后融合粒子群算法(Particle Swarm Optimization,PSO)和AdaBoost算法,提出一种基于特征选择的集成方法,用以解决不平衡多分类问题。具体工作是:首先,针对AdaBoost算法下弱分类器间的多样性如何度量问题以及AdaBoost的过适应问题,在分析并研究了4种多样性度量与AdaBoost算法的分类精度关系的基础上,提出一种基于双误度量(Double Fault Measure,DF)改进的AdaBoost方法。首先,研究分析4种不同的多样性度量方式与测试误差的相关性。然后,基于上一步得出的实验结果,尝试利用DF改进AdaBoost的弱分类器的选择策略。最后,实验结果表明改进后的AdaBoost算法可以控制过适应,进一步提高分类性能。另外,基分类器的准确率和多样性是影响集成学习泛化能力的两个重要方面,为保证准确率同时增加多样性进而提高集成泛化能力,尝试将聚类和AdaBoost算法结合。首先,对训练样本进行聚类,将训练样本分成多个组。然后,分别在每组上进行AdaBoost训练得到强分类器,按照加权投票策略进行强分类器的集成。其中,每个分类器的权重是自适应的,是基于测试样本与每组的相似性以及强分类器对此测试样本的分类置信度计算而得。最后,在10组来自UCI机器学习库(University of California Irvine Machine Learning Repository,UCI)的数据集上与Bagging,随机森林和AdaBoost等代表性集成方法比较,结果表明此方法可取得更高的分类精度。最后,针对不平衡分类问题,根据AdaBoost可学习有利于高权值样本的模型的特点,结合特征选择探索解决此类问题的有效方法。首先,对数据进行预处理,通过PSO算法优化特征选择,来去除不相关和冗余的特征,降低小类被当作噪音的风险。同时为了缩短PSO的进化时间,会先根据特征重要性生成一个近似最优粒子加入初始化种群,使得粒子群一开始沿着较为合理的方向搜索。然后,利用AdaBoost可学习有利于高权值样本的模型的特点,增加对小类的关注,在保证总正确率的前提下提高小类识别率。最后,与其他算法在7组不平衡数据集上进行对比实验,验证了该方法的有效性。

关键词：集成学习 AdaBoost 多样性分类

呼吸内科患者医院肺部真菌感染临床特点与护理干预

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中华医院感染学杂志 2012年第17期22卷 3723-3724页

作者：王玲娣海宁市人民医院呼吸内科浙江海宁314400

目的分析呼吸内科患者肺部真菌感染的临床特征和危险因素,提出相应的护理干预措施。方法回顾性分析2008年1月-2011年1月呼吸内科848例患者临床资料。结果 848例患者中发生医院肺部真菌感染48例,发生率为5.7%;分离出的48株真菌中,白色假... 详细信息

目的分析呼吸内科患者肺部真菌感染的临床特征和危险因素,提出相应的护理干预措施。方法回顾性分析2008年1月-2011年1月呼吸内科848例患者临床资料。结果 848例患者中发生医院肺部真菌感染48例,发生率为5.7%;分离出的48株真菌中,白色假丝酵母菌24株,占50.0%;热带假丝酵母菌16株,占33.3%;克柔假丝酵母菌7株,占14.6%;其他真菌1株,占2.1%;白色假丝酵母菌对两性霉素B的敏感率高,为100.0%,对氟康唑、5-氟胞嘧啶敏感率均为91.7%;对制霉菌素敏感率最低,为83.3%。结论白色假丝酵母菌和热带假丝酵母菌是医院肺部真菌感染的重要病原菌;真菌对制霉菌素的耐药性应引起临床关注,采取积极有效的护理干预以减少医院肺部真菌感染的发生率。

关键词：医院肺部真菌感染临床特点护理干预

在线全文

学校读者我要写书评

暂无评论

带马氏切换扩散过程的指数遍历速率

应用概率统计 2020年第5期36卷 453-466页

作者：王玲娣任盼盼河南大学数学与统计学院开封475004 夏邑县第一高级中学商丘476400 河南大学开封475004

本文讨论带马氏切换扩散过程的指数遍历性问题,给出了原点为反射边界时该过程的一类f-指数遍历的判别条件.当在固定环境下一维扩散过程随机保序时,借助耦合方法给出了原点为反射边界的带马氏切换扩散过程指数遍历速率的显式估计.

关键词： Lyapunov函数带马氏切换扩散过程 M-矩阵随机保序