基于质量监管的产品分类研究

分类监管是保证产品质量安全的重要手段，而产品分类又是实施分类监管的基本前提。本文首先阐述了基于质量监管的产品分类的必要性，然后对我国质量监管过程中产品分类的现状及问题进行了分析。最后，论文以产品分类相关理论分析为基础，结合国际产品监管发展趋势，提出将产品划分为一般产品、重点产品、特定产品和进出口产品四种类型。     

基于机器学习的岩性识别研究

钻井过程中的岩性识别是一个复杂且不断变化的非线性过程,很难建立准确的数学模型。由于传统识别方法存在解释精度低以及难以获得或丢失测井曲线的问题,直接通过传感器获取的钻速、钻压等每个与岩性有直接或间接关系的钻井参数,利用钻井参数进行岩石预测。基于机器学习技术,采用BP神经网络学习算法,根据地层岩性的特点,建立神经网络识别岩性模型,构造钻进参数样本并在MATLAB软件中利用神经网络工具箱进行岩性识别,分析训练集样本数量对模型识别准确率的影响。研究结果表明:BP神经网络输出非常准确,描述了采集到的钻井参数与岩性之间的关系,体现出神经网络的优越性;对钻井过程中岩性的识别具有积极的作用,有利于合理选择钻头类型、及时调整钻井参数和提高钻井效率。该岩性识别方法应用于仿生PDC钻头等方面,在试验和理论相互补充、支撑的同时便于利用该方法针对智能石油钻机开展更深层次的研究。     

大连的红酒生活

6000多年前人类酿制出了葡萄酒，而当葡萄酒走入了生活，它就绝不单单是杯酒了。它影响了人的生活方式，它构筑了人的精神世界。     

基于机器学习及中医理论的推荐系统研究与思考

文章分析了目前推荐系统研究中普遍存在的几个问题,结合本系统的特点提出了对应的解决方案。最后,介绍了本系统中用到的推荐算法和基本框架。     

一个四川商人的红酒梦境

每一款葡萄酒都有自己的容颜、秉性，如同人，值得你去珍视和品味。每一款葡萄酒都是一部历史书籍。让你深刻与怀念。独一无二的视觉，优选出世界名酒。梦幻无穷的魅力，传承着全球佳酿。     

基于机器学习的数字图书馆情境感知推荐服务研究

机器学习是人工智能领域重要的技术之一,利用该技术可以达到分析用户、洞察用户和理解用户的目的。数字图书馆情境感知推荐服务是通过情境感知技术实时获取用户情境信息,了解用户个性化需求,为用户开展推荐服务。文章认为,机器学习在数字图书馆情境感知推荐服务中的应用,可以实现用户情境需求挖掘、个性化需求特征提取及需求趋势预测等,进而提高数字图书馆情境感知推荐服务的准确度。     

炒红酒

<正>一帮温州商人,涌入罗斯柴尔德家族的私人酒庄,将葡萄酒当作"液体黄金"来买卖。罗斯柴尔德家族的私人酒庄,正涌入越来越多的中国"淘酒人"。他们不像欧洲大陆的职业藏酒人那样,会先品上一杯刚出酿的新酒,然后在地窖中慢条斯理地寻觅宝藏;他们也不像来自英美的精明投资商,仔     

红酒邂逅济南

＂葡萄美酒夜光杯,欲饮琵琶马上催。＂唐代诗人将品饮红酒的意境描述得准确而美好,中国人的优雅看似一千年前就已经形成了。然而真正的红酒文化来源于西方,它被视为＂鲜活的生命＂和优雅的代名词。     

基于可解释机器学习的信用债违约研究

为解决传统信用风险预测模型的非均衡样本识别不足问题,利用过采样方法和机器学习算法,提升信用债违约预测模型的准确率及稳定性。引入盈利能力、现金流量、营运能力、资本结构、偿债能力5类财务指标和非财务指标,运用SMOTE、Borderline SMOTE、ADASYN方法解决样本不均衡问题,通过逻辑回归、支持向量机、随机森林、XGBoost进行风险识别。结论：对于非均衡信用债违约样本,1000次有放回bootstrap重复抽样下ADASYN-RF模型的AUC、Recall优于LR、SVM和RF模型;ADASYN-SVM模型违约样本实际Recall较不使用过采样法提升36.86个百分点。引入可解释性机器学习方法,发现带息债务/全部投入资本、地方财政收入/债务存量、资产负债率等是信用债违约的重要影响因素。     

基于PLS模型的葡萄酒质量评价

利用2012年全国大学生数学建模竞赛A题所给数据,建立了偏最小二乘回归(PLS)分析模型,选取包括芳香物质在内的所有的酿酒葡萄和葡萄酒理化指标作为自变量,以葡萄酒的质量作为因变量建立模型。通过自变量和因变量提取成分的贡献率的计算,选取了可以解释自变量比率为86.28%的13个成分对,得到葡萄酒的质量与所有理化指标之间的PLS回归方程。利用标准化指标变量的回归方程,得到对葡萄酒的质量影响较大的理化指标有23个,其中13个正向指标,10个负向指标,正向指标中影响系数最大是葡萄的干物质含量(影响系数为0.361 4),负向指标中影响系数最大的是葡萄的褐变度(影响系数为-0.378 8)。用Matlab编程对模型的精度进行了检验。检验结果表明如果不考虑酿酒工艺等技术、环境因素的影响,利用理化指标根据建立的偏最小二乘回归模型预测葡萄酒的质量具有很高的可信度。     

基于粒子群优化极限学习机的中长期电力需求预测研究

科学准确预测中长期电力需求有利于电力工业的科学规划与经济社会的协调发展。通过考虑宏观经济、产业结构等六大类共24个影响电力消费的因素,较为全面地体现经济特征,使用因子分析有效消除因素之间的多重共线性。基于参数设置相对简单的极限学习机,提出改进的粒子群算法优化的极限学习机模型。通过实证分析,利用该模型进行历史负荷序列预测,验证模型的有效性。     

基于百度指数的公路运价指数RO-ELM预测

公路运价指数是公路运输市场波动的衡量指标,对中国的公路运输业有重要的预示功能.利用极限学习机(ELM)的神经网络模型快速、低成本预测公路运价指数.以各百度指数与公路运价指数的相关性确定各分量对公路运价指数的影响,进而利用ADF平稳性检验与Johansen协整检验构建输入序列,最后运用时域优化思想优化输入变量,在ELM神经网络模型内输出预测值.结果表明:基于滚动窗口的ELM模型的MAPE与RMSE分别为1.85％ 与25.17,比单一ELM模型在平均绝对百分比误差和均方根误差上都有提升,预测结果与指数波动相符,可以为公路运价指数的走向提供决策参考.     

对中国房地产区域分类的探索——基于聚类分析的实证研究

房地产市场的区域分类是进行房地产微观市场分析和宏观市场研究的基础.只有进行了合理有效的区域分类,才有可能对房地产市场行为有清晰的把握和认识.文章基于房地产市场发展规模的各项指标,运用聚类分析方法进行了全国房地产市场的整合分类,为合理划分全国市场提供了一个好的思路.     

监测加密数字货币操纵行为的机器学习模型

加密数字货币匿名性、去中心化、跨区域、全球“7*24”小时交易、监管缺乏等特性促使其市场操纵行为频发。同时,匿名网络社交平台和自动化交易机器人的盛行使得抬价出货操纵行为公开化和短暂化,传统监管手段已无法适用于加密数字货币市场。首先,采用无监督学习模型对加密数字货币交易所分钟级的价量数据进行建模,对异常的量价数据进行快速的监测和预警。然后通过网络实时爬虫技术获取网络社交平台中抬价出货操纵行为的文本信息,与交易所秒级订单数据匹配构建训练集和测试集,采用有监督学习模型对抬价出货操纵行为进行事后识别。模型结果显示：无监督学习模型监测抬价出货的准确率高达84.07%。有监督学习模型在测试集上的精准率和召回率分别为82%和93%,且有监督学习模型的AUC曲线（Area Under Roc Curve）得分为0.83。两种模型均为加密数字货币交易所监管抬价出货行为提供了相关参考。     

电子商务模式的多维分类体系研究

电子商务模式是电子商务应用的关键问题之一。文章从分类的角度对电子商务模式进行了研究,在对已有研究成果分析总结的基础上,构建了一个多维的电子商务模式分类体系。基于此分类体系讨论了十大类基本电子商务模式,并考察了它们之间的异同和相互关系。     

对当前大学生素质教育的再探讨

当前大学生素质教育实施过程中仍然存在一些问题。相应的对策是：积极探索具有时代特征的高校学生思想政治工作新方法,集课堂教学和校园文化建设之合力推进文化素质教育,努力构建高校大学生身心素质教育的新模式。     

基于过程视角的创业学习研究述评

伴随着创业热潮的兴起,创业学习已经成为近年来创业管理研究中的一个热点领域,但已有研究对于创业者是怎样学习的这一问题的探讨仍然非常有限.文章从行为学习、认知学习和情境学习视角,对最近10年发表在主流创业管理期刊上关于创业学习过程研究的文献进行系统的梳理和比较,研究发现基于不同视角的创业学习过程研究正在从分化、对立走向整合、互补,这对未来创业学习研究具有重要启示.