简介:今天是大数据的时代,更是一个要求精准的时代,在工作和生活中总会遇到类似在线影片租赁公司Netflix对若干电影进行人气排名的问题.他们试图通过回收影迷打分的问卷调查来解决,可惜许多影迷并没有观看全部电影,因此如何通过这份不完整的问卷调查数据来对电影人气进行排序,就引起了人们的高度关注,其关键点在于矩阵缺失元素的填充.近几年来,数学家们发明了一种崭新的方法——矩阵填充方法,建立数学模型,较好地解决了该问题.类似问题在机器学习、图像和视频处理等领域也会遇到,涉及面较广.本文基于矩阵填充方法,处理2017年12月28日教育部发布的第4轮学科评估数据,建立核范数最小化模型,选取SVT算法,对参评的所有490所高校未参评或未设置学科的得分进行预测,进而计算高校的学科平均得分,得到高校综合排名.同时,由填充后的学科得分也能回答一所高校如果想扩大学科数量,下一个最应该设置的学科是哪一个,从而达到学科优化布局的效果.
简介:今年上海市毕业、升学试题中的第一(19)题和第八题是一小一大的两题,小题是填空题,只有2分,大题是压轴题,有12分,然而两道题都是颇具特色的好题.第一(19)题是图形旋转重合问题,它好就好在题目所问的是“图形所在的平面上”可以作为旋转中心的点的个数,因此既应从图形中标有字母的点去找(C、D),还应从图中未标有字母的特殊点去找(CD的中点),这就需要学生不局限于标有字母的点进行全面观察.这道题小中见大,细微之处考查了学生的观察能力.第八题的(2)是一个几何探索性问题,它好就好在D是CA上的动点,而问题是探索在D的运动中,∠DOE的大小的变与不变,这就需要学生有较强的转化能力,把∠DOE转化为用已
简介:上海市社会总抚养比受到诸多因素的影响,导致数据波动性较大,单纯地采用灰色预测模型无法更加准确地进行预测,因此文章提出了基于最小二乘法的改进GM(1,1)模型.首先文章介绍了普通GM(1,1)模型的建立方法与步骤;接着通过采用最小二乘法的原理弱化波动较大的数据,加强其规律性从而建立新的GM(1,1)模型;最后结合2007-2011年上海市社会总抚养比数据建立新的预测模型,并用2012年数据对模型进行验证合格,可以用来预测未来几年上海市社会总抚养比,便于该市对未来经济的发展宏观调控.结果表明该预测方法是合理可行的,为其他相关预测提供了理论依据.