正例
- 基于主成分分析的随机森林钢材缺陷检测算法
常用于衡量模型对正例样本的预测准确性,表示为正确预测为正的样本占全部预测为正的样本的比例,召回率常用于评价模型对于正例样本的识别程度,表示为预测为正的正例占全部真值为正例的样本的比例.为了能够直观地判断预测值与真实值之间的差异,引入如表2所示的混淆矩阵.表2 混淆矩阵其中xTP表示预测值为正例真值也为正例的真正例,xFP表示预测值为正例真值却为负例的假正例,xFN表示预测值为负例真值却为正例的假负例,xTN表示预测值为负例真值也为负例的真负例.根据混淆矩阵
吉林师范大学学报（自然科学版） 2024年1期2024-02-21
- 小学生举例表现与概念理解的相关性研究
80名学生进行了正例、反例和概念理解的测试，分析了学生的作答数据，得出学生在举正例方面的表现比举反例要好，学生的举例表现与其对相应概念的理解存在显著的相关性，并且反例对于概念理解具有独特的价值。基于研究结论，建议一线教师在概念教学中鼓励学生自主举例，关注学生的举例表现，把学生的举例表现作为新的概念理解评价方式。【关键词】正例；反例；概念理解；概念评价一、问题提出《义务教育数学课程标准（2022年）》（以下简称“新课标”）明确指出，数学课程要培养学生的核心素
中小学课堂教学研究 2023年12期2024-01-05
- 基于样本分布的类别均衡化方法
样本集，记为P(正例样本集)。DT可分解为Kp=，KN=。1.2 单类支持向量机单类支持向量机One-class SVM[12]采用核函数把样本映射到高维特征空间，将零点作为负样本点，其它样本作为正样本点，最大化零点和其它样本点之间的距离并构建最优超平面。对于N={x1，x2，…，xn} 负例样本集，One-class SVM优化目标如式(1)所示(1)式中：v∈(0，1) 为调节松弛程度，控制异常样本比例的上界，w是超平面法向量，ρ是超平面截距，φ()
计算机工程与设计 2023年9期2023-10-12
- 基于相似度的装备数据聚合方法
,统称为该装备的正例。在装备名称匹配过程中,除了正例,装备数据往往更多的是非同一装备的名称反例,为了实现装备名称的自动匹配,算法应能够区分正例和反例,为了全面分析算法,在典型数据集中添加2个与正例相似的反例:“⑥1959年式9毫米手枪”和“⑦1954年式12.7毫米穿甲燃烧弹”,用于测试算法的反向匹配。现将7条数据分别与装备字典中的对应的标准名称进行比对,应用本文算法结果如图2所示。图2 不同名称相似度对比结果从2个维度对图2的实验结果进行分析。维度1是匹
空军工程大学学报 2023年2期2023-05-06
- 正例与反例相结合的高中地理案例教学法
程中，教师可以将正例与反例结合，培养学生的逻辑思维，让学生发现高中地理学科的逻辑性与规律性。本文介绍了高中地理学科案例选编的原则，阐述了正例与反例的呈现次序，并重点剖析了高中地理案例教学法正例与反例相结合的实施流程，以期为教师应用案例教学法提供参考。一、高中地理学科案例选编的原则（一）辩证性原则地理学科案例选编要坚持辩证思维，充分反映地理现象的多样性和复杂性，选择适当的正例和反例，以展示地理现象的多样性及其变化规律。正例可以揭示地理现象的一般性规律，反例则
幸福家庭 2023年23期2023-02-27
- 切分论点，层次清晰
来。范例分析1【正例展示】 题目：得失之间 中心论点：丰满人生在得失之间。 分论点：①人生有得必有失，而且失远远多于得；②得失之间固然有偶然性，但更多时候，是“种瓜得瓜，种豆得豆”；③得与失之间，收获多少不是成败唯一的标准，重要的是自己的人生有没有过刻骨铭心的经历。【反例展示】 题目：远见 中心论点：为人处世应有远见。 分论点：①有远见的人常未雨绸缪；②有远见的人视野广阔（或“目光深邃”）；③有远见的人襟怀坦荡。 纠偏：“有远见的人常未雨绸缪”，已由“远见
作文周刊(高考版) 2023年8期2023-02-17
- 结合噪声网络的强化学习远程监督关系抽取
作为此关系类型的正例，这类噪声问题即为假阳性噪声。假阴性噪声是指由于知识库不足，将语料库中原本表达了某种关系的句子标注为不存在关系（non-relation，NA），如表1的句子S3，“张三结婚后生了两个孩子，定居在北京”中存在着（张三，居住于，北京）的关系事实，但实体对（张三，北京）在KB中并不存在关系，因此S3被错误地标记为NA，这类噪声问题即为假阴性噪声。表1 远程监督关系抽取中错误标注的例子Table 1 Examples of incorrect
计算机工程与应用 2022年23期2022-12-06
- 融合self_attention 的词级交互文本分类模型研究*
函数。准确率是指正例判断正确的个数与模型预测输出的正例的总个数之比［11］。模型预测为正例的情况有两种：一种是将正例预测为正例（TP），另外一种是将负例预测为正例（FP）。准确率计算表达式如下：召回率是指正例判断正确的个数与真正的正例样本的总个数，这其中也有两种预测情况，一是将样本中的正例预测为正例（TP），二是将样本中的正例预测为负例（FN）［12］。召回率计算公式如下：理想情况下，精确率和召回率两者都越高越好。然而事实上这两者在某些情况下是矛盾的，精确
计算机与数字工程 2022年8期2022-09-28
- 基于知识感知采样的神经协同过滤
的缺陷在于可能把正例误认为是高质量的负例。基于知识图谱的负采样策略[5]利用项目与项目之间共同的知识实体，寻找高质量的负例来与正例匹配，从而提升推荐模型的性能。该方法能够有效缓解误采样问题，通过确保采样负例的真实性，从而提高推荐的准确性，获得了比上述方法更好的性能表现。但是，为了减小算法的时间复杂度，该方法在确定候选负例集后，选择了候选负例集中的最后一个元素作为负例来优化推荐模型。然而，最后一个候选负例并不一定是最佳负例，通过改进采样策略，可以进一步提升推
电视技术 2022年6期2022-07-14
- “正例”与“反例”相结合的高中地理案例教学法研究
存的特点，提出“正例”与“反例”相结合的案例教学方法，以便学生更全面地理解地理规律，形成良好的地理思维能力，为中学地理教师提供教学思路。关 键 词高中地理 案例教学法 “正例”与“反例”引用格式孟晓晨，吕宜平.“正例”与“反例”相结合的高中地理案例教学法研究[J].教学与管理，2022（22）：61-64.地理学科具有一般性的规律，例如气温从赤道向两极逐渐递减，气候从沿海到内陆逐渐干旱。随着地理学科的发展，地理一般性规律逐渐被挖掘，但除一般性外，地理
教学与管理(中学版) 2022年8期2022-05-30
- ROC曲线及其分析方法综述
P)：真实结果为正例，预测为正例。(2) 假阴性(FN)：真实结果为正性，但预测为负例。(3)真阴性(TN)：真实结果为负例，预测为负例。(4)假阳性(FP)：观察结果为负例，但预测为正例。其分类结果用一个2×2矩阵表示，称为混淆矩阵。构造如图1所示[8]。其中，P表示正例，N表示负例。图1 混淆矩阵示意图Fig.1 Diagram of confusion matrix1.3 常用分类器性能评估标准给定一个数据集和一个分类器，经过训练和测试可以得到分类结
广东工业大学学报 2021年1期2021-12-29
- 一种面向工控系统的PU学习入侵检测方法
,将正常流量作为正例标签数据训练模型,保留模型对于未知入侵的检测能力的同时,提升模型对于入侵的检测能力。而PU学习模型同时将一类标签数据和待检测的无标签数据用于模型的训练,因此PU学习模型的分类性能往往高于异常检测模型。本文的主要贡献可以概括如下:(1) 针对工业控制系统数据维数高、关联性强的特点,本文提出一种基于PU学习的特征重要度计算方法,该方法可以基于正例标签数据和无标签数据计算出特征的重要度,以用于特征选择。(2) 在 PU 学习的类先验概率估计上
信息安全学报 2021年4期2021-08-25
- AUC统计特性概述
义1：对于一个由正例X={X1,X2, ...,Xm}和负例Y={Y1,Y2, ...,Yn}组成的数据集，存在一个阈值，使得，这里FX(x)和FY(x)分别是X和Y的概率分布函数。令。则ROC可以定义为：，ROC曲线下面积AUC定义为：我们知道AUC是一种很好分类器评价方法，可以用来评估和比较与选择的准确决策阈值无关的分类模型的总体性能。AUC=1.0表示分类器性能最好，AUC=0.5表示分类器随机进行分类决策的性能，这个决策与抛硬币的概率是等效的。分类
电子世界 2021年13期2021-07-29
- Hybrid-随机森林财务危机预警模型研究
预测的数目/总数正例覆盖率=正确预测的ST 数目/实际ST 数目正例命中率=正确预测的ST 数目/预测ST 数目负例的覆盖率=正确预测的非ST 数目/实际非ST 数目负例命中率=正确预测的非ST 数目/预测非ST 数目企业利益相关者最重视的指标是正例命中率与正例覆盖率。正例覆盖率指预测到的ST 公司占实际被ST 公司的比例；正例命中率指被ST 企业的管理者发现财务预警时，采取合适的措施能使多大比例的企业摆脱财务危机。4.1 基于Shuffle 的随机森林本
软件导刊 2021年6期2021-06-25
- 基于蚁群聚类的不平衡数据过采样方法
,反之为少数类(正例)样本[1]。在不平衡数据集中,样本数量较少的类可能包含更加关键的信息。例如医疗诊断中人类患肿瘤性疾病的事件属于少数类,但是如果将肿瘤性疾病误诊为没有病变,可能就会丧失早期治疗的机会,造成难以挽回的结果[2]。不平衡分类产生的原因是采用普通分类方法去处理不平衡数据集导致分类器的分类结果不理想[3]。例如一个数据集中有998个反例,2个正例,那么只需要选择一个将训练集数据预测为反例的学习方法即可,这样该学习方法生成的学习器就可以达到99.
烟台大学学报（自然科学与工程版） 2021年2期2021-05-27
- 基于单线程的无锚点目标检测模型
预测模式都会导致正例与负例的比例处于一个较低值，此时需要采取一些平衡正负例的措施，造成模型的冗杂度增加。为解决该问题，本文提出一种新的模型结构。该模型通过取消预设锚点参数环节和特征金字塔网络，避免与锚点相关的冗余并降低特征金字塔提取网络的权重，从而提高模型的鲁棒性。1 全卷积单阶段单线程无锚点检测模型1.1 无锚点预测头模块本文提出的模型在训练阶段过程中，预测头模块的特征图标签制作过程舍弃了锚点与标签框匹配步骤，直接以预测头特征图的像素点为单位与标签框进行
计算机工程 2021年5期2021-05-17
- 静态课堂与动态课堂
比如，当教师给出正例之后，可以给出旁例，甚至给出反例。所谓正例就是与相关知识完全正相关的例子，这种情况一般大多数学生都容易理解；所谓旁例就是与正例不同的例子，就是变化了的例子，比之正例，旁例就相对难一点；所谓反例就是与正例完全相反的情况，这就更加难以理解了。一种知识只有在掌握正例、旁例、反例的情况下才能算作真正理解了。再比如，还可以联系实际，将现实生活引入，面向真实问题，解决真实问题，现在培养学生核心素养就是让学生学会做事，学会解决问题。因此，课堂应该留给
未来教育家 2021年11期2021-03-16
- 最大化AUC 的正例未标注分类及其增量算法*
，训练样例集中的正例样本相对比较容易获得，而反例样本的获得比较困难，例如医疗诊断、地震监测、生物信息学，在这些领域仅能观测到一些标记为正例的样本以及大量可能包含正例样本和负例样本的未标注样本。为了使分类器的分类精度较高，反例样本集合应该是无偏的，即反例样本集合应该包含非正例的其他所有类别。因此，人们转而研究基于正例和未标注样本的学习，其中未标注样例集合数量通常远远大于标记的正例样本数目。解决PU 分类问题的传统方法是简单地将这些既包含正例样本又包含负例样本
计算机与生活 2020年11期2020-11-15
- 集成学习在高误码率下AOS协议识别中的应用研究
。每种数据集均由正例AOS协议数据和负例TM与HDLC协议数据组成。为了更好的体现正例AOS协议数据的识别评价指标，在实验数据集中应含有与正例数量相当的负例数据，本实验的正、负例实验数据数量均为62768帧。由于传输帧长度主要区别在数据域部分，对协议的分类没有影响，因此本章实验部分的帧长度均以CCSDS-TM同步与信道编码蓝皮书中Turbo编码的要求块长度223字节为例。由于本文的实验为两部分，因此本文也仿真了两种测试集。第一部分实验的测试集误码率为10-
宇航计测技术 2020年3期2020-09-11
- 改进的TransH模型在知识表示与推理领域的研究
三元组仅仅是通过正例三元组按照一定的策略替换头、尾实体得来的，并未考虑到替换后的头实体/尾实体与原头实体/尾实体之间的相似度关系，例如：在一个(美国，总统，特朗普)三元组关系替换过程中，将“特朗普”替换成“奥巴马”的错误程度远远低于将“特朗普”替换成“比尔盖茨”的错误程度，受到文献[13]的启发，提出了改进的TransH模型(mTransH)，mTransH模型在构造损失函数的过程中，采用单层神经网络的非线性操作来精确刻画实体和关系之间的语义信息，创新性地
广西大学学报（自然科学版） 2020年2期2020-05-29
- 基于深度神经网络的原发性肝癌证型诊断分类预测模型＊
，一般分为2 类正例和负例，令TP 表示实际为正例同时预测也为正例的样本数，TN表示实际是负例同时预测也是负例的样本数，FP表示实际为负例但预测却是正例的样本数，FN表示实际为正例但预测却是负例的样本数。各个评价指标计算式（式5、式6、式7）如下所示：表5 证型因子归一化数值表①准确率：被正确预测（正例和负例）的样本数占总样本数的比重：表6 深度神经网络与其他分类算法准确率对比分析表②精确率：预测正例且实际也为正例的样本数占所有预测为正例的样本数的比重：③
世界科学技术-中医药现代化 2020年12期2020-04-09
- 基于残差网络的智能交通标志识别算法
：被正确地划分为正例的个数，即实际为正例且被分类器划分为正例的实例数；(2)Falsepositives(FP)：被错误地划分为正例的个数，即实际为负例但被分类器划分为正例的实例数；(3)Falsenegatives(FN)：被错误地划分为负例的个数，即实际为正例但被分类器划分为负例的实例数；(4)Truenegatives(TN): 被正确地划分为负例的个数，即实际为负例且被分类器划分为负例的实例数。本文选取灵敏度和正确率作为残差神经网络分类器的评价指标
智能计算机与应用 2020年9期2020-03-18
- 热传导算法在致病miRNA 预测中的应用分析
ve)表示预测为正例的负例，用FN((False Negative)表示预测为负的正例，用TN(True Negative)表示预测为负的负例，用TP(True Positive)表示预测为正的正例，则可获得关于下面几个指标的计算公式.精确率(Precision)是评价预测为正例的样本中真正的正例的指标.正确率(Accuracy)是评价正确预测的正负例数和样本总数关系的指标.召回率(Recall)是评价在实际正样本中能预测出多少正例的指标.F1值是表示精确
西南民族大学学报（自然科学版） 2019年5期2019-11-12
- 基于概念形成的教学研究
基本前提。文章从正例、变式和反例的运用，探析小学生数学概念的形成。关键词：数学概念;正例;反例;变式小学数学的数学概念，有些是从客观事物直接抽象而成，这些源自现实的数学概念，很容易让学生将它们与现实原型混淆。例如，数学概念“三角形”和现实原型“三角尺”;数学概念“射线”和现实原型“探照灯的光束”;数学概念“二分之一”和现实原型“半个物品”等。遇到这种源自客观事物直接抽象而成的数学概念，一般使用创设情境的方式，从客观事实切入，抽象出其共性内容，概括它们之间的
数学教学通讯·小学版 2019年7期2019-09-09
- 如何把爱和规矩同时给孩子
，怎么收拾你！”正例（家长）：“宝贝，你来帮我挑三个最红的苹果吧！”2.明确表达强烈不同意的立场（但不攻击孩子的人格），让孩子了解问题本身的影响。★适用于行为的后果比较严重，需要及时予以纠正、明确态度的问题。案例：孩子在超市里跑来跑去反例（家长）：“你太粗鲁了，晚上不许看电视！”正例（家长）：“我不喜欢你这样！小孩在过道乱跑会干扰别人购物！”3.表明你的期望：对于已经发生的错误不过分追究，并表明对孩子下次行为的期望。★适用于问题影响不大，属于主观上非故意的
海外星云 2019年3期2019-05-24
- 基于标签传递的异常检测算法研究
1）单分类算法从正例样本中学习一个数据描述，根据给定或设计的相似性度量准则判定待测样本的类别。典型的算法有基于高斯和小波等的算法[7]支持向量数据描述(Support vector data description,SVDD)[8]及单分类支持向量机(One-class SVM)[9]等基于支撑域的算法、主元分析(PCA)[10]等基于重构的算法以及基于k-mens聚类的检测算法[11]。其中基于K-means聚类的检测算法将正例样本聚为K类，依据每个聚类
数据采集与处理 2019年2期2019-04-25
- 基于神经网络的汽车说明书问答系统
相关度的任务时,正例数量远远小于负例数量,正负样本的比例极不均衡。这会导致模型在预测时倾向于将所有候选文档标记为负例,给所有候选文档相对较低的分数,从而导致模型的效果不佳。为了解决这些问题,本文提出了一个新的问答系统，先计算问题和每个候选文档间的相关度作为每篇候选文档的得分,然后根据得分对候选文档进行排序,选择得分最高的文档作为答案予以返回。为了能更好地利用候选文档的信息,分别对候选文档的标题、摘要和内容进行建模,并分别计算这3部分与问题的相关度,然后根据
山西大学学报（自然科学版） 2019年1期2019-02-16
- PU场景下的生物医学命名实体识别算法研究
效地节约了资源。正例未标注学习[10]，即PU学习（Positive and Unlabeled Learning），是一种半监督学习方法。PU学习在疾病基因的识别[11]、与时间有关的数据流问题的处理[12]和构建AUC优化方法[13]等方面应用广泛，并且在不确定数据和风险评估方面都取得了非常好的效果[14-17]。研究至今，暂没有发现研究者在生物医学命名实体识别领域中通过使用PU学习进行研究的相关内容。本文将PU学习有效地应用到生物医学命名实体识别当中
智能物联技术 2019年1期2019-01-24
- SQL Server数据挖掘技术应用研究
计以及各类事例（正例、负例、缺失事例）的计数及预测概率。叶节点中预测概率最大的类别作为该叶节点的预测值。每个叶节点对应一条分类规则，包括节点规则、预测值、预测概率。所有叶节点的分类规则组成决策树模型的分类规则集。图中所选叶节点的节点规则为：Relationship='Unmarriedand Occupation='Adm-clerical，该叶节点包含事例672个f其中正例16个、负例656个、缺失值0个），计算预测概率时，正例数量和负例数量都会加1（目
电脑知识与技术 2019年32期2019-01-06
- microRNA靶基因预测算法的研究与发展
数据库中)，导致正例和反例数量未臻均衡，影响分类模型的预测准确度。因此，接下来在分述机器学习算法的同时，也将全面拓展式地概述了这些方法所用的数据。3.2 机器学习方法(1)TargetBoost[26]算法。采用GPboost模型，考虑miRNA-mRNA二聚体的序列互补配对、热力学稳定性、跨物种保守性等特征，预测线虫和果蝇miRNA的靶基因。用于训练的反例数据集包含300个随机生成的序列，而正例数据集包含36个实验验证的miRNA-mRNA靶向关系。(2
智能计算机与应用 2018年1期2018-03-02
- 关注数学核心素养，夯实学生计算能力
过直观、具体的“正例”，引入概念。为了更好地引入概念，教师可以抓住直观具体的现实世界与所要学习的抽象数学概念间的联系，将抽象概念置于学生熟悉的生活经验中引入。例如：黎明小学五（3）班的同学需要每人订购一份数学报和语文报，数学报全年价为40元，语文报全年为50元，五（3）班共有35名学生，请问总共要付多少钱？根据已知条件，学生列出如下二种算式：（1）（40+50）×35（2）40×35+50×35然后通过观察，学生发现这二种算式虽然列法不同，但算出的结果相同
学苑教育 2018年23期2018-02-25
- 高中生物学概念获得模式与概念同化模式探究
师首先可以举一些正例，如小麦的抗锈病与易染锈病、大麦的耐旱性与非耐旱性；然后再举一些反例，如羊的白毛和黑毛等，供学生学习、参考。同时，还可以让学生也积极举例，并对学生的例证做出肯定或否定的判断，这样不但能够活跃课堂气氛，还可以开拓学生的思维。有助于学生对“相对性状”概念的学习，得出“相对性状”概念的关键属性。总而言之，学生在学习概念时由浅到深，做到精、准，并归纳出概念的本质属性，才能找到准确表述概念的唯一词汇。另外，在概念获得教学过程中，还需注意“变式”与
新课程(下) 2018年1期2018-02-24
- 编校中较隐藏的词语差错对举例析（之二）
不适合，不适宜。正例：非法网吧地处不易察觉的城乡接合部，而上网者多数都在浏览一些少儿不宜的内容。【示例2】传诵一传颂【解析】音同是导致二者混用或者误用的关键因素。单从词义上来讲，二者也比较接近。前者偏重于指诵读性传布，而后者指颂扬性传布。“传诵”带与不带感情色彩均可，是一个感情色彩不太强的词语，可以理解为因传播而诵读，诵读只是一个动作，从一定程度上可以不含情感指向；“传颂”则带着明显的褒义，即在传布过程中包含赞扬、颂扬等强烈的主观因素，褒扬的倾向性相当突出
出版参考 2017年1期2017-10-26
- 如何管教才能让孩子心灵不受伤
人家把你抓走！”正例（家长）：“宝贝，我们去看看今天的晚餐食材吧？”“宝贝，你来帮我挑三个最红的苹果吧！”明确表达强烈不同意立场（但不攻击孩子的人格）。听到不同立场的表达，让孩子了解问题本身的影响。此方法适合：行为的后果比较严重，需要及时予以纠正、明确态度的问题。案例2：孩子在超市里跑来跑去。反例（家长）：“再乱跑我就打死你！”“别乱跑！老老实实待着！”正例（家长）：“你知道吗，我不喜欢你这样。你在过道乱跑会打扰到别人，影响别人买东西。”表明你的期望。对于
中华家教 2017年10期2017-10-10
- 把“爱”和“规矩”同时给孩子
他怎么收拾你！”正例：“宝贝，你来帮我挑三个最红的苹果吧。”2.明确表达自己不同意的立场（但不攻击孩子的人格），让孩子了解问题本身的影响。这适合行为后果较严重，需要及时予以纠正、明确态度的问题。案例：孩子在超市里跑来跑去。反例：“你太鲁莽了，晚上不许看电视！”正例：“我不喜欢你这样，你在过道上乱跑会干扰别人购物的！”3.提供选择：提供给孩子合理的、我们能接受的选择，给他被尊重感，而不是被强迫感。这适合行为相对顽固，但有可替代的选择的问题；也可用于引导孩子开
新传奇 2017年21期2017-07-21
- 三年级数学单元复习题“模块化”设计的实践研究
知识面。2.运用正例阅读展示数学思维序列。以往复习题都是集中各个知识点的练习，直白地讲都是需要学生去做的。为此，我们有必要让学生从解题工具的魔掌中解脱出来，站在一定的高度去审视数学题。3.巧用错例阅读提升数学思维能力。针对某个单元的课堂作业中出现的常见错误而设计的一些阅读段落，大多数内容是以文字呈现的方式展示出来的。改变了以前学生“错了就再做”的重复而枯燥的作业类型，取而代之的是轻松的阅读。（二）划定创新“线”，突显数学“美”。1.多种阅读方式连成线，体现
小学教学设计(数学) 2017年5期2017-05-05
- 基于神经网络的语义选择限制知识自动获取
监督的学习，需要正例和反例，即合适的论元和不适合的论元。其他方法只需要正例，训练集中都是正例，以这些正例为种子，通过语义分类体系或语料分布实现论元的扩展。反例并非由人工构建，而是自动产生，思想是使正例发生的可能性尽量大，反例发生的可能性尽量小。例如，对于每一个正例(v,r,n)，采用某一种策略将n替换为n′，只要(v,r,n′)不在训练集中出现或某一个统计指标小于阈值(如出现次数、互信息值)，则把(v,r,n′)当做反例。本文在神经网络[13]中引入预训练
中文信息学报 2017年1期2017-04-25
- 对比模式挖掘研究进展
比模式是指模式在正例序列库中是频繁的并且在负例序列库中是非频繁的，Ji等人[1]设计了满足间隙约束的最小对比模式挖掘算法ConSGapMiner算法。经过多年的发展，对比序列模式挖掘的研究取得了较大的进步，研究者们提出了很多性能良好的算法。Shah等人建立了一个以对比模式作为特征的分类器，应用在多肽折叠预测问题上; Wang等人[2]首次提出将密度的概念融入到对比模式挖掘中，并设计了满足密度约束和间隙约束的对比模式挖掘算法gd-DSPMiner算法; Du
网络安全技术与应用 2017年1期2017-03-09
- 标点符号运用典例精讲
的话，则用逗号。正例 针对记者提出的网络自制剧层出不穷的现状，陈凯歌坦言，这几年网络自制剧泛滥，他不能确定这些人拍摄网络自制剧，是否真正怀有导演梦，并借此走向拍摄真正的大电影。例2 公元前2500年的一张埃及草纸上，记录了人类与癌症的第一次相遇，但直到今天，即使轮番使出各种武器：先进的手术、强烈的X射线、化学毒素搭配出的药物，人类也不能完全从这支疾病王牌军手中收复失地。分析 将“各种武器”后的冒号改为破折号。本句涉及冒号与破折号的区别，两者均是表示总说与分
青苹果·教育研究版 2016年8期2016-12-12
- 小学数学教学中如何利用反例
。学生会在反例和正例的对比当中理解循环小数概念，而且反例一般是错误的例子，可以有效地避免学生在解答关于循环小数的问题时出现类似的错误。二、在小学数学教学中利用反例进行教学的方法1.根据教学实际合理提出反例。在实施反例教学的时候，运用合理的反例非常重要。教师要根据课堂学习内容以及学生的学习情况运用反例。首先要根据课堂内容提出反例。教师要对章节内容的重点难点有一个非常全面的分析，抓住学习的主要内容，提出具有代表性的反例，让学生能够从反例当中受到启发，理解数学概
江西教育C 2016年9期2016-11-15
- 例谈记叙文的点题技巧
变化来诠释主题。正例：《千雕以跨高》中雕刻木雕鲤鱼的叔叔——放弃子承父业的机会——到异乡余杭历经艰辛谋生——在异乡开拓市场——艺术技艺达到新的高度。《用血浇灌音乐》中我修习古琴——对先生高超琴艺望洋兴叹——我苦心练习，反复琢磨高难度曲目《行云流水》——琴艺突飞猛进。反例：在《穿旗袍的女人》（35分）中，原本炒小炒的女人承包下镇上所有酒店——爱穿旗袍——穿着旗袍炒菜——挑选栀子花配菜——哭诉家中男人败家的往事。该生在叙事时重点不突出，许多无关的内容杂糅其中，
语文教学与研究(综合天地) 2016年2期2016-09-10
- 高中数学概率教学中的误区与应对策略分析
教学；学习兴趣；正例；反例高中学生在学习概率这一内容时，常常根据自己已有的经验或者概念来进行判断，在学习的过程中没有根据教师所教授的概率计算方法进行计算和分析，而是使用可能性的猜测来完成概率计算的任务，这对于学习高中概率的内容有着极其不良的影响。教师在教学过程中要针对这一现象开展教学活动，保证高中学生能够获得更好的概率教学，提高学生的学习效率和最终的学习质量，让高中学生不仅完成知识的学习，更能够在生活中将概率知识学以致用。一、概率教学中经常出现的误区高中数
新课程·下旬 2016年3期2016-05-10
- 例证教学在高中生物概念构建中的应用
。2 概念建构中正例、反例和特例的应用建构概念需要丰富有代表性的事例来支撑，由大量事例支撑的概念才能让学生真正理解、掌握和应用。这些事例就是例证，形成概念的例证包括正例、特例和反例。2.1 利用正例、特例理解概念的外延，全面理解概念概念的正例是指包含概念所反映的本质属性的具体事物，是概念所反映的具体对象。正例是支持概念的具体事例，是支持概念成立的论据。概念外延中的例证绝大多数就是概念的正例。概念的特例指的是特殊的例子，虽然属于概念的外延这一集合，但它不具有
中学生物学 2016年3期2016-04-08
- 基于联合相容分支定界的关联算法研究
）表示判定结果，正例判定为正例称为真正（true positive，TP），负例判定为负例称为真负（true negative，TN），正例判定为负例称为假负（false negative，FN），负例判定为正例称为假正（false positive，FP）。准确率（Accuracy）反映关联算法的整体判定能力（能将正例判定为正例，负例判定为负例），精确度（Precision）反映判定的正例中真正的正例样本的比重，召回率（Recall）反映被正确判定的正例
网络安全与数据管理 2015年15期2015-06-05
- 善以反例相辅
，即对于论点来讲正例、反例同等重要的。反例相铺方法中，以正例为主，反例为次，反例只是起辅助、衬托的作用。二、对比论证中、正例、反例的对比贯穿于论证的由始至终。反例相辅方法中，反例只用于正例做了充分论述之后，是一种论述的延续和深化。三、对比论证可以是事例的对比，也可以是理论的对比。反例相辅只是列举一些反面事例，而不引用反面的理论。较好的反例往往可以给人留下深刻的印象。每当我们想起愚公时，不也常常随之想到愚公身边那位大唱反调的智叟吗？
语文周报·教研版 2015年46期2015-05-30
- “绝不”与“决不”的区别
坚决否定的意思。正例1：决不退缩、决无二心、决不当李自成。“绝”作副词用时，表示完全、绝对的意思，用在否定词“无”“非”“不”等否定词的前面，表示完全否定的意思。正例2：绝无此事、绝非偶然、绝不相同。“绝”还表示极、最的意思。正例3：绝大多数、技艺绝高、绝顶聪明。“决”强调坚决，而“绝”强调完全、绝对，表达的意思有差异，不能混淆。错例1：绝不动摇、绝不罢休、绝不允许、绝不撤退。本意应该是“坚决”的意思，所以用“绝”就不对了。错例2：决无次品、决无恶意、决非
政工学刊 2015年6期2015-01-10
- 一种基于特征子图的不确定图分类算法
分别为不确定图的正例和负例集合．假设不确定图的各个边是独立的，一个不确定图G包含某个确定图G的概率为定义2（子图） 子图g＝ （V′，E′）为某个确定图G＝（V，E）的子图当且仅当V′⊆V且E′⊆E，记为g⊆G．通常情况下，子图是针对确定图而言的概念．对于不确定图，g为G的子图用概率表示为其中可以计算出子图g在不确定图集合D中的期望支持度：公式（2）可以用来计算子图的期望支持度．给定最小支持度min＿sup，当子图g满足exp（g⊆D）＞min＿sup，则
陕西师范大学学报（自然科学版） 2014年5期2014-10-29
- 基于主题本体扩展特征的短文本分类
样本集合，完整的正例集合是集合X.实际上，被选择的样本已经排除了负例样本集合Y.其中，样本x 的覆盖范围Coverage（x）定义如下：接着本文定义2个样本之间的距离.对于每个样本x＝｛x1，x2，…，xn｝和y＝｛y1，y2，…，yn｝，它们之间的距离定义为这里的距离测试ρj（xj，yj）依赖于特定的域，M 是位于0～1之间的一个正数.通常，参数M 是这样确定的假设X∪Y 没有交集，也就是不存在2个样本x∈Xand y∈Y，即x＝y.对于每一个正例x＝（
河北大学学报（自然科学版） 2014年3期2014-07-24
- 概念教学在高中生物教学中的应用
属性。由于概念的正例除了共同本质属性以外，还有许多非本质属性，甚至歧义。心理学认为，概念学习有以下二种形式：概念的形成和概念的同化。在学习“种群”概念时，教师往往例举一些正例：一块草地上所有的蚱蜢，一个池塘中所有的鲤鱼等，同时例举一些反例：太湖中所有的鱼，惠山上所有的松树等，然后请学生举例，并对学生的例证做出肯定或否定的判断。学生所接触的例子越多，越有助于他们形成“种群”这个概念，在此基础上，他们能得出种群概念的关键属性：种群是一定时间和空间内同种生物的个
课程教育研究·下 2014年4期2014-07-19
- 运用变异理论指导课堂教学的“关键点”
”，仅仅认识标准正例，而对非标准正例不理解，把概念外延缩小。扩大概念的外延：对反例判断失误。学生没有把握本质属性，把“看上去很像、实际上不是”的反例错误地归到概念的外延内。错误理解概念：学生对概念的理解有错误。例如，学生在“角的认识”的学习中，会错误地以为“角”就是标“角”的小弧线与“角”的两边上被小弧线截断的部分角围图形。在比较“角”大小的时候，会以为“角”的大小与标“角”小弧线的长度有关。3）强行记忆下没有真正理解不理解概念死记硬背。不理解公式的含义，
中国教师 2014年9期2014-06-05
- 如何把“爱”和“规矩”同时给孩子
他怎么收拾你！”正例：“宝贝，你来帮我挑3个最红的苹果吧。”2.表明立场：明确表达自己不同意的立场（但不攻击孩子的人格），让孩子了解问题本身的影响。适合行为后果较严重，需要及时予以纠正、明确态度的问题。案例：孩子在超市里跑来跑去反例：“你太鲁莽了，晚上不许看电视！”正例：“我不喜欢你这样，你在过道上乱跑会干扰别人购物的！”3.表明你的期望：对已经发生的错误不过分追究，并表明对孩子正确行为的期望。适合问题不大，属于主观上非故意的行为。案例：孩子把从家里带出去
幸福家庭 2014年1期2014-01-25
- 给陪产准爸的友情指导
义、淡漠、失望。正例：XX，我知道你特别不容易（关怀），你已经很棒了，特别坚强（赞扬），但咱们再加把劲（鼓励）！马上就能见到咱们宝贝了，加油！再坚持下，我一会叫大夫来看看进展（唤起母性及希望）。反面教材：某日查房听见一准爸这样说：“我知道你疼，谁生孩子都得疼，你再坚强点呗！别说你不行啊，这事就得你来，我要能来我能让你受罪么？你说这么半天就开一指，啥时候是个头咱也不知道啊？要不我给你揉揉腰吧？”话音未落，被媳妇大吼一声用力推开。我赶紧进屋：“挺好，看来姑娘劲
《女友·国际》亲子版 2013年8期2013-04-29
- 决策树ID3算法的一种改进
青年384人，正例128人，反例256人；中年256人，正例256人，反例0人；老年252人，正例125，反例127人。老年 ： I(125，127)=0.9157 所以 ，E（年龄）=0.6877 ； G（年龄）=0.9537-0.6877 =0.2660 ；2）E（收入）=0.9361 G（收入信息增益）=0.9537-0.9361=0.0176；3）E（学生）=0.7811 G（年龄信息增益）=0.9537-0.7811=0.1726；4）E（信誉
科技传播 2012年22期2012-10-15
- 基于显著性特征的图像检索相关反馈算法研究
整方法，处理反馈正例集合中的其它正例图像和反馈负例图像，改进相似性度量公式。通过这种方法进行检索，既有效地满足用户的需求，也提高了系统的检索性能。3 显著性特征的相关反馈的算法图像特征向量若满足相似性度量中的正定性、对称性和三角不等性度量公理，它们之间的相似程度可以采用距离度量或统计学方法来进行图像相似性判断[3]。因此在用户反馈后，调整相似度计算公式或参数，重新计算相似度，以提高系统的检索性能。下面我们直接讨论反馈后相似度的计算。用户提交图像Q，用特征1
淮南师范学院学报 2012年5期2012-08-15
- 批评孩子的艺术
。你想发大水啊？正例：琳琳，浴缸里的水快溢出来了。第二步，谈谈孩子的感受。反例：做错事情后，你老是一声不吭，气死我了！正例：你现在不愿意说话，似乎有点生气，又有点委屈，能和妈妈谈谈吗？第三步，说出你的感受和期待，也可以明确表达自己的不满。反例：你真没礼貌，总是打断我说话！正例：如果我的话还没有说完，就被人打断，我会觉得不高兴。第四步，讨论方案。以更多的方式来替代惩罚，告诉孩子如何弥补自己的失误，以解决问题的思路来替代惩罚。反例：沙发有一堆橘子皮，又是你丢的
检察风云 2012年16期2012-07-12
- 植物抗性基因识别中样本选择的一种新方法
练需要正确标记的正例和反例。然而，抗性基因识别中可用的信息仅有少数人工标记的抗性基因，且不具有抗性功能的基因也不明确。为了消除由于正例太少和错误的反例带来的抗性基因识别的影响，基于抗性基因和其他基因在蛋白质相互作用网中的距离，提出了一种新的样本选择方法，并对提出的样本选择方法和通常样本选择方法分别在四种分类器上进行了10倍交叉验证。结果表明，文中方法的SN值平均提高了6.9%，SP值平均提高了13.1%。因此，就敏感性和特异性而言，提出的方法获得了更高效、
智能计算机与应用 2012年4期2012-04-29
- 采用改进重采样和BRF方法的定义抽取研究
模式，则是从大量正例文本中通过结合词汇片段和语言学标注，结合概率模型和上下文顺序来获取不同层次的模式[6]，这种方法在一些信息抽取项目中已被广泛应用[7]。在分类阶段所使用的方法包括了大多数已知的分类方法，如K-临近(Knn)法、朴素贝叶斯(Naïve Bayes)法、支持向量机(Svm)方法等。从报告的结果看，在针对斯拉夫语的实验中，单纯是用机器学习方法而不使用规则模式的时候，准确率最低只有不到9%(正例:反例为1∶1)，而综合了规则模板和多分类器的方法
中文信息学报 2011年3期2011-06-14
- 语义词典归类不当现象自动发现
套规则都有各自的正例和反例；如果一个词典中某一规则的反例同时是另一个词典中的正例，就意味着前一部词典中的词语可能属于归类不当。本文剩余部分组织如下： 第2节简要叙述相关工作；第3节对平行周遍原则进行具体化，分为双向平行类推和成对替换类推两类规则；第4节介绍两类规则的自动获取方法；第5节介绍基于两类平行规则自动发现语义词典归类不当现象的算法；第6节给出本文的实验结果；最后是结论。2 相关工作目前专门讨论自动发现语义词典归类不当现象的文章很少，相关的工作主要集
中文信息学报 2011年1期2011-06-14
- 火眼金睛识成语
多人都吸引出来。正例：当申奥成功的消息传遍北京时，天安门广场前万人空巷，人们聚集在一起为祖国欢呼。2邯郸学步误例：“他也学舞蹈，也不看看自己那德行，真像古时候的邯郸。”老奶奶轻蔑地说。望文生义：将成语中的“邯郸”当人名。火眼金睛：“邯郸学步”出自《庄子·秋水》，讲有个燕国人，听说邯郸人走路姿态优美，于是下决心去学习。没想到他不仅没学到邯郸人走路的优美姿态，还忘了自己原来走路的姿态，最后只好爬着回去。后来，人们用这个成语比喻没有把别人的本领学到手，倒把自己原
学苑创造·B版 2009年2期2009-02-19
- 容易望文生义的成语例释
能刊登的言论”。正例：这篇论文，观点新颖，论据有力，材料丰富，文字精当，堪称不刊之论。2.不忍卒读错例：在“文化大革命”时期，报纸谎话、空话、假话、大话连篇，令人不忍卒读。分析：不忍心读完。形容文章悲惨动人，令人涕泪满面。容易错解为“文章枯燥乏味而使人不想读”。正例：读完《梁山伯与祝英台》这个不忍卒读的爱情悲剧故事，她心里久久无法平静。3.不足为训错例：这样的小错误对于整个题目的要求来说是无伤大雅、不足为训的，我们决不能只纠缠于细枝末节而忘了根本的目标。分
中学语文园地(高中) 2008年5期2008-05-30