摘要：数据采样是快速提取大规模数据集中有用信息的重要手段,为更好地应对越来越大规模的数据高效处理要求,借助近邻传播算法的优异性能,通过引入分层增量处理和样本点动态赋权策略,实现了一种能够非常有效地平衡处理效率和采样质量的新方法.其中的分层增量处理策略考虑将原始的大规模数据集进行分批处理后再综合;而样本点动态赋权则考虑在近邻传播过程中对样本点进行合理的动态赋权,以获得采样的数据空间上更好的全局一致性.实验中,分别使用人工数据集、UCI标准数据集和图像数据集进行性能分析,结果表明:新方法与现有相关方法在采样划分质量上可达到同等水平,而计算效率则可实现大幅提升.进一步将新方法应用于深度学习的数据增强任务中,相应的实验结果表明:在原始数据增强方法上结合进高效增量采样处理后,在保持总训练数据集规模的情况下,所获得的模型性能可实现显著的提升.

摘要：为提高产品设计评价结果的可靠性,构建了一种基于群体共识度和聚类分析的专家权重动态赋权流程。引入群体共识度和贴近度模型来判断、识别及排除差异性较大的专家评价结果,促进群体评价达到共识度阈值要求;利用系统聚类算法演绎不同评价准则下专家群体的归类情况,确定类容量大小,进行动态赋权;最后通过加权计算获得综合评价结果,为设计决策提供评价参考。以车用智能警示牌概念方案的设计评价为例,验证了其可行性和有效性,并进行不同赋权方法下综合评价结果的对比研究。结果表明,该方法能够客观、真实地表征专家个体对不同评价对象的认知程度,其综合评价结果在可靠性上优于平均赋权方法和静态赋权方法,具有一定的实用价值。

摘要：为了保证调查问卷统计结果的可靠性,文章提出了一种基于K—means聚类算法的动态赋权统计方法。该方法在保证调查问卷效度和信度的基础上,分层次编制调查问卷问题量表;通过K—means聚类算法演绎不同层次下样本数据的归类分布情况,结合类容量大小确定样本的动态权重系数,进一步地赋权计算综合结果。将该方法应用于某高校图书馆服务质量满意度的调查实践,结果表明:动态赋权统计方法能够客观、真实地表征主体人对客体物的认知差异水平,其调查统计结果在有效性、可靠性等方面优于平均赋权算法,具有一定的实用价值。

摘要：在地铁施工风险分析中,对参与专家意见的权重引入动态赋权方法,利用群策判断矩阵的相似性和差异性对专家权重进行动态赋权.区别于常规的根据专家威望和职称进行赋权的方法,合理有效地降低了主观印象及专业局限对评价结果的影响,使专家的评价更加具有客观性和可靠性.以兰州某地铁车站为算例,采用以动态赋权为基础的专家经验法并结合模糊层次评估模型,对车站基坑施工过程中存在的风险因素及其风险概率和风险损失进行量化分析,并根据量化结果对各风险进行大小排序,最后由风险评估矩阵确定其风险等级.评估结果表明,该地铁基坑存在较大的工程风险,且周边环境的风险要比基坑本身的风险略高.