摘要：结合初期雨水调蓄大直径顶管工程的实际设计及施工经验,对软弱地层条件下长距离大直径平行双管曲线顶管在设计及施工过程中存在的重点难点问题进行总结,并对顶管过程中的顶力及管周摩阻力做了深入分析研究,有针对性地提出了相应的解决方案,使该顶管工程顺利贯通。建筑工程行业在现代社会中发挥着重要的经济和社会作用,然而,它也伴随着诸多风险和不确定性。为了有效地管理和预测这些风险,本文提出了一种基于高斯混合模型(GMM)和期望最大化(em)算法的数据预警治理方法。该方法旨在通过对建筑工程数据的建模和分析,提前识别潜在的问题和风险,从而改善工程项目的管理和决策。

摘要：为研究个体异质性对于大型活动参与意向选择的影响,构建了基于潜在类别选择模型的大型活动参与意向选择模型。使用D-optimal设计法生成了大型活动参与意向调查中的选择情景,并假设以天津市奥体中心为大型活动举办地,对天津市居民开展了大型活动参与意向调查。根据调查获取的数据,使用em算法对模型进行了参数估计。模型结果表明:天气、活动时间、票价、活动类型、政策复杂度等是影响大型活动参与意向选择的主要因素。模型将潜在的大型活动参与者划分为天气敏感型群体、活动时间敏感型群体、票价敏感型群体3类,分别占样本总体的30%、15%、55%,区分度为0.81,其中类别1对天气类型最为敏感,对活动举办时间和票价不敏感;类别2对活动举办时间最为敏感,对天气的敏感程度较低;类别3对票价最为敏感,对活动时间和政策复杂度不敏感。

摘要：地铁施工事故具有易发性且事故类型复杂多样,针对现有地铁施工事故分析方法多依赖于专家主观经验构建,且仅有较少方法对事故报告信息加以利用的问题,提出一种基于NBN-em的地铁施工事故致因分析模型。首先,以搜集的2010—2021年间的223起事故报告为数据来源,采用统计学方法提取及筛选风险因素,进一步归纳建立事故致因分析的指标体系;其次,采用改进的朴素贝叶斯网络构建风险因素指标与事故类型关系的图形结构,同时分层随机抽样80%的数据为训练样本,借助em算法和Netica软件进行数据学习,确定各节点的先验概率和条件概率参数;最后,通过贝叶斯网络推理和敏感性分析得到不同类型事故的关键致因排序,不同视角下的情景分析对风险因素组合作用下的事故发生概率和风险源识别进行了确定。研究结果表明:施工工法、施工方案内容、安全隐患排查分别为三个维度上造成事故发生的最重要因素,不同类型事故的关键风险因素具有差异性,应区别预控,模型测试验证方法的有效性,平均正确率为84.55%。

摘要：微型永磁步进电机作为电子阀核心器件,其运行状态对电子阀能否正常执行操作有着直接影响。为了准确掌握电机剩余寿命情况,提出了一种考虑个体差异Wiener过程的剩余寿命预测方法。首先通过分析电机性能退化失效过程,选取相电流有效值作为性能退化特征量;其次由于同型号多台电机同时参与实验,建立考虑个体差异Wiener过程的电机性能退化模型并基于em算法进行参数估计;最后,设计一种将启停次数作为电机剩余寿命参考的实验,并与基于传统Wiener过程的预测结果进行对比。实验结果表明所提方法平均预测误差下降了3.74%,具有更高的预测精度。

摘要：在统计自然语言处理中会经常遇到一类参数估值问题,就是当观察数据为不完全数据时如何求解参数的最大似然估计,em算法就是解决这类问题的经典算法。给出了em算法的基本框架,结合HMM和PCFG模型给出如何应用em算法求解参数的极大似然估计,讨论了em算法的优点和不足之处。

摘要：随着网络技术与通信技术的迅速发展,移动学习呈现出强大的发展势头,它真正为学生的随时随地学习和个别化学习提供了可能性。文章将基于数据挖掘技术,使用em算法对移动学习中学生进行聚类分析,发现学生群体的分布特点,结合各个学生群体的特性及差异,为移动学习的课程资源设计与教学过程设计的改进提供帮助。

摘要：知情交易在金融市场微观结构中扮演了重要角色,而估计知情交易概率的传统方法仍存在一些不可克服的障碍。通过借鉴em算法的思路并重新设计EKOP模型中参数的估计方法,对模拟数据和市场交易数据进行估算的结果表明,基于em算法的知情交易概率估计相比以往对似然函数因子化的处理方式,在避免数值溢出和估算效率两方面都有明显改善,这为正确认识市场内部的知情交易水平提供了有力工具。

摘要：针对现有的文本聚类算法难以取得满意结果的问题,以em算法为基础,提出能分别描述相似、不相似聚类对的相似性分布以及重要、不重要文档的重要性分布的文本聚类优化模型(text c lustering optim iza-tion model,TCOM).基于该模型,设计一种通过合并不同的文本聚类结果以获取最优性能的方法.实验结果表明,利用该方法同时改善了聚类精度和召回率,其性能优于单独使用现有的硬、软聚类算法.*

摘要：DINA模型是一个倍受关注和得到广泛应用的认知诊断模型,但DINA模型在每个项目上只将被试分为掌握和未掌握两类。文章提出的改进的DINA模型(R-DINA)可以对被试进行更为细致的分类。文章首先简要介绍R-DINA模型和该模型参数估计的em算法,然后设计模拟实验对em算法的参数估计准确性进行检验。实验结果表明,R-DINA模型的em算法估计结果稳定,项目参数估计精度和被试分类准确性较高。

摘要：讨论在一般的混合分布条件下,用em算法,在最小熵原理的优化准则下的数据拟合问题。简单推导有限混合高斯分布的em算法,并针对其收敛速度慢的缺点设计一种有效的选取参数初始值的方法。实验结果表明,该方法有助于em算法以较快的速度在参数真值附近收敛。