简介:基于大数据对大学生体质进行分类预测,有助于大学体育治理体系的建设,朴素贝叶斯模型是一种操作简单且性能较好的机器学习分类算法.基于朴素贝叶斯分类算法,采用广州商学院2014、2015年学生体测数据及其评分结果作为源数据,构建大学生体质分类器.应用此分类器可对大学生的体质状况实现一定概率意义上正确的判断,从而可以对体质存在隐患概率比较大的学生给出主动性预警,以便大学体育对学生进行群体性的体质判断、进行个性化的有效干预,从而促进学生健康发展,提高大学生整体体质水平.分类器模型用Python编码实现,最后用与训练数据不重叠的历史体质数据检测分类器的准确率,结果显示,基于朴素贝叶斯算法的体质分类器达到了78%的正确率.
简介:在含油气盆地烃源岩油气生烃动力学模型公式中,动力学参数的标定问题在数学上可转化为一个约束优化问题。若使用传统的数值优化方法求解此问题存在如下问题:第一,严重依赖初值的选取,如果初值选取不当,就会造成不收敛或陷入局部最优达不到全局最优解;第二,计算结果的精度不是很高。文章针对试验数据,采用改进的遗传算法对动力学参数进行标定,使用MATHLAB编程实现,并且把计算结果与采用传统优化方法得到的结果进行对比,拟和误差明显提高,而且,很好地解决了初值不好选取的问题。