基于l1,2惩罚典型相关分析的特征选择

特征选择是多模态高维数据机器学习的一个热点问题,而过拟合和过稀疏是特征选择需要克服的关键问题。对此提出以l_(1,2)范数作为惩罚项兼顾稀疏作用和光滑作用,以组内稀疏来防止过拟合,以组间光滑来防止过稀疏,通过优化数据间的相关性来实现特征选择。然而对一般数据而言,群组信息又很难获得,所以对于群组信息缺失的数据,应用随机分组获得群组信息,最终实现兼顾组间光滑和组内稀疏优点的特征选择。模拟实验结果表明,该方法能较完整地选择出两模态数据间的关联特征,并且去除不相关特征。     

关系营销在建筑施工企业中的应用

关系营销从根本上改变了传统营销将交易视作营销活动的关键和终结的狭隘认识.面对日益残酷的竞争挑战,许多建筑施工企业逐步认识到关系营销的重要性.根据关系营销的特点,对建筑施工企业实施关系营销的必要性进行了分析,提出了在建筑施工企业实施关系营销的方法和应注意的问题.实践证明,建筑施工企业通过实施关系营销,能够扩大营销业绩,提高市场占有额和企业形象.     

基于组稀疏联合学习的影像遗传学数据关联分析

影像遗传学的发展很大程度上促进精神类疾病的研究，其主要是分析并挖掘多模态数据以找出与疾病相关的致病机制，但是此类数据的特征之间通常呈现出群组相关或者多个特征相关的特性，传统的方法很难找出具有相关性的疾病机制，易出现过稀疏的问题。针对上述问题，本文引入可以实现组内稀疏和组间平滑的正则化项l1,2范数，并将其与可以实现组间稀疏和组内平滑的l2,1范数联合共同惩罚典型相关分析，通过优化数据之间的相关性实现具有相关性的群组特征和组内特征之间的两模态数据集的特征选择。仿真实验结果表明，本文方法在较准确地估计出2组数据之间的相关系数的同时可选择出具有相关性的组间特征和组内特征;在真实的精神分裂症数据集上，本文方法可找出更多的与精神分裂症相关的易感基因和风险脑区。     

海外承包工程项目管理中的索赔

一、工程项目索赔工作的主要分类和做法在理解合同内容及量单细节的基础上 ,从索赔工作实际应用出发 ,在整个工程项目操作过程中 ,必须明确索赔工作的分类、方法 ,才能有针对性 ,达到操作性强 ,成功率高的目的 ,通常是按照管理系统分类。1、工期索赔。这类索赔几乎在工程上普遍存在。在工期方面 ,有些工程承包方尽力做了而且做的很好 ,但还是由于一些复杂的因素 ,造成了拖期被罚款 ,遭受了很大损失。往往发生这样的情况 ,在被罚款之后 ,才抱怨拖期是业主工程变更、材料商供货不及时 ,指定分包没有按时完成工作等原因造成的 ,但这一切都晚了 …     

海外工程工期索赔的方法和应用

随着我国加入ＷＴＯ的临近 ,建筑业在海外市场的开拓和竞争也日益激烈。熟悉和掌握合同条件 ,了解和驾驭游戏规则 ,是建筑施工企业在国际工程承包中“接轨”的重要环节 ,工期索赔就是其中主要内容之一。　　 一、约定损害赔偿条款与工期拖期罚款　　约定损害赔偿条款源于ＦＩＤＩＣ合同的标准条件 ,是指在合同签定时的当事人双方约定一方违约应向另一方支付罚金的计算方法 ,工期拖期罚款就是约定损害赔偿较为典型的例子 ,它是维护业主利益的。在英法系国家中 ,建筑业的工期罚款金额通常是 :(合同价× 10 % ) 365天 =金额 公历日值得注意的…