概率分布
陈维江,高电压与绝缘技术专家。国家电网公司教授级高级工程师、副总工程师。1958年12月生于山东淄博市,籍贯山东淄博
大数据时代的到来,同时也带来了隐私、敏感信息保护方面的棘手难题。数据脱敏措施层出不穷,K-Anonymity,L-Diversity,T-Closeness,以及相结合的微聚集算法,能够在保证数据效用的同时,最大化防止隐私数据泄露,本次学术报告详细讲解了T-Closeness的原理、用来计算两种概率分布距离的EMD(Earth Mover ‘s distance)算法和三种基于T-Closeness微聚集的数据脱敏算法原理,并在数据集上实验了三种微聚集算法,查看了生成簇大小、时间成本和数据效用等实验结果,最后分析得到的实验结果和数据。
朴素贝叶斯(native Bayes)法是基于贝叶斯定理与特征条件独立假设的分类方法。 对于给定的训练集,首先基于特征条件独立假设学习输入/输出的联合概率分布;然后基于此模型,对于给定的输入$$x $$,利用贝叶斯定理求出后验概率最大的输出$$y$$。 朴素贝叶斯法通过对给定的输入$$x$$,通过学习到的模型计算后验概率分布$$P(Y=c_k|X=x)$$,然后将后验概率最大的类作为$$x $$的输出
锁模增压缸采用气液增压缸结构。气液增压缸为液压缸与增压器一体化组合,以纯气体为动力源,具有良好的节能环保效果;合模时,合模助力油缸首先推动合模臂和活动座板高速低压依次运动,使压铸模的公母模快速闭合。 增压器气缸的增压器起到将压铸模的阳模和阴模紧密闭合的作用,从而达到紧密闭合模具的效果
洛克菲勒教授出生于1935年,在哈佛大学攻读数学系,分别于1957年和1963年获得学士学位和博士学位。洛克菲勒教授在1971年到2002年期间担任华盛顿大学教授职务,目前是华盛顿大学的荣誉教授。他于2002年当选为运筹学与管理科学研究协会会士
近年来在量子控制方面的最新突破,已经为设计量子通信、计算和传感应用的控制器提供了先进技术。然而,由于此类系统对噪声和不确定性的敏感性,需要实现量子设备的充分潜力,必须采用在这些条件下表现出高效性能的鲁棒控制器。时间域对数灵敏度和最近引入的鲁棒效应不良测量(RIM)是量子系统中量化控制器鲁棒性的两种手段
洛克菲勒教授出生于1935年,在哈佛大学攻读数学系,分别于1957年和1963年获得学士学位和博士学位。洛克菲勒教授在1971年到2002年期间担任华盛顿大学教授职务,目前是华盛顿大学的荣誉教授。他于2002年当选为运筹学与管理科学研究协会会士