2017泰迪杯论文最终版
数模国赛2017A题原创优秀论文
数模国赛2017A题原创优秀论文三、模型假设1.假设CT光源的旋转中心在探测器的中垂线上。
2.假设X光不会发生衍射等其他影响吸收强度的现象。
四、符号说明五、模型建立与求解1.问题一1.1．建立坐标系椭圆方程较为复杂，为方便分析，选择在椭圆中心建立直角坐标系，可得模板椭圆和圆的方程为：1.2. 增益的确定1.2.1 的模型查阅资料可知X光吸收强度与其穿过的介质长度和密度有关，令模板的密度函数为，可得由于椭圆和圆模板均为均匀介质，可认为为常数，可得可知X光吸收强度和其穿过的介质长度呈正比，令增益，即可得1.2.2 的计算选取中非0数据最多的六列数据，可以有效减小系统误差。
取每一列数据数值最大的几个值，其表示椭圆短轴和圆直径吸收衰减后的X射线能量经增益处理的量值，取六个方向平均值，对应为38；同理选取中非0数据最少的六列数据，此时探测器位于平行于x 轴的位置，两段不为0 数据中的最大值分别表示椭圆长半轴和圆直径吸收衰减后的射线能量增益后的量值，取三个方向平均值分别得,对应的,为80 和8。
对这三组数据用excel进行最小二乘法拟合，得到μ=1.7713。
过程如图所示：1.3 探测器间距离确定通过附件2，可知中每一列非0数据的个数，即为X光源截得相应弦长，对应的探测器的个数。
则当探测器平行于y轴时，探测器的个数最多；平行于x轴时，探测器的个数最少。
将附件2数据，用Matlab可视化,如图可确定在，有最少个数探测器;,有最多个数探测器。
得到当时，之间，有个探测器；当时，之间，有个探测器。
最终可算出取均值得1.4 旋转中心的确定当时，设第行, 使得取到最大值；当时，设第行, 使得取到最大值,。
显然当时，其X射线路径通过原点。
其截得模板的长度分别为椭圆长轴和短轴。
有1.3图像可知：将在这两个位置将椭圆中心即坐标系原点与旋转中心之间的探测器单元数目差值分别确定，找到模板和探测器系统的相对位置，代入d 值，分别求得纵坐标和横坐标。
2017年数模国赛B题优秀论文省一等奖
基于任务吸引度的众包平台定价方案优化摘要本文对自助式劳务平台的运营模式及运营效果进行了分析，建立多目标规划模型对定价方案进行了优化，并加入任务打包情况对此方案进行了修改，最终应用在新项口的任务定价中。
对问题一，该项LI任务点分布于四个不同城市。
在分析定价规律时，考虑数据的宏观分布惜况，分别以各任务点与市中心距离、各任务点处会员分布密度为回归变量，以定价为响应变量，通过回归分析研究变量间的定量关系，确定回归系数后，以会员分布密度与定价的回归方程作为定价规律判定。
回归方程表明：定价在宏观上与会员分布密度呈反比例函数关系。
其次，在分析任务未完成原因时，分别定义任务的距离吸引度、标价吸引度来量化距离、标价对任务完成惜况的影响，将任务未完成原因归结为四方面：标价吸引度低、距离吸引度低、会员分布密度低、其它因素。
对问题二，将设计定价方案的过程视为定价方与任务完成方进行博弈的过程，在博弈论的视角下对众包任务定价方案进行了设计。
首先定义了定价基准值的概念，来量化任务本身的价值。
根据问题一的分析结果，任务未完成原因主要是距离吸引度、标价吸引度过低，因此在定价时，从权衡各任务点距离吸引度、标价吸引度入手，分析了任务完成过程中个体的行为规律。
针对任务完成方，分析了会员预定各任务的概率；针对定价方，分析了任务被预定概率、任务被完成概率，其中任务被完成概率与山会员信誉值决定的概率修正因子有关。
以任务被完成概率、定价为H标，建立了无约束多U标规划模型，利用遗传算法确定了每个任务的最优定价。
最后，比较了所设计方案与原方案下任务完成比例和任务标价，很好地表现出了新方案优化效果。
其中新方案的任务完成率为：0.7122,标价总额为：34112.7356。
对问题三，要求修改问题二中定价模型，从而导出适用于含任务包的任务定价方案。
任务打包后，对定价方案造成的影响主要是：任务包中任务个数与会员预定限额之间的矛盾。
首先，在考虑会员预定限额的基础上，确定了任务包的基准价、标价吸引度及距离吸引度。
第三届泰迪杯全国大学生数据挖掘竞赛
第三届“泰迪杯”全国大学生数据挖掘竞赛优秀作品作品名称：城市供水处理混凝投药过程的建模与控制荣获奖项：二等奖作品单位：湖北工程学院作品成员：贾园园万爽裴幸智指导教师：张学新基于BP神经网络的最佳投药量预测摘要：混凝投药通过投加混凝剂除去原水中的杂质及其他有害物质，是城市供水过程中的重要环节之一，这一过程效果的好坏将直接影响后续处理工艺及出水水质的好坏。
该过程具有影响因素多、大滞后性和非线性等特征，实际控制难度较大。
本文基于广州南沙水厂提供的9397个投药控制数据，尝试构建一种基于BP神经网络混凝投药控制模型，来预测混凝剂的最佳投药量。
对于原数据集有缺失值情况，本文做基本预处理，用三次样条插值法对出水浊度进行插值估算，并剔除5 外的极端异常值，按照出水浊度小于1.10NTU的标准，筛选出投药合格的6143个数据，以此作为样本数据。
针对第（1）问，本文运用平流沉淀理论，求得原水混凝沉淀到出水结束的滞后时间，约为80分钟，在实际范围70min--120min内。
针对第（2）问，本文以原水浊度、原水流速、原水PH值三个因素作为BP神经网络模型的输入神经元参数，对混凝剂投加量的训练样本和测试样本进行分析，得到预测的最佳投药量；针对第（3）问，在第二问之上，增加出水浊度做为输入参数再次建立BP神经网络模型，并与第（2）问的模型进行比较。
为了比较模型性能，我们又建立多元线性回归模型，找出四个变量与投药量的回归方程，通过在训练样本与测试样本上的预测效果，对BP神经网络模型和多元回归模型进行比较，分析绝对误差等指标，发现BP神经网络具有更强的非线性逼近能力，能够对投药量进行很好的仿真和预测效果。
针对第（4）问，本文查找文献[8]，引入温度数据，验证文献[9]的理论模型，通过对数变换化为线性模型，并对模型的整体显著性和温度系数的显著性作检验，但是最后结果表明系数的显著性并不强，即温度对投药量的影响并不大，并从有关化学理论角度对此结果进行解释。
第九届泰迪杯数据挖掘挑战赛B题经验分享
图像数量图像⼤⼩训练集2,1404096×3000或2448×2048测试集3,051320×320第九届泰迪杯数据挖掘挑战赛B 题经验分享研⼀选修课选了机器学习，期末作业是参加泰迪杯，晕了~本着不能亏报名费的⼼态，和组内的同学组了队，认真肝了⼏天论⽂，幸运的拿到了⽹速创新奖，把参赛费赚回来了，好耶！任务分配上，我负责代码实现和技术部分论⽂，队友负责论⽂其他部分及ppt ，下⾯就直接进⼊正题辣~（其实都是复制黏贴论⽂⾥的）⾸先是第⼀问，给岩⽯图像做分类。
观察到原始数据集图像共315张，⾸先按9：1的⽐例划分训练集与测试集，测试集32张图像，训练集283张图像。
然后是数据增强，⾸先对原始数据集的图像做了旋转、翻转与镜像处理，得到1132张图像。
数据集共有7类岩⽯，各类岩⽯图像数并不相同，其中浅灰⾊细砂岩图像数是灰⾊细砂岩的近5倍，即数据集存在数据失衡的现象。
所以进⼀步对其中占⽐较少的岩⽯种类的图像进⾏⼩幅度旋转处理来达到数据增强的⽬的，最终，使得数据集各岩⽯种类的图像占⽐⼤致相等。
浅灰⾊细砂岩深灰⾊泥岩深灰⾊粉砂质泥岩灰⾊泥质粉砂岩灰⾊细砂岩灰⿊⾊泥岩⿊⾊煤总计数据增强前85754046183021315数据增强后3132793063403223053062171由于训练集中部分图⽚既包括岩⽯，也包括地板背景，因此需要对这⼀部分图像进⾏裁剪处理，只保留图像中岩⽯的部分。
对于测试集，由于测试图像仅有32张，故在训练前需预先对图像进⾏切割。
对于不包含地板的图像，我们⽤⼤⼩为320×320的滑动窗⼝进⾏切割；对于包含地板的图像，我们⾸先裁剪出图像中⼼960×960⼤⼩的部分以去除⽆⽤的地板部分图像，再从中⽤⼤⼩为320×320的滑动窗⼝进⾏切割，最终得到3,051张测试图像。
模型我们⽤了ResNeSt 。
由于图像较⼤，我们在预测岩⽯种类时⾸先以960×960裁剪出图像中⼼，然后再裁剪出9张320×320⼤⼩的图像进⾏预测，取其中占⽐较⼤的岩⽯种类作为预测并与只随机裁剪⼀张320×320⼤⼩的图像⽤于预测进⾏对⽐。
2017年美赛论文C题M奖中文国际一等奖
For office use only T1________________ T2________________ T3________________ T4________________ Team Control Number71812Problem ChosenEFor office use onlyF1________________F2________________F3________________F4________________ 2017MCM/ICM总结随着世界迅速城市化，城市人口大量增长，城市出现了交通拥堵、就业困难、住房紧张等一系列的“城市病”。
可持续发展的城市建设越来越重要，城市的精明增长关系到城市的经济繁荣、社会平等和环境的可持续发展。
精明城市建设成为未来的发展方向。
针对问题一：基于精明原则，从环境、经济、社会、人口四个方面,分析选取25个重要指标建立了可持续城市发展指标体系。
对25个重要指标进行数据搜集和指标重要程度分析，结合可持续发展的三个E和智能化增长十个原则，建立城市精明增长评价模型，利用综合指数的大小来衡量城市发展的精明程度。
同时，还对综合指数进行了五层分级。
针对问题二：我们选取了位于美洲的美国明尼波利斯和位于亚洲的中国林芝市作为研究对象。
通过对两个城市目前的发展计划的分析，利用城市精明增长评价模型得到这两个城市基于目前的发展计划的综合指数，发现美洲的美国明尼波利斯处于较发达阶段，中国林芝市处于不太发达阶段。
针对问题三：为了城市更好的发展，我们利用城市精明增长评价模型对两个城市做出了新的发展计划。
美国通过明尼波利斯通过提高绿化覆盖率、水质指数、废水利用率、生产总值、人均生产总值、第一产业比重、高等教育入学率等计划可以进入发达阶段；中国林芝市通过提高绿化覆盖率、废水利用率、第一产业比重、人均生活用水量进入较发达阶段。
针对问题四：为了让城市的发展更加有序，基于重新设计的两个城市的精明增长计划，利用熵值法将新的增长计划中的每项计划根据潜力大小进行了排名，得出林芝市发展的重要指标废弃物处理率，明尼阿波利斯发展的重要指标是绿化覆盖率。
衡水学院在第六届＂泰迪杯＂数据挖掘挑战赛中获得佳绩
彩插2
衡水学院
在第六届"泰迪杯"数据挖掘挑战赛中获得佳绩
近日，第六届“泰迪杯”数据挖掘挑战赛结果揭晓，我校获得全国二等奖2项，三等奖2项。
来自数计学院的赵兵舰、刘可心、王敬超队和张钰、赵雨轩、张家辉队获得全国二等奖（二等奖第9名和第17名），史磊晶、刘红瑞、张学成队和单一然、田程名、谷雨昊队获得全国三等奖，另有6支参赛队获优秀作品奖，成绩优异。
本次挑战赛共有来自全国300多所高校3016支队伍报名参赛，由高校和公司40多位评审专家共同组成的专家组历时一个月的评审和在线视频答辩，最终决出本科及以上组（不区分研究生、本科生）特等奖6项（约0.2%）、一等奖51项（约1.7%）、二等奖141项（约4.7%）、三等奖291项（约9.6%）以及优秀作品951项（31.5%）。
“泰迪杯”数据挖掘挑战赛是由“泰迪杯”数据挖掘挑战赛组织委员会主办的面向全国在校研究生和大学生的群众性科技活动。
挑战赛题目主要是来源于企业、管理机构和科研院所等的实际问题，举办挑战赛的目的在于以赛促学，激励学生学习数据挖掘的积极性，提高学生分析、解决实际问题的综合能力；以赛促教，推动数据挖掘技术在高校的推广和应用；以赛促研，为高校相关智力资源转化为推进国家大数据战略的生产力提供合作平台。
今年数计学院改变过去竞赛与教学相独立的状况，将竞赛融入课程设计的实践中，真正做到课赛结合，赛教一体，在开学后前三周把相关课程设计与竞赛同步进行，从90多名参与课程设计的学生中挑选出了10支队伍参赛，经数计学院相关教师历时一个半月的组织、指导，竞赛取得了优异成绩。
这表明这种尝试与改革取得了显著效果,为面向应用型的课堂教学改革开拓了一条新途径。
责任编校：曹迎春。
2017国赛A题省二等奖论文
CT 系统参数标定及成像摘要CT （Computed Tomography ）可在不破坏样品的情况下利用样品对射线能量的吸收特性对生物组织和工程材料样品进行断层成像，获取样品内部的结构信息。
针对问题一，首先将附件1模板的几何信息数据及附件2中模板的接收信息利用MATLAB 软件进行处理，通过Radon 变换及基于傅里叶变换的中心切片定理进行X 射线CT 系统的二维重建；其次根据重建的二维图像，找出旋转中心与几何中心之间的距离关系，利用MATLAB 编程求出旋转中心与几何中心的距离10.8003m ，旋转中心的坐标00(,)x y 为(9.2734,5.5363) ；然后将求探测器单元之间的距离问题转化为求小圆的模板直径长度与小圆直径所占探测器的个数之比，得出探测器单元之间的距离为0.2667d,对该问题进行模型改进后，求得10.2768d ，为最优解；最后通过投影最宽与最窄的位置之间的关系，解出每个旋转方向的角度为0.9783 ，180个方向起始点为-56.74°，终止点为119.35°。
针对问题二及问题三，通过Radon 反变换，利用MATLAB 将附件3及附件5的不同未知介质的接收信息进行处理，分别得到两介质各自在正方形托盘的位置图像。
由图以及第一问，知未知介质的初始位置均偏离几何中心，对其校正使其旋转中心与几何中心重合，利用MATLAB 软件编程，得到某未知介质的吸收率三维图像。
通过取边界点求标准方程法确认问题二中的未知介质形状为椭圆；问题三中的图像明显为不规则图形。
最后将附件4的十个位置坐标带入各自的程序中，用MATLAB 求出了问题二、问题三中给定的十个位置的吸收率k 。
针对问题四，依据对问题一中模板的精度及稳定性分析，重建长方形模板，使CT 系统的旋转中心与托盘的几何中心重合，观察放射角度与投影长度的关系，最终整理出的图像数据与实际探测数据基本吻合，说明其精确度较高，从图像显示出的线性关系也证明了重建模板的良好稳定性。
(完整版)动物医学本科毕业论文1
目录摘要 (1)1 材料与方法 (3)1.1 试验材料 (3)1.1.1试剂 (3)1.1.2 主要仪器 (4)1.2 试验方法 (4)1.2.1丁酸钠喷雾干燥微胶囊配方正交实验 (4)1.2.2丁酸钠喷雾干燥微胶囊工艺优化正交实验 (5)2 测定丁酸钠微胶囊包埋率的方法 (6)2.1 丁酸钠微胶囊包埋率计算公式 (6)2.2 测定丁酸钠微胶囊含量的方法 (6)2.2.1方法1 (6)2.2.2方法2 (6)2.2.3方法3 (6)2.2.4 最优方法的确立 (6)3 结果与分析： (7)3.1丁酸钠喷雾干燥微胶囊配方正交实验结果与分析 (7)3.2丁酸钠喷雾干燥微胶囊工艺优化正交实验结果及分析 (7)4 讨论 (8)4.1本实验中喷雾干燥法制备丁酸钠的优缺点 (8)4.2其他测定丁酸钠微囊包被率的方法 (9)4.3丁酸钠微囊应用的前景 (9)5结论 (9)参考文献： (10)附录 (11)谢辞 (12)丁酸钠微囊制剂的最佳实验室制备工艺筛选研究陈阳指导教师：姚刚摘要：丁酸钠作为饲料添加剂广泛应用，主要作用于肠道，可提高动物采食量和日增重，但丁酸钠具有特殊的脂臭味，若直接饲喂，动物不采食。
通过丁酸钠微囊制剂的工艺筛选研究，以喷雾干燥法丁酸钠微胶囊产品的包埋率为主要评价指标,对海藻酸钠浓度进行筛选,并优化了固形物浓度等喷雾干燥参数。
结果表明最佳参数为:丁酸钠微胶囊适宜的壁材浓度为3%，固形物浓度为25%，PVP浓度为6%,乳化剂浓度为2%,搅拌档数为C档，进风温度 170℃,出风温度 85℃,搅拌时间为22分钟,蠕动泵50转每分钟,风机60,通针10。
由实验筛选出的最优工艺参数测得丁酸钠的包被率在40%左右。
关键词：喷雾干燥法;丁酸钠;微胶囊;包被率The optimization of the laboratory microencapusulation techniques of butyrateas animal feed additivesChen Y ang Tutor：Yao Gang Abstract：Sodium butyrate widely used as feed additive, main effect in the intestine, can improve the animal intake and sodium butyrate daily gain, but the fat technology screening study to spray drying sodium butyrate microcapsule product embedding rate as the main evaluation indexes, the concentration of sodium alginate screening, and optimize the solids concentration on the spray drying parameter. Results show the best parameters of sodium butyrate for: microcapsuleappropriate wall material concentration of 3%, solids concentration is 25%, PVP concentration in 6%, emulsifier concentration of 2%, stirring file number as C files, into wind temperature 170 ℃, the air temperature 85 ℃, stirring time for 22 minutes, peristaltic pump 50 revolutions per minute, the fan to 60, the needle to 10. By experiment the optimal processing parameters were measured by sodium butyrate the bag.Key words:Spray drying;Sodium butyrate;microcapsule;Embedding rate抗生素类作为促动物生长饲料添加剂的危害已被全世界所共识，欧盟率先在2006年全面禁止在动物生产中添加任何抗生素饲料添加剂[1]。
2017年建模D题论文.ppt
2017 D题
2017 D题 巡检线路的排班
某化工厂有26个点需要进行巡检以保证正常 生产，各个点的巡检周期、巡检耗时、两点之间 的连通关系及行走所需时间在附件中给出。 每个点每次巡检需要一名工人，巡检工人的 巡检起始地点在巡检调度中心（XJ0022），工人 可以按固定时间上班，也可以错时上班，在调度 中心得到巡检任务后开始巡检。现需要建立模型 来安排巡检人数和巡检路线，使得所有点都能按 要求完成巡检，并且耗费的人力资源尽可能少， 同时还应考虑每名工人在一时间段内（如一周或 一月等）的工作量尽量平衡。
周期（分） 巡检耗时（分）
35
3
35
2
35
3
480
2
35
2
35
2
35
3
80
3
35
2
35
3
35
2
120
2
35
2
1、问题分析
问题所属类型： 旅行商问题（TSP），或者是带有时间窗口的车辆路径 问题。可通过最短路算法，结合启发式得到结果。
巡检路本二径人人的宝 设计
2
固时上班
错时上班
不进餐、不休息 进餐、休息
4.1 休息时间
4. 问题2的求解
可通过减少巡检周期大于35min的巡检点巡检次数得到， 若线路中无大于35min周期的巡检点或压缩时间太少， 可将线路分段并增加巡检人员。
4.2 进餐时间
可以通过调整各班次上下班时间，使得各班次进餐时由下 一班次顶替。 如：第一班巡检人员11：00下班进餐，则第 二班次在11：00上班。进餐时间安排可适当放宽在11时至13 时之间和17时至19时之间。
第2名工人在8:35开始巡视；
第三届泰迪杯全国大学生数据挖掘竞赛
第三届“泰迪杯”全国大学生数据挖掘竞赛优秀作品作品名称：基于电商平台家电设备的消费者评论数据挖掘分析荣获奖项：一等奖作品单位：华南师范大学作品成员：赵晓荣叶呈成黄佳锋指导老师：薛云基于深度学习的电热水器评论数据挖掘分析摘要：近年来，随着互联网的广泛应用和电子商务的迅速发展，网络文本及用户评论分析意义日益凸显，因此网络文本挖掘及网络文本情感分析技术应运而生，通过对文本或者用户评论的情感分析，企业能够进行更有效的管理等。
本文针对电商平台的电热水器的评论数据，利用基于半监督递归自编码（RAE）的深度学习模型，进行评论的情感分析。
为了保证评论数据挖掘分析的质量和全面性，我们重新从京东和苏宁易购平台爬取了评论数据集，对数据进行预处理——评论“去空、去重”、中文分词、停用词过滤等，再利用半监督RAE深度学习模型对这些评论进行情感分析。
之后，本文主要进行两个方面的数据挖掘分析工作：一方面是根据不同品牌电热水器的评论数据情感分析结果，提炼出各个品牌产品的差异化卖点；另一方面是根据不同电商平台的评论数据情感分析结果，进行不同电商平台的服务质量比较，进而可以使电商平台根据自身优势吸引消费者。
关键词：深度学习，情感分析，RAE，差异化卖点Data Mining on Comments of Electric water heaterBased on Deep LearningAbstract: Recently, with the wide application of Internet and the rapid development of electronic commerce, network text and user review analysis is of great significance, text mining and sentiment analysis of network text arise at the historic moment, and the emotional analysis of the text or user comments is more effective in enterprise management and so on. Electric business platform, this paper apply a deep learning method based on semi-supervised recursive encoding (RAE) on analysis of the emotion of comments which users delivered about electric water heater. In order to ensure the quality of the data mining analysis, we crawled the relevant comments data sets from Jingdong and Suning platform. Then we preprocessed comments data on wiping "empty and heavy" out, Chinese word segmentation, filtering stop words, word frequency statistics, etc. Next we analyze sentiment on these comments using a method based on semi-supervised RAE. Later, this paper analyzed mainly comments in two aspects of data mining work: on the one hand, according to sentiment analysis result of the comments of different brand electric water heater, extracting differentiation of various brand products selling point; On the other hand, according to the comments of different electric business platform data sentiment analysis results, and compare different electric business platform of service quality, and electric business platform can take measures to attract consumers according to their own advantages .Key words:deep learning; sentiment analysis; RAE; differentiation of selling point目录1.挖掘目标 (1)2.分析方法与过程 (1)2.1.总体流程 (1)2.2.具体步骤 (2)2.3.结果分析 (18)3.结论 (20)4.参考文献 (21)1.挖掘目标本次建模针对电商平台上关于电热水器的评论数据，采用基于半监督RAE 深度学习模型的数据挖掘方法，达到以下两个目标：1)利用半监督RAE模型对同一品牌电热水器的评论进行情感分析，根据分析结果得到用户针对各属性的满意度，从而提炼出该产品的优势和劣势。
泰迪杯数模优秀论文
第四届“泰迪杯”全国数据挖掘挑战赛作品单位：北京林业大学作品成员：孙海锋郑中枢杨武岳指导老师：崔晓晖网络招聘信息的分析与挖掘摘要近年来，随着互联网的广泛应用和网络招聘的迅速发展，网络招聘信息平台已成为招聘者获取信息的主要渠道。
因此，运用网络文本分析和数据挖掘技术对网络招聘信息的研究具有重大的意义。
对于问题1，通过PositionId对招聘信息表、职位描述表进行去重，得到不重复的招聘职位信息。
利用jieba中文分词工具对岗位描述信息进行分词，并通过TF-IDF算法提取每个职位描述的前5个关键词。
再利用TF-IDF算法得到每个职位描述的TF-IDF权重向量，采用K-means对TF-IDF权重向量进行聚类，得到7个质心。
分别求出距离各个质心最近的5个职位，结合招聘信息表的PositionFirstType字段，根据KNN算法，为各个类加上行业性质标签。
再分别对各个职业类型的PositionName进行统计分析，得出各个职业类型对应的专业领域。
对于问题2，通过利用excel对去重后的招聘信息表对行业领域、工作地域、职位分类三个项目进行分类筛选，对各个项目的各类内容进行计数汇总统计，根据计数多的内容去定于热门的行业、地域、职位。
对于问题3，根据数据挖掘与分析的职位特征，将新兴的职位定义为两大类并分别筛选出来。
利用发散性思维，再分别对筛选出来的结果按照城市（city）、公司阶段（financestage）、学历要求（Education）、薪资（Salary）四个方面对其进行多方面系统地统计，结合图表进行分析预测相关职位的需求。
对于问题4，通过寻找it职位对应的id的职业描述，并对其分词和it专业语义库构建，在此基础上筛选出所有的it职位。
对附件1进行数据预处理，在预处理得到的数据上进行数据初步筛选出it行业的职位。
对筛选出的it职位对应的职业id找到职位描述表的职位描述，对该描述构建it专业语义库。
判断职业描述表中职位是否符合it职业，通过判断与专业语义库的交集长度来确定是否为it职业并统计地域。
2017年度泰迪杯专业论文最终版
基于市场资金流向分析的商品期货量化交易策略摘要资金流向是国际上一个成熟的技术指标，它可以透过价格涨跌的迷雾看到其他投资者的投资行为。
资金流向规律对商品期货流动有很大相关性，因此本文旨在研究资金流向规律，并且分析其对商品期货量化交易的影响，建立基础商品期货量化交易数学模型，优化获益问题。
本队伍做A题的过程，第一步先运用auto-trader及matlab对数据进行提取，然后分析数据组成与类型等，再运用excel制作分钟级K线数据，接着分析各数据量（时间、开盘价、收盘价、最高价、最低价、成交量、持仓量、成交金额）之间的相关性并且从中找出资金流向的规律，初步运用海龟模型建立资金流向模型。
第二步，基于初步模型的建立及数据的分析，我们发现建立的资金流向模型对未来商品期货价格的影响，并改动我们的模型，再进行进一步的分析，观察资金流向是否具有持续性。
第三步，分析各个板块的资金流向是否具有共通性，分析单个标的的资金流向与整个市场板块的资金流向的关系，因此，再次改进我们的资金流向模型。
关键词：资金流向量化投资商品期货改动的海龟模型K线理论目录一、问题重述 (4)1.1资金流向的初步分析 (4)1.2 资金流的深入分析 (6)1.2.1 K线数据的运用 (6)1.2.2分析K线数据 (8)二、模型建立 (10)2.1说明 (10)2.1.1 择时 (10)2.1.2 止损和止盈 (10)2.1.3资金的配置问题 (10)2.2建模步骤 (11)2.3海龟交易 (11)2.3.1 择时入场：唐奇安通道 (11)2.3.2 平均真实波幅 ATR (12)2.4建仓及加仓 (13)2.4.1 建仓 (13)2.4.2 加仓和在止损 (13)2.5代码 (13)三、资金流向模型的适用性 (17)3.1资金流向 (17)3.2资金流向对未来商品期货价格的影响 (17)3.3资金流向是否具有持续性 (18)3.4资金流向的相似性和轮动效应 (19)四、参考文献 (20)一、问题重述1.1资金流向的初步分析首先，对所有的标的，都统计过去价格的变化，用变化率来衡量，然后看成交量的变化、持仓量的变化，寻找之间的规律，根据这个规律来构建资金流向模型。
第三届泰迪杯全国大学生数据挖掘竞赛
关键词：
词向量 递归自编码 SVM 模型 情感极性分析
第1页
泰迪杯大学生数据挖掘竞赛论文报告
The data mining based on the electric business platform about consumers’ demands and products characters
Abstract: To deeply mine the comments of ecomercial products, this paper aims to build the model of invalid comments recognition, the SVM text emotiona l polarity analysis model based on RAE auto coding and then distinguishes the advantages and disadvantages via texts analysis. At last, it grabs and analyzes t purchase behavior mining model. In the invalid comments recognition model, it first labels three kinds of invalid information, like irrelevant comments, posters comments and system comments. Then separate these information by their own characters. As for the emotional polarity analysis, this paper tried the semi-supervised deep learning RAE model at first, using toolbox word2vec to initial eighty thousands term vectors separated from our comment list. Then classified the comments based on these vectors with RAE, obtaining the advantages from the positive comments and the disadvantages from the negative. However, given the difficulty to transfer packages among different softwares, the numeric unknown parameters and offset function, it tries another supervised approaches SVM model based on RAE auto coding. By handmade labeling four hundreds comments with emotional polarity to train the SVM, then use the well- trained models to classify the rest comments, showing that it has an 85% accuracy. In the advantages and disadvantages analysis model, the negative comments just account for 0.28%, a small scale, making the plan to obtain negative information infeasible. Hence it’s to be transferred into the approaches to analyze the customers’ attention to the properties of the product, count the satisfaction degree under each property. Then get the advantages and disadvantages via word frequency statistics. In the customers’ behavior mining part, it’s to set a group of keywords, used to get the search clicks under each terms. And then mining the age and consumption level to get the main consumer groups and their focus points.
第七届泰迪杯数据挖掘挑战赛——C题运输车辆安全驾驶
第七届泰迪杯数据挖掘挑战赛——C题运输车辆安全驾驶第七届“泰迪杯”数据挖掘挑战赛——C题：运输车辆安全驾驶⾏为的分析⼀、问题背景车联⽹是指借助装载在车辆上的电⼦标签通过⽆线射频等识别技术，实现在信息⽹络平台上对所有车辆的属性信息和静、动态信息进⾏提取和有效利⽤，并根据不同的功能需求对所有车辆的运⾏状态进⾏有效的监管和提供综合服务的系统。
当前道路运输⾏业等相关部门利⽤车联⽹等系统数据，开展道路运输过程安全管理的数据分析，以提⾼运输安全管理⽔平和运输效率。
某运输企业所辖各车辆均存在常规运输路线与驾驶⼈员。
在驾驶员每次运输过程中，车辆均可⾃动采集当前驾驶⾏为下的⾏车状态信息并上传⾄车联⽹系统。
驾驶⾏为可能随⽓象、路况等因素的变化⽽变化，进⼀步影响⾏车安全、运输效率与节能⽔平。
请根据该运输企业所采集的数据（见附件1、附件2），分析车辆⾏驶过程中的驾驶⾏为对⾏车安全、运输效率与节能情况的影响，运⽤数据挖掘的⽅法，建⽴有效的数学模型进⾏评价。
⼆、研究问题(1) 利⽤附件1所给数据，提取并分析车辆的运输路线以及其在运输过程中的速度、加速度等⾏车状态。
提交附表中10辆车每辆车每条线路在经纬度坐标系下的运输线路图及对应的⾏车⾥程、平均⾏车速度、急加速急减速情况。
(2) 利⽤附件1所给数据，挖掘每辆运输车辆的不良驾驶⾏为，建⽴⾏车安全的评价模型，并给出评价结果。
(3) 综合考虑运输车辆的安全、效率和节能，并结合⾃然⽓象条件与道路状况等情况，为运输车辆管理部门建⽴⾏车安全的综合评价指标体系与综合评价模型。
附表三、数据说明1. 附件1给出450辆运输车辆的⾏车轨迹采集数据，由于采集设备精度，实际采集数据可能存在某些异常。
附件1的数据说明2.附件2给出2018年7⽉30⽇⾄2018年10⽉10⽇全国主要城市的⾃然⽓象数据。
附件2的数据说明3.在车辆运输过程中，不良驾驶⾏为主要包括疲劳驾驶、急加速、急减速、怠速预热、超长怠速、熄⽕滑⾏、超速、急变道等。
论文 最终版
摘要：目的探讨工人不同种类多环芳烃暴露与尿肌酐的关系，了解工人的健康是否会受到多环芳烃暴露的影响。
本小组对其中BaP PhA BgP三种进行了调查研究。
方法以某企业加工车间一百名工人为对象，工人尿液中代谢多环芳烃产物——尿肌酐可作为工人体内摄入多环芳烃的生物标志。
模拟数据测量了工人的暴露组和非暴露组车间的该三种多环芳烃日均浓度（微克），收集工人尿液中的生物标志物尿肌酐含量。
用单因素方差分析、卡方检验、Spearman等级以及线性回归分析等相关分析。
结果尿中尿肌酐浓度与多环芳烃BaP 接触水平呈正相关关系（r=0.059 p<0.05）与PhA BgP接触水平呈负相关关系（r=-0.025 p<0.05）(r=-0.11 p<0.05) 结论通过统计结果显示，长期接触有高温燃烧煤烟的工人，尿中尿肌酐的含量与BaP暴露接触水平之间存在正相关关系。
工人的健康会受到该种多环芳烃暴露的影响。
关键词：尿肌酐多环芳烃暴露水平定量关系炼焦行业是多环芳烃职业危害严重的行业，在焦化生产过程中产生大量的焦炉逸散物，是导致焦炉工人肺癌和结肠癌的主要原因。
具有致癌性的多环芳烃主要是集中在4环及以上的PAHs。
在环境中多以吸附颗粒物表面和气态两种形式存在，从而增大了采样和分析的难度，而且环境监测又受，呼吸频率以及皮肤吸收率等隐私的影响，往往不能准确评价个体的实际暴露水平。
在职业PAHs暴露中占总量中芘占总量的比例相对较高，进入人体后约95%的芘代谢为1-羟基芘，其在人体内的生物半衰期为6-35h,通过检测尿中1-羟基芘的浓度，可较好的反映短期的PAHs暴露的情况。
1-羟基芘经20多年的研究证实是人体接触PAHs一个灵敏儿实用的指标，国外研究者认为尿中1-羟基芘是评价机体多环芳烃暴露良好的生物标志物。
近年来，国内开始关注焦炉工人多环芳烃暴露的危害，并采用尿中1-羟基芘进行接触评价。
本次研究检测51名接触高温燃烧煤烟的工人与49名未接触者的尿样中尿肌酐的浓度。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于市场资金流向分析的商品期货量化交易策略摘要资金流向是国际上一个成熟的技术指标，它可以透过价格涨跌的迷雾看到其他投资者的投资行为。
资金流向规律对商品期货流动有很大相关性，因此本文旨在研究资金流向规律，并且分析其对商品期货量化交易的影响，建立基础商品期货量化交易数学模型，优化获益问题。
本队伍做A题的过程，第一步先运用auto-trader及matlab对数据进行提取，然后分析数据组成与类型等，再运用excel制作分钟级K线数据，接着分析各数据量（时间、开盘价、收盘价、最高价、最低价、成交量、持仓量、成交金额）之间的相关性并且从中找出资金流向的规律，初步运用海龟模型建立资金流向模型。
第二步，基于初步模型的建立及数据的分析，我们发现建立的资金流向模型对未来商品期货价格的影响，并改动我们的模型，再进行进一步的分析，观察资金流向是否具有持续性。
第三步，分析各个板块的资金流向是否具有共通性，分析单个标的的资金流向与整个市场板块的资金流向的关系，因此，再次改进我们的资金流向模型。
关键词：资金流向量化投资商品期货改动的海龟模型K线理论目录一、问题重述 (3)1.1资金流向的初步分析 (3)1.2 资金流的深入分析 (5)1.2.1 K线数据的运用 (5)1.2.2分析K线数据 (6)二、模型建立 (8)2.1说明 (8)2.1.1 择时 (8)2.1.2 止损和止盈 (9)2.1.3资金的配置问题 (9)2.2建模步骤 (9)2.3海龟交易 (10)2.3.1 择时入场：唐奇安通道 (10)2.3.2 平均真实波幅ATR (10)2.4建仓及加仓 (11)2.4.1 建仓 (11)2.4.2 加仓和在止损 (11)2.5代码 (11)三、资金流向模型的适用性 (14)3.1资金流向 (14)3.2资金流向对未来商品期货价格的影响 (14)3.3资金流向是否具有持续性 (15)3.4资金流向的相似性和轮动效应 (15)四、参考文献 (16)一、问题重述1.1资金流向的初步分析首先，对所有的标的，都统计过去价格的变化，用变化率来衡量，然后看成交量的变化、持仓量的变化，寻找之间的规律，根据这个规律来构建资金流向模型。
图1图200.51 1.52 2.53 3.5x 10523456789105图3图1为成交量与时间的关系，横坐标为成交量，纵坐标为成交量，两者之间的关系为：2011年至2013年大部分时间成交量持比较平稳状态，唯独2011年01月04日至2011年02月14日期间、2011年03月05日至2011年05月24日期间及2012年04月18日至2012年05月28日出现成交量的高峰状态。
图2 为持仓量与时间的关系，横坐标为持仓量，纵坐标为时间，两者之间的关系为：2011年至2013年持仓量成一跌一升的趋势发展，大体上呈周期性变化。
图3为成交量与持仓量的关系，横坐标为成交量，纵坐标为持仓量。
在这里，首先明确资金流入与资金流出的意思：主动性买盘视为资金流入，主动性卖盘视为资金流出。
据图1与图2的规律及结合图3的数据变化趋势可以得出，成交量与持仓量成以下关系的变化：成交量上升，持仓量下降，此时是行情中断时期，多杀多，空杀空的情况出现；成交量下降，持仓量上升，大行情来临，此时处于平衡状态。
这两种情况下，期货市场的资金流入远远多于资金流出。
成交量上升，持仓量上升，此时是单边行情的开始时期，价位比较动荡；成交量下降，持仓量下降，行情逐步结束，多空双方或者是一方资金退场。
这两种情况下，资金流出远远多于资金流入。
也就是说，资金流向具有不连续性，在一个期货大行情来临前，必有行情萧条状况的出现，资金流以这种状态呈现周期性的变化。
1.2 资金流的深入分析1.2.1 K线数据的运用利用K线理论来研究开盘价、收盘价、最高价、最低价之间的关系。
首先找到一天的最高和最低价，垂直连成一条直线；然后找出当天的开市和收市价，把这两个价位连接成一条狭长的长方柱体。
假如当天的收市价较高于开市价（即低开高收），便以红色表示，或是在柱体留白，该柱体称为“阳线”。
若钢铁的收市价较开市价低（即高开低收），我们则以蓝色表示或在柱体上涂上黑色，即成“阴线”。
图4为提取的2011年01月01日-2013年12月31日的相关数据，制成的分组K数据线如下，截取其中一部分进行细致分析，如图5.图4图5 1.2.2分析K线数据图6图7 图8图9图6至图9分别是开盘价、收盘价、最高价、最低价与时间的关系，结合四个图形来看，可以看到，2013年与2011年及2012年相比，开盘价、收盘价、最高价、最低价都比较低，而前面分析到成交量、持仓量在在2013年这个时间段也是比较平稳的，较2011年及2012年要高一些，再结合K线图，提出疑时候，作为买家，该什么时候买进，又是该在什么时候卖出？二、模型建立2.1说明由我们交易的时间框架，该策略一般可分为日内（即当日开仓且要求当日平仓，并且仓位不能过夜）和日间两种策略，然后在实现策略的方法上分为趋势的跟踪、震荡的交易、套利的交易，还有机器的学习等。
一个优秀的策略应当从止损止盈、择时或者资金管理等角度来进行分析。
2.1.1 择时其中一种较为常用的方案就是价格突破，例如时间和价格突破，亦或是指标突破、均线突破和波动性突破等。
2.1.2 止损和止盈止损和止盈对于防止假信号和后市信号市反转中起着至关重要的作用。
而通常我们会采用固定点位的方法来达到止损止盈的目的，或者采用动态调整的方法譬如SAR抛物线止盈模式或者一段时间之后如果尚未达到止损或止盈就采用清仓的方式。
2.1.3资金的配置问题为使收益能够稳步提升，我们必须合理的配置资金。
假设胜率为99%，但是一旦输了一次就输掉了所有，即使是再好的策略也无法得到盈利目的。
如海龟策略中的单量控制，还有“金字塔式加码”、“复合头寸”等策略。
2.2建模步骤海龟模型的建立分为4步，分别是：调取并分析数据、发现规律、建立模型、模型的检测（回测报告）。
模型的建立步骤如下：2.3海龟交易海龟交易的优点：其一在于参数较少，其二是资金风险控制。
2.3.1 择时入场：唐奇安通道为了能够择时入场，海龟交易又设计了一个名叫唐奇安的通道，而当价格突破上轨时就是多头信号，相反，突破下轨就是空头信号。
资金管理和止损止盈其中，平均真实波幅ATR是止损止盈和资金管理的参考参数。
2.3.2 平均真实波幅ATR真实波幅即为下面三个值中的最大值1、当日交易中最高价和最低价的波幅2、前一交易日的收盘价与当日交易最高价的波幅3、前一交易日的收盘价与当日交易最低价的波幅用公式写就是：TrueRange=Max(High−Low,abs(High−PreClose),abs(PreClose−Low))ATR 就是TrueRange在一定周期内的平均值。
同时我们也可以采用指数平均（N值）。
2.4建仓及加仓2.4.1 建仓海龟交易中不反对加仓，但是加仓次数不能超过四次。
建仓的数量是（单位:手） Unit = 1% * Cash / ATR / coefCash是当下现金，而coef则是合约乘数，如当螺纹钢合约coef=15时，这表示一手螺纹钢合约就是15个单位的合约。
并且，其中的High是一种单位合约，然而并不是一手合约的价格。
为什么要这样建仓，目的是Unit的合约，在一天内的价格振荡中，资产变化小于或等于1%。
2.4.2 加仓和在止损如果价格达到上次建仓价盈利的r*ATR，这时候可以考虑加仓。
就是说当持仓方向为多时，价格就比上次建仓价高出r*ATR；相反，当持仓方向为空时，价格就比上次建仓价低r*ATR), 这时候就可以考虑继续加仓。
一般r取.5..一般加仓的次数也是有限制的。
最后，如过加仓相对最后一次时的买入价的亏损达到r2*ATR，这时候及要注意清空头寸了；不过在信号反转时，通常也可以采用清空原有仓位，比如在持多时，价格突破下轨。
一般r2取2.2.5代码function Turtle(len1,len2,len3,N)targetList = traderGetTargetList();HandleList = traderGetHandleList();global s;lens=60;Plimit=4;ShareNum=1;n=length(targetList);for j=1:n[time,open,high,low,close,volume,turnover,openinterest] = traderGetKData(targetList(j).Market,targetList(j).Code,'day',1, 0-lens,0,false,'FWard');%---------------------策略计算与基本逻辑---------------%if length(close)<lens+1 || volume(end)==0continue;endvalue1 = high(end-lens+1:end) - low(end-lens+1:end);% 当日最高价减去当日最低价value2 = abs(high(end-lens+1:end)-close(end-lens:end-1));% 当日最高价减去前日收盘价的绝对值value3 = abs(low(end-lens+1:end)-close(end-lens:end-1));% 当日最低价减去前日收盘价的绝对值TRlist=max(value1,max(value2,value3));ATR_len3=mean(TRlist(end-len3+1:end));% 四条轨道High_len1=max(high(end-len1:end-1));Low_len1=min(low(end-len1:end-1));High_len2=max(high(end-len2:end-1));Low_len2=min(low(end-len2:end-1))；mp=traderGetAccountPosition(HandleList,targetList(j).Market,targetList(j).Code );con1=close(end)>High_len1;con2=close(end)<Low_len1;con3=close(end)>High_len2;con4=close(end)<Low_len2;% 进场if mp==0s(j).ShareList=[];if con1OrderID=traderDirectBuy(HandleList(1),targetList(j).Market,targetList(j).Co de,ShareNum,0,'market','buy');if OrderID~=0s(j).openprice=traderOrderFilledPrice(HandleList(1),OrderID);s(j).ShareList(end+1)=ShareNum;endelseif con2OrderID=traderDirectSell(HandleList(1),targetList(j).Market,targetList(j).C ode,ShareNum,0,'market','buy');if OrderID~=0s(j).openprice=traderOrderFilledPrice(HandleList(1),OrderID);s(j).ShareList(end+1)=ShareNum;endendend% 加仓if mp>0 && Plimit>length(s(j).ShareList) &&close(end)>=( s(j).openprice+N*ATR_len3)OrderID=traderDirectBuy(HandleList(1),targetList(j).Market,targetList(j).Co de,Sh三、资金流向模型的适用性3.1资金流向资金流向是股市中的资金主动选择的方向。