常用技巧

摘要： 三角恒等变换是近年高考中的高频考点,因此深刻理解、准确掌握有关解题技巧就显得非常重要.基于此,本文通过归类剖析的方式对三角恒等变换常用技巧加以具体说明,以便帮助读者拓宽解题思路,进一步提高分析、解决此类问题的实际能力.

摘要： 教案是教师在授课前准备的教学方案,是教育者引领学生分析、探究、处理、整合知识信息的指导和组织方案,更是学生群体探求知识奥秘追求美好未来的学习策略,其出发点和落脚点均是为了学生。在大量的课堂教学实践中,广大同行发现、总结了教案编写的一些常用技巧。熟悉并适当掌握其中的_些技巧,有助于迅速提高自己的备课水平。

摘要： “角变换”是三角变换的核心,“角变换”的六种常用技巧是:互余角或互补角的转化,非特殊角向特殊角的转化,半角与倍角的转化,复角与单角的转化,结论式中的角与条件式中的角的转化,引入辅助角。下面举例分析,供大家学习与提高。

摘要： 圆锥曲线是解析几何中的重要内容之一,也是高考的热点和难点,其中的定值问题是常考的一类题型,题目通常要求根据条件证明所求结论不受任何变量的影响,恒为定值。此类题型综合性强、思维难度大、计算量大,同学们只有掌握相关的方法和技巧,才能顺利解题。本文尝试对圆锥曲线定值问题运算中的常用技巧做一些归纳整理,为这类题型的备考提供一个参考。

摘要： 高中数学问题的解法多样.同学们要想顺利解答高中数学问题,不仅要掌握基本的公式、定理、概念等,还需要熟练掌握一些解答问题的技巧.高中数学解题的技巧有很多,如换元法、代入法、配方法、线性规划法、导数法等.每种方法的特点和适用范围各不相同.本文主要探讨一下解答高中数学问题的三种常用技巧:反证法、换元法、线性规划法.一、反证法有些问题若直接求解较为困难,运算过程较为繁琐,此时我们不妨转换思维,采用间接方式,利用反证法来解题,会收到意想不到的效果.

摘要： 抽象函数问题中一般不给出具体的函数解析式,只给出一些与函数相关的条件或者特征.这无疑增加了题目的难度,很多同学在看到题目时经常出现无从下手的状况.对此,笔者总结了解答抽象函数问题的一些技巧,以帮助同学们提高解答抽象函数问题的效率.一、消元消元就是将一些抽象函数的解析式看作未知数,然后结合题意以及函数的性质,列出与原函数解析式相关的方程组,然后通过消元,便能求出所求函数的解析式.

摘要： 抽象函数是指解析式不具体,但特殊条件或者函数特征明确的函数.此类函数问题较为抽象,不少同学在解答这类问题时会不知如何入手.对此,笔者总结了解答抽象函数问题的三个常用技巧,希望对同学们的解题有所启发.一、数形结合,化抽象为具体数形结合是解答数学问题的常用方法,通过以"数"解"形"、以"形"助"数",可使抽象问题变得更加具体.函数图象往往是解题的突破口.在解答抽象函数问题时,我们可根据函数的特殊条件和特征绘制出相应的函数图象,借助图象来分析、讨论问题.

摘要： 三角函数知识作为高中数学中的重点内容,经常出现在各类试题中.解答三角函数问题的一个必不可少的步骤是进行三角恒等变换.熟练掌握一些进行三角恒等变换的技巧,有利于提高同学们解答三角函数问题的速度.一、化异为同化异为同一般适用于解答含有不同的角、函数名称、幂的三角函数的问题.

摘要： 多变量的最值问题是高中数学的常见题型,在试卷中往往是小题的把关题甚至是压轴题.这类题目对学生而言:难度大,方法活,技巧性较强.能否掌握常见方法,熟悉常用技巧,成为不少同学追求的目标.现以几类常见问题及方法,尝试帮助同学们总结技巧,归纳方法.

摘要： 本发明实施例公开了一种异常用户检测模型训练方法、异常用户审核方法及装置，包括：获取样本用户的评论数据，评论数据包括样本用户评论的视频和评论内容，从样本用户的所有评论内容中确定出目标评论内容，以通过目标评论内容获取样本用户为异常用户的概率；对评论内容进行统计以获得样本用户的评论内容的统计特征；确定样本用户评论的视频为违规视频的违规分数；将样本用户为异常用户的概率、统计特征以及违规分数作为训练样本，样本用户的标签作为样本标签来训练异常用户检测模型。实现了从评论数据中提取与异常行为具有强关联关系的高层次特征来训练异常用户检测模型，提高了异常用户检测模型预测用户为异常用户的概率的准确度。

摘要： 本发明公开了一种异常用电识别方法和异常用电识别系统，所述异常用电识别方法包括：采集历史用电数据；对所述历史用电数据进行数据压缩处理，得到压缩后的用电数据；根据所述压缩后的用电数据，利用基于密度的聚类算法，对所述历史用电数据中的异常用电进行识别，得到识别结果。本发明所提供的异常用电识别方法和异常用电识别系统，能够解决现有异常用电识别受限的问题。

摘要： 本申请公开了异常用户识别方法和用于识别异常用户的装置。该方法的一具体实施方式包括：获取多个用户的特征数据，以及基于特征数据，以无监督学习方式确定出多个用户中的异常用户；基于确定出的异常用户的特征数据，以有监督学习方式从多个特征参数中选取出用于构建分类模型的关键特征参数，以及生成包含关键特征参数的关键特征数据；利用关键特征数据构建分类模型。实现了采用无监督学习方式识别出异常用户，采用有监督学习方式基于异常用户的特征数据选取出关键特征构建分类模型，使得分类模型仅采用对识别异常用户的重要程度较高的关键特征对异常用户进行识别，避免重要程度较低的特征对识别过程的干扰，提升识别准确度和减少识别过程的开销。

摘要： 本发明提供了异常用户终端识别装置和识别异常用户终端的方法。在光线路终端（OLT）和多个光网络单元（ONU）的点对多点网络中，每个ONU都被使能仅在针对该ONU而使能的时间段中发送信号，OLT（或其中安装的系统）识别ONU中的异常ONU。对于给定的一系列时间段中的每一个，所述OLT测量在该时间段中光纤信号的光接收级别。所述OLT预先在表中与该ONU相关联地至少存储来自每个ONU的接收信号的接收水平。所述接收水平是在来自于ONU的信号被排他地接收的正常状态下测得的。对于所述给定的一系列时间段中的每一个，所述OLT确定与该时间段相关联的来自所述ONU之一的信号是否被排他地接收而未与任意其他信号发生冲突。如果与所述时间段相关联的来自ONU的信号未被排他地接收，则所述OLT基于针对所述时间段测量的光接收级别、存储在所述表中且与所述时间段和所述表相关联的ONU的存储接收级别来识别所述异常ONU。

摘要： 本发明提供了不停止正常用户装置而在点对多点网络中识别异常用户装置的技术。在光线路终端(OLT)和多个光网络单元(ONU)的点对多点网络中，每个ONU都仅能在针对该ONU而使能的时间段中发送信号，OLT识别ONU中的异常ONU。对于给定的一系列时间段中的每一个，OLT测量该时间段中光纤信号的光接收级别。OLT预先在表中与该ONU相关联地至少存储来自每个ONU的接收信号的接收水平。对于给定的一系列时间段中的每一个，OLT确定与该时间段相关联的来自ONU之一的信号是否被排他地接收而未与任意其他信号发生冲突。如果否，则OLT基于针对该时间段测量的光接收级别、存储在表中且与该时间段和该表相关联的ONU的存储接收级别来识别异常ONU。

摘要： 本发明公开了一种异常用电识别方法和异常用电识别系统，所述异常用电识别方法包括：采集历史用电数据；对所述历史用电数据进行数据压缩处理，得到压缩后的用电数据；根据所述压缩后的用电数据，利用基于密度的聚类算法，对所述历史用电数据中的异常用电进行识别，得到识别结果。本发明所提供的异常用电识别方法和异常用电识别系统，能够解决现有异常用电识别受限的问题。

摘要： 本发明实施例公开了一种异常用户检测模型训练方法、异常用户审核方法及装置，包括：获取样本用户的评论数据，评论数据包括样本用户评论的视频和评论内容，从样本用户的所有评论内容中确定出目标评论内容，以通过目标评论内容获取样本用户为异常用户的概率；对评论内容进行统计以获得样本用户的评论内容的统计特征；确定样本用户评论的视频为违规视频的违规分数；将样本用户为异常用户的概率、统计特征以及违规分数作为训练样本，样本用户的标签作为样本标签来训练异常用户检测模型。实现了从评论数据中提取与异常行为具有强关联关系的高层次特征来训练异常用户检测模型，提高了异常用户检测模型预测用户为异常用户的概率的准确度。

摘要： 本申请公开了异常用户识别方法和用于识别异常用户的装置。该方法的一具体实施方式包括：获取多个用户的特征数据，以及基于特征数据，以无监督学习方式确定出多个用户中的异常用户；基于确定出的异常用户的特征数据，以有监督学习方式从多个特征参数中选取出用于构建分类模型的关键特征参数，以及生成包含关键特征参数的关键特征数据；利用关键特征数据构建分类模型。实现了采用无监督学习方式识别出异常用户，采用有监督学习方式基于异常用户的特征数据选取出关键特征构建分类模型，使得分类模型仅采用对识别异常用户的重要程度较高的关键特征对异常用户进行识别，避免重要程度较低的特征对识别过程的干扰，提升识别准确度和减少识别过程的开销。

摘要： 本发明公布了一种针对常用网址和常用网址类别的输入方法和系统，使用首拼音字符串作为首选输入语言；能够根据方法或系统所覆盖的常用网址或/和常用网址类别的首拼音字符串来输入相应的网址或者网址类别的汉语名称；并至少同时具有如下两个特征：(1)常用导航优先，(2)首拼音优先；本发明能够使得用户即使是在手机这样的小屏幕设备上一般也可以在无需调整待选项显示、并且字符输入和选择总计不超过3次的情况下完成对常用网址和/或常用网址类比的汉语名称的输入。

摘要： 本发明提供了异常用户终端识别装置和识别异常用户终端的方法。在光线路终端（OLT）和多个光网络单元（ONU）的点对多点网络中，每个ONU都被使能仅在针对该ONU而使能的时间段中发送信号，OLT（或其中安装的系统）识别ONU中的异常ONU。对于给定的一系列时间段中的每一个，所述OLT测量在该时间段中光纤信号的光接收级别。所述OLT预先在表中与该ONU相关联地至少存储来自每个ONU的接收信号的接收水平。所述接收水平是在来自于ONU的信号被排他地接收的正常状态下测得的。对于所述给定的一系列时间段中的每一个，所述OLT确定与该时间段相关联的来自所述ONU之一的信号是否被排他地接收而未与任意其他信号发生冲突。如果与所述时间段相关联的来自ONU的信号未被排他地接收，则所述OLT基于针对所述时间段测量的光接收级别、存储在所述表中且与所述时间段和所述表相关联的ONU的存储接收级别来识别所述异常ONU。