超短期汇率的预测研究

提出了一种适合超短期汇率预测的模型方法。实验数据通过网络获取,模型采用的是相空间重构与卡尔曼滤波计算的方法来对超短期汇率数据进行建模和预测，并与BP神经网络模型进行了比较。实验结果表明,所建立的模型方法能很好地跟踪即时汇率变化趋势,预测精度比较高，且算法运行速度比BP神经网络模型快得多。最后，给出了在.NET环境下实现了汇率在线预测的全部过程。     

基于离群特征模式的股市波动预测模型

由于股票价格波动具有较强的突变性且易受外界因素影响,导致股票价格走势难以预测。提出基于离群特征模式的股市波动预测模型(SFSVM)。该算法首先利用马尔可夫毯选取目标结点的局部网络结构,以屏蔽其他结点对目标结点的影响;对目标结点的指标进行分析,提取异于一般行为的离群特征模式;利用滑动窗口捕捉离群特征,将离群特征模式作为先验知识加入原SVM模型,预测尖峰点并平滑尖峰点对于预测结果的影响,提高预测模型的稳健性。在股票板块数据上进行实验结果证明,SFSVM算法相对于神经网络和标准的SVM算法,在股票的走势预测方面有更好的预测效果。     

关于优化人民币汇率预测仿真研究

研究人民币汇率进行预测是金融市场研究领域一个重要的课题。为了更精确地预测人民币汇率,提出了基于遗传算法优化支持向量机（GA-SVM）的人民币汇率预测方法,GA-SVM中采用遗传算法优化SVM参数,以获得较优的SVM预测模型。并以2008.9.2-2009.1.31人民币对美元的工作日的日汇率数据进行仿真分析。结果表明,在人民币汇率预测中,GA-SVM结合预测法有着更高的预测精度,为掌握汇率变化提供可靠的依据。     

一种自组织混合模型在汇率波动性预测中的应用

汇率波动性的预测一直以来是研究金融市场者关注的焦点之一,本文拓展了一种基于自组织神经网络技术的,用于预测非平稳汇率波动性的自组织混合模型(SOMAR).SOMAR突破了传统模型对平稳性的假设,变全局建模为局部建模,使得全局非平稳数据变成局部平稳数据.同时,它也是一种基于神经元网络技术的非参数回归模型,结合传统回归模型的简易性和神经元网络算法的灵活性,拓展模型(ESOMAR)提高了对数据异构的适应性.在对汇率波动性的预测实验中,ESOMAR体现出优于传统回归模型和一些基于其它神经元网络模型的效果,并证明了它在预测金融数据方面所具有的价值.     

改进的灰色系统理论在汇率预测中的应用

研究汇率预测精度问题,汇率的变化受到政治、经济、物价和国民收入等多因素影响,存在非线性系统特征,波动性大.传统线性的预测方法预测精度和准确度低.为了解决以上问题,提出了一种改进的灰色系统理论汇率预测算法,根据灰色理论预测,首先建立了外汇汇率预测的GM(1,1)预测模型,同时并在此基础上建立改进的灾变灰色预测与回归预测的...     

基于消息的汇率趋势预测的数据挖掘方法

在目前,汇率预测的方法一般采用人工神经网络和贝叶斯估计方法,但这些方法一般都是基于汇率数据本身进行的。然而汇率的变动实际上是由政治、经济、心理等因素造成的。因此,利用这些新闻消息应该更具有可行性。该文讨论了如何根据新闻消息利用贝叶斯网络来进行汇率的趋势预测,分析了如何才能改进预测精度。同时还实现了一个寻找全局最优贝叶斯网络的选择算法。     

基于序列分解的复杂系统的时序预测方法

现实中的时序数据，往往取自于复杂系统，表现出长记忆效应与短时不规则波动同时并存。传统的时序数据的分析和预测方法一般对不同层次的影响不加以区分，而是为其建立一个统一的模型，这使得在对复杂系统建模时需要用大量的参数予以表征，影响预测效率与精度。为此采用新的方法，将序列数据本身进行多平滑因子分解，对分解后的序列进行多尺度的采样并分别建模、预测，最后将结果整合。该方法应用于股票的实验表明，即使对起伏波动很大的时间序列，也能够得到较好的预测结果。     

基于神经网络的汇率预测

神经网络在理论上具有无限的函数逼近能力。它在预测领域可以取得很好的效果。利用神经网络的数值逼近与记忆功能，根据汇率历史观测数值，可以识别出汇率序列的内在模式。本文首先说明了利用神经网络进行汇率预测的原理和方法。然后着重探讨了神经网络汇率预测的重要步骤。最后根据不同的衡量指标对测试结果进行了分析。     

基于径向基神经网络的人民币汇率预测

准确预测汇率对经济发展的各方面都有着重要影响。首先说明了径向基神经网络运作的基本原理,探讨了径向基神经网络汇率预测的重要步骤。接着利用径向基神经网络的数值逼近与记忆功能,根据汇率历史观测数值,对人民币的汇率的行为进行预测。实验结果表明,将径向基神经网络用于人民币的预测是可行的和有效的。     

Bayes网络在汇率趋势预测中的应用

根据汇率变化特点，设计了一个用贝叶斯网络方法建立的基于消息的汇率预测模型和算法，在实际应用中得到了较高的预测准确度。     

On higher‐order truncated predictor feedback for linear systems with input delay

This paper is concerned with the problem of stabilizing a linear system with input delay. Motivated by the first‐order truncated predictor feedback (TPF) approach recently developed by the authors, a general higher‐order TPF controller that contains higher‐order terms of the nominal feedback gains is proposed. It is shown that this higher‐order TPF can also globally and semi‐globally stabilize the concerned time‐delay systems in the absence and in the presence of input saturation, respectively. Safe implementation via numerical approximation of this higher‐order TPF is also established. However, in spite of the fact that the higher‐order TPF utilizes more information of the state, numerical examples have demonstrated that the first‐order TPF outperforms the higher‐order TPF, indicating that the intuition of higher‐order approximation leading to better results is incorrect in this case.Copyright © 2013 John Wiley & Sons, Ltd.     

牵引变电所所用变压器二次侧故障分析

通过对牵引变电所所用变压器实测数据的分析,其结果表明电压高次谐波含量超标。本文从高次谐波的集肤效应、热损耗、高频谐振等多方面对所用变压器二次侧设备故障进行分析,提出使用高通滤波器来滤除高次谐波的措施,以消除高次谐波对二次侧设备的影响,并通过仿真对滤波效果进行了验证。     

基于MATLAB的高等代数课程实验教学探讨

结合高等代数的课程特点与数学软件Matlab的功能特点,论述了在高等代数教学中用数学软件Matlab做实验的必要性.提出高等代数的数学实验内容应以代数思想为核心,用代数结构整体把握实验内容,突出矩阵代数、矩阵标准形的应用特征,此设计理念有利于学生理解和掌握高等代数的理论体系和思想方法,激发学习兴趣,提高学习效率.     

行动导向教学法在高职程序设计类课程中的应用

应用行动导向教学法对ASP.NET技术课程进行了工作过程系统化的开发,目的在于更好地寻找或改良适合高职学生学习心理、高职青年教师容易执行的高职程序设计类课程行动导向模式的教学法.     

基于hash函数的一次群签名模型

针对基于大整数的素数分解和离散对数问题的传统数字签名不能抵抗量子时代量子计算的攻击问题,提出一种基于hash函数的一次群签名模型。该模型基于hash函数的单向性,由hash运算完成密钥生成、签名和验证,获得了更高的效率,并且可有效抵抗量子时代量子计算的攻击。通过实验,对签名模型进行验证,效率比ECC(密钥长度为224)高21倍,可达RSA-2048的102倍。     

高职计算机公共课课程群建设的研究与实践

高等职业教育区别于本科教育,高职计算机公共课课程教学改革是各高职院校面临的重要问题。文章提出了基于工作过程构建课程群的开发步骤,给出了计算机公共课课程群的构建方法和层次教学方案,搭建了具有高职专业特色的计算机公共课动态课程体系。     

Higher order operator splitting methods via Zassenhaus product formula: Theory and applications

In this paper, we contribute higher order operator splitting methods improved by Zassenhaus product. We apply the contribution to classical and iterative splitting methods. The underlying analysis to obtain higher order operator splitting methods is presented. While applying the methods to partial differential equations, the benefits of balancing time and spatial scales are discussed to accelerate the methods.The verification of the improved splitting methods are done with numerical examples. An individual handling of each operator with adapted standard higher order time-integrators is discussed. Finally, we conclude the higher order operator splitting methods.     

应用于地物识别的改进轮转森林算法

针对数量激增、数据类型复杂的遥感影像,准确和具有普适性的分类是亟待解决的问题。提出一种轮转径向基函数神经网络模型应用于遥感影像的处理方法。通过对输入数据的特征变换,使特征总集变为多个子特征集,依据PCA(主成分分析)变换处理这些新的子特征集,将得到的系数用于改变训练样本,增加基分类器之间的差异度,提高分类精度。以扎龙湿地为研究对象将该算法与其他方法比较,结果显示本文方法能得到更准确的分类结果,而且具有较高的泛化精度以及较小的过学习现象。     

基于网格的高等教育评估系统研究*

应用模糊数学、网格、神经网络等技术,结合高等教育评估指标体系,提出一种基于网格的高等教育计算机模糊评估的设计方案.该方案采用了多策略方法确定指标权重,并用模糊神经网络技术确定评估矩阵;在此基础上对高等教育进行综合评估,以实现对高等教育的评估更加快捷、方便、准确.     

Higher order dataflow schemas

This paper describes dataflow schemas which include higher order objects as the input data of processing nodes. It is demonstrated that higher order dataflow can be described by constructive propositional logic. Rules for safe computations on higher order dataflow schemas are presented and their implementation in hardware is discussed.