PEAK-INSENSITIVE NON-PARAMETRIC SPECTRUM ESTIMATION

Abstract. We study the problem of non-parametric spectrum estimation of a stationary time series that might contain periodic components. In this case the periodogram ordinates have a significant amplitude at frequencies near the frequencies of the periodic components. These can be regarded as outliers in an asymptotically exponential sample. We develop a non-parametric estimator for the spectral density that is insensitive to these outliers in the frequency domain. This is done by robustifying the usual kernel estimator (smoothed periodogram) by means of M-estimation in the frequency domain. We propose to use data-tapered periodograms, which yield a drastic improvement of the procedure, typically for the contaminated situation. This is both shown theoretically and supported by means of simulation. We show consistency of the resulting estimator in the general case, and asymptotic normality in the special case of a Gaussian time series, whether contamination is present or not. Finally we illustrate the finite sample performance of the estimating procedure by some simulation results and by application to the Canadian lynx trappings data.     

基于隐马尔可夫模型的多真值发现算法

数据量的增长加大了信息获取的难度,如何从大量数据中准确获得有效信息是当前的研究热点。借鉴隐马尔可夫模型的状态转移概率,构建了基于图模型的多真值发现算法GraphTD,借助各数据源中描述的可信度转移矩阵,计算出数据值为真的概率的收敛值。同时,提出改进的初始真值的确定算法CVote,可有效提高GraphTD的正确率,避免了投票法在多真值发现中存在的诸多不足。在书籍作者数据集上的实验结果表明,基于图模型的GraphTD真值发现算法能够提高真值识别的准确率,CVote算法通过对初始真值选择的改良,可以有效提高真值发现算法的正确率。     

深度矩阵分解推荐算法

协同过滤推荐算法中的矩阵分解因其简单、易于实现,得到了广泛的应用.但是矩阵分解通过简单的线性内积建模用户和物品之间的非线性交互关系,限制了模型的表达能力.为此,He等人提出了广义矩阵分解模型,通过非线性激活函数和连接权重,将矩阵分解推广到广义矩阵分解,为模型赋予建模用户和物品间的二阶非线性交互关系的能力.但是广义矩阵分解模型是一个浅层模型,并不能很好地建模用户和物品间高阶交互关系,一定程度上可能会影响模型性能.受广义矩阵分解模型启发,提出了深度矩阵分解模型（deep matrix factorization,简称DMF）,在广义矩阵分解模型的基础上引入隐藏层,利用深层神经网络来学习用户和物品间高阶交互关系.深度矩阵分解模型不仅解决了简单内积的线性问题,同时还能够建模用户和物品间的高阶交互,具有很好的表达能力.此外,在MovieLens和Anime两个数据集上进行了大量丰富的对比实验,验证了模型的可行性和有效性;同时,通过实验确定了模型的最优参数.     

基于门控图卷积神经网络的有机化学反应预测

随着现代医药技术和计算机技术的发展,采用人工智能技术来加速药物的研发进度成为了研究热点,而对有机化学反应产物的高效预测是药物逆合成路线设计中的关键问题。针对样本数据集中化学反应类型分布不均匀的问题,提出了一种主动采样训练下的门控图卷积神经网络（ASGGCN）模型。首先,输入化学反应物的简化分子线性输入规范（SMILES）编码,通过门控图卷积神经网络（GGCN）以及注意力机制预测反应中心所在位置;然后,根据化学约束条件和候选反应中心枚举出可能的化学键组合来生成候选产物,再通过门控图卷积差分网络对候选产物进行筛选;最终,得到反应产物。门控图卷积神经网络拥有三个权重参数矩阵并通过门控对信息加以融合,与传统的图卷积神经网络相比,它能获取更加丰富的原子隐藏特征信息。通过主动采样的方式进行训练,使得该模型能够兼顾较差样本和普通样本的分析能力。实验结果表明,所提模型对化学反应产物的Top-1预测准确率可达87.2%,对比Weisfeiler-Lehman差分网络（WLDN）模型提高了1.6个百分点,可见模型能够更准确地预测有机化学反应产物。     

基于密文策略属性加密的云存储访问控制方案

针对现有方案存在的访问策略公开、密文存储开销较大的问题,提出一种支持策略隐藏且固定长度密文的云存储访问控制方案,并在安全模型下证明方案可抵抗选择明文攻击。方案中用户私钥由多个授权机构共同生成,中央授权机构不参与生成任何主密钥与属性私钥;访问结构隐藏在密文之中,恶意用户无法通过访问结构获取敏感信息。此外,方案实现了固定密文长度,并且加密时的指数运算和解密时的双线性对运算次数均是固定值。最后,理论分析和实验结果表明该方案在密文长度和加解密时间上都明显优于对比方案。     

出版业上市公司治理结构与经营业绩关联性研究

选取国内12家出版业上市公司为对象,运用多元线性回归方法构建公司治理结构评价模型,基于2011-2014年的横截面和时间序列数据实证研究了公司治理结构对经营业绩的影响。结果发现,我国出版业上市公司治理结构不完善,治理水平较低,未能完全建立现代企业治理体制,整体绩效表现不理想,财务杠杆过低,可持续增长能力缺乏。在深入剖析出版业上市公司治理中存在的问题和薄弱环节的基础上,从规范公司制度、构建职业经理人市场、优化股权结构、构建科学的股权激励机制、提升财务杠杆作用和产业升级等方面提出了促进出版业上市公司发展的政策建议。     

国家治理现代化与人本主义刑法观

从推进国家治理现代化的视角考察,刑法不是管控社会而是治理社会的手段。应转变刑法观,以人为本,树立人本主义刑法观。要正确认识犯罪,侧重刑法的价值理性,尊重和保护犯罪人的人权;透视复杂的人性,构造刑法理论;把握刑罚发展趋势,提倡人权防卫的刑罚理念。     

对构建国际流域治理体系的思考：以澜沧江-湄公河为例

由于“湄公河治理”是一个自主运作却又开放的组织集合,这种集合不仅仅是主权国、更是各类型组织组成的,因此它的治理直接面临着两个“根本性的难题”,即国际流域治理碎片化与各成员参与合作的约束与激励问题。因此如果单独采取科层制、市场机制或网络机制来协调澜沧江—湄公河治理中的矛盾都可能导致“囚徒困境”。根据西方各国经验并结合各流域国的国情,“澜沧江—湄公河治理”应着力于“整体性安排”,基本包括：完善合作的组织机构及机制、改善中国参与澜沧江—湄公河治理的方式、流域政府的政绩评价、流域生态补偿与政府间平权机制、多中心的混合制治理制度。     

一种情感极性感知的信任模型

针对在线评论中文字评论和等级评价不一致的问题,提出基于情感极性分析的综合评价生成算法,并依据隐马尔可夫模型(Hidden Markov Model,HMM)构建了信任计算模型,将按时间排序的综合评价作为观测序列用于寻找最优的信任状态序列,把实体处于最可信状态的概率作为其可信度.该模型不仅提高了信任计算的准确性,还体现了信任的动态性.仿真实验验证了所提模型的有效性.     

Wonderful events automatic detection and location of the HCRF and webcast text

Based on the powerful function of the hidden conditional random fields (HCRF) model in the expression and identification of semantic events and combining the webcast text information, a new framework for wonderful events automatic detection is put forward. Firstly, by analyzing and processing the webcast text, keyword combinations corresponding to each exciting event are obtained. Secondly, by classifying the webcast text to be detected, the happening time labels of each wonderful event are obtained. Thirdly, an HCRF model for semantic shot annotation is built to realize the semantic annotation of multiple types of semantic shots simultaneously, and the semantic shot sequence of the video clip is obtained. Finally, combining the multi-modal semantic clues, an HCRF model for the wonderful events detection and localization is effectively built in the case of small-scale training samples. Based on the mapping relationship among video low-level features, the multi-modal semantic clues and the wonderful semantic events, the inherent patterns of the wonderful events are excavated deeply in the multiple dimensions of the semantic structure, and then the wonderful events automatic detection, localization and segmentation are precisely achieved. Experiments show the effectiveness of this model.