基于动态递归神经网络模型的混沌时间序列预测

提出了一种动态递归神经网络模型进行混沌时间序列预测,以最佳延迟时间为间隔的最小嵌入维数作为递归神经网络的输入维数,并按预测相点步进动态递归的生成训练数据,利用混沌特性处理样本及优化网络结构,用递归神经网络映射混沌相空间相点演化的非线性关系,提高了预测精度和稳定性。将该模型应用于Lorenz系统数据仿真以及沪市股票综合指数预测,其结果与已有网络模型预测的结果相比较,精度有很大提高。因此,证明了该预测模型在实际混沌时间序列预测领域的有效性和实用性。     

基于定量递归联合熵特征重构的缓冲区流量预测算法

对网络基站缓冲区的短时网络流量的准确预测是缓解和控制拥堵的关键.基站缓冲区的短时网络流量时间序列具有非线性混沌特征,其自相关特性较弱,而传统方法采用线性时间序列分析方法没能有效挖掘流量序列的非线性特征信息,流量序列预测性能不好.提出了一种基于非线性时间序列分析的定量递归联合熵特征重构网络基站缓冲区的短时网络流量预测算法,该算法提取流量序列的定量递归联合熵特征,并对特征序列进行相空间重构;把网络流量信号模型进行高维映射,在高维相空间对短时网络流量序列进行定量递归分析;采用自相关特征奇异分解对流量序列进行聚合后的线性叠加,采用平均互信息算法和虚假最近邻点算法计算最佳时延参数和最小嵌入维;进行插值拟合形成时频分析特征分流控制,实现对网络流量的预测.仿真结果表明,该算法预测精度较高,稳定性较好,预测偏差较传统方法低,具有较好的应用价值.     

基于无阈值递归图和深度残差网络的脑电信号情感识别

提出基于无阈值递归图和深度残差网络相结合的脑电信号情感识别方法。基于非线性动力学理论,将脑电信号转化为无阈值递归图,克服了传统递归图分析中阈值选取的问题,同时脑电信号非线性特征被映射到二维平面。通过深度残差网络实现特征图非线性特征的自动提取,建立情感脑电分类模型,实现了单导联脑电信号情感识别。为进一步提高识别精度,联合四个单导联识别结果,采用“投票法”完成多导联脑电信号情感状态的联合识别。仿真结果表明,对Fp1、Fp2、F3、F4单导联脑电信号情感识别,平均准确率分别为93.82%、93.62%、94.54%、92.92%;多导联平均准确率为94.95%,提高了识别的准确率,具有很大的实用价值。     

基于最大信息挖掘广域学习系统的混沌时间序列预测

为了进一步挖掘混沌系统的演化信息，提升预测精度，减少训练时间，提出一种基于最大信息挖掘广域学习系统的混沌时间序列预测模型。为了有效地捕捉混沌系统的线性信息，引入一种改进的漏积分器动态储层，不仅可以获取系统当前状态的信息，而且可以兼顾历史状态信息。通过非线性随机映射将特征映射到增强层从而充分挖掘非线性信息。引入层叠机制促进了动态建模中信息的传播，实现了特征的再激活。在四个大规模数据集上的实验结果表明，提出的方法具有更好的预测精度和更少的计算代价，验证了该方法可以在大规模动态系统建模中获得更好的预测结果。     

基于核方法的非线性时间序列预测建模

提出了一种基于核的非线性时间序列预测建模方法。对非线性时间序列的相空间进行重构以确定其嵌入维数,并提出一种基于核主成分分析的非线性时间序列相空间重构方法,针对时间序列的时序特征,采用一种加权的支持向量回归模型对时间序列预测建模。在不同基准数据集上的实验结果表明,与通常的基于普通支持向量回归的建模方法相比,该文所提出的预测建模方法具有较高的精度,说明所提方法对非线性时间序列的预测建模是有效的。     

水平油水两相流测井仪器测量通道内流型识别

水平井产出剖面测井中集流型仪器内油水两相流流型通常呈复杂多态性,正确认识流型演化规律有助于井下流量测量精度提高．在油水两相流流动环路中采集电导及电容传感器波动信号的基础上,基于非线性时间序列递归图纹理分析方法,对集流型仪器内油水两相流流型特征进行了表征,研究发现：在不同流量及含水率下,递归图纹理特征与流型之间具有较好的对应关系,可通过递归图纹理特征有效识别水平油水两相流流型．     

基于门控递归神经网络的电网日峰值负荷预测

日峰值负荷作为非线性、非平稳且波动的时间序列,难以准确预测。提出了一种结合动态时间规整（DTW）的门控递归神经网络（GRNN）用于准确预测日峰值负荷。利用DTW距离用于匹配最相似的负荷曲线,可以捕捉负荷变化趋势。采用热编码方案对离散变量进行编码,扩展其特征从而表征对负荷曲线的影响。提出了一种基于DTW的门控递归单元（DTW-GRU）算法用于日峰值负荷预测,并在欧洲智能技术网络（EUNITE）数据集上进行了测试。仿真结果表明,与其他算法相比,该算法的MAPE仅为1.01%。     

非线性时间序列混沌特性分析及短期预测

为提高非线性时间序列预测的准确性和可靠性,采用基于混沌理论的方法对时间序列进行分析和预测.在研究关联维数和最大Lyapunov指数算法基础上,利用关联维数和最大Lyapunov指数判定时间序列的混沌特性,根据混沌特性参数建立预测模型,并对非线性时间序列进行预测.以上海证券交易所股票价格指数时间序列为实例验证预测模型,研究结果表明,基于混沌特性参数建立的预测模型具有较好的预测能力和预测精度,证明用该方法预测非线性时间序列具有可行性.     

基于混沌神经网络的股票分析及其预测

混沌动力学理论提供了证券市场中股价波动的一种分析方法.为了考察中国证券市场的价格是否存在混沌行为,以1990.12.19到2008.4.24的上海证券市场每天的收盘数据,分析了价格波动的非线性特征,通过重构相空间方法重构了1990年到2008年上证指数时问序列的奇怪吸引子,计算其关联维数,并求出其Lyapunov指数为正.从而确认了上证指数时间序列的混沌行为.神经网络是一个非线性系统,通过学习,可以实现非线性函数逼近,从而能更好地实现股票的走向预测.     

基于拓扑非线性动态建模的神经退行性疾病异常步态识别

通过对步态节律变化的观察,可以实现对人体复杂系统的观测,在行走过程中,步幅间隔时间序列的动态特性,能有效反映人体系统的状态变化,可用于步态异常检测及相关疾病辨识。人体步态传感信息的时间序列相空间重建,是一种有效表征系统非线性动力学特性的建模方法。相空间的几何建模和统计分析,是异常步态识别典型的分析方法,被广泛应用于神经退行性疾病检测等临床研究中。该文从空间拓扑特性分析的角度出发,提出一种基于拓扑非线性动态建模的分析方法,用于神经退行性疾病的异常步态识别。该文首先采用延时嵌入的相空间重构方法,将步态的波动时间序列转化为抽象相空间的状态点云;其次,采用基于计算拓扑中的持续同调工具,提取状态点云所在空间的拓扑描述信息;再次,采用基于拓扑描述的持续态势图,构建时间序列的拓扑非线性动态特征;最后,融合步态周期中左右足的步幅间隔、站立间隔、摆动间隔时间序列的拓扑非线性动态特征,作为分类器输入,构建出异常步态的机器学习识别模型。对患有肌硬化症、亨廷顿病和帕金森病的神经退行性疾病患者,进行 5 min 异常步态的连续行走数据(50 步滑动窗数据)测试,步态识别的准确率分别为 0.875 0(0.914 6)、0.940 6(0.962 3) 和 0.958 3(0.961 4)。因此,拓扑非线性动态建模分析是一种有效的神经退行性疾病异常步态检测方法,为基于步态分析的神经退行性疾病检测和可穿戴数据分析提供了一种新的思路。     

一类金融市场模型的混沌控制

针对一类非线性金融市场模型,研究了其Hope分岔条件,在此基础上对系统的混沌行为进行了控制。首先利用谐波平衡法和分岔理论获得了系统Hope分岔的充分条件,然后采用周期激励法和恒定外激励法,将系统的混沌行为有效控制到稳定的周期轨道,并与金融市场相结合,说明混沌的产生与金融危机之间的关系,并由此得出为了防止金融危机的爆发,应该采取的相应的措施,并给出了相应的仿真。     

基于DTW和改进匈牙利算法的句子语义相似度研究

句子语义相似度的研究在自然语言处理等领域发挥着重要的作用.针对现有汉语句子相似度研究中存在的语义特征难以分析以及语序影响的问题,提出了一种基于DTW和匈牙利算法相结合的语义句子相似度处理模型.模型首先使用Word2vec深度学习模型训练百度新闻语料,得到200维的包含语义特征的词向量词典,并建立词向量空间,根据词向量组...     

关联规则的相似性度量与聚类研究

由于进行关联规则挖掘过程中会产生大量规则,给关联规则的后期分析与利用带来了巨大障碍.针对关联规则的特点,提出了一种新的规则相似性度量方法,通过相似性度量方法推出新的规则距离度量方法,运用系统聚类中的类平均法进行聚类.实验结果表明,该距离度量方法考虑了关联规则的整体信息,依据聚类谱系图和规则散点图,确定了类和类的个数,有利于规则的分类处理.     

Global analyses of crisis and stochastic bifurcation in the hardening Helmholtz-Duffing oscillator

Crisis and stochastic bifurcation of the hardening Helmholtz-Duffing oscillator are studied by means of the generalized cell mapping method using digraph.For the system subject to a single deterministic harmonic excitation,our study reveals that a series of crisis phenomena can occur when the system parameter passes through different critical values,including chaotic boundary crisis,regular boundary crisis and interior crisis.A chaotic boundary crisis due to the collision of regular attractor with chaotic s...     

试论金融海啸后我国工业设计发展

工业设计在企业市场竞争中扮演重要角色。本文从金融海啸对各行业预期影响不同出发,分析了金融海啸给我国工业设计发展带来机遇,就金融海啸后我国工业设计发展基本思路与战略对策进行了探讨,得出结论在金融海啸之后我国工业设计将得到发展。     

Non-linear analysis of EEG signals at various sleep stages

Application of non-linear dynamics methods to the physiological sciences demonstrated that non-linear models are useful for understanding complex physiological phenomena such as abrupt transitions and chaotic behavior. Sleep stages and sustained fluctuations of autonomic functions such as temperature, blood pressure, electroencephalogram (EEG), etc., can be described as a chaotic process. The EEG signals are highly subjective and the information about the various states may appear at random in the time scale. Therefore, EEG signal parameters, extracted and analyzed using computers, are highly useful in diagnostics. The sleep data analysis is carried out using non-linear parameters: correlation dimension, fractal dimension, largest Lyapunov entropy, approximate entropy, Hurst exponent, phase space plot and recurrence plots. These non-linear parameters quantify the cortical function at different sleep stages and the results are tabulated.     

高次logistic映射的混沌运动

logistic映射具有简单的形式,但却有复杂的动力学性质.构造了一种高次logistic映射,对这类映射的动力学特性做了研究.通过稳定性分析,得到了定点的稳定条件.数值迭代发现,此类映射都具有相似的稳定定点经倍周期分岔进入混沌的道路,反映了典型的Feigenbaum途径.当参数超过某个临界值时存在混沌吸引子的突然消失和突然膨胀,分别称为边界激变和内部激变.特别的当参数取一定值时会出现一种内部激变,使得混沌吸引子突然增大并且关于x轴对称,这是logistic映射所没有的.分析高次logistic映射中的这种激变对动力学的研究具有一定的意义.     

基于语义树的中文词语相似度计算与分析

词语相似度的分析与计算是自然语言处理关键技术之一,对句法分析、机器翻译、信息检索等能提供很好的帮助。基于语义资源Hownet的中文词语相似度计算是近年来的研究热点,但大多数的研究都是对中国科学院计算技术研究所刘群提出的计算方法的改进和完善。该文充分分析和利用新版Hownet(2007)的概念架构和语义多维表达形式,从概念的主类义原、主类义原框架以及概念特性描述三个方面综合分析词语相似度,并在计算中区分语义特征相似度和句法特征相似度。实验结果理想,与人的直观判断基本一致。     

基于LDA主题模型的中医药方剂相似度计算

评价中医药方剂的相似度的常用方法是基于方剂的功效和主治功能进行相似度分析,但存在相似度无法定量化的问题,并且没有考虑中医方剂组成成分的影响。提出了利用LDA主题模型发掘“方剂-证型-组成成分”的隐含关系的方法,将“方剂-组成成分”转化成“方剂-证型”和“证型-组成成分”两个概率分布,并利用KL散度距离来计算相似度。实验结果表明基于LDA主题模型的方法能够更好地计算方剂间的相似度,并且能较好地反映中医辩证论治。