鞅在学习样本选择中的应用

样本训练集的选取对网络分类精度及泛化能力有很大影响,同样对回归分析中的两难问题“偏差-方差”影响很大。经典的简单抽样理论在现实中很难做到,数据之间关系受到噪音以及领域知识的限制而显得很复杂,尤其是离群点的影响不能忽视。故而有限样本集中学习,如何获得最优结果不仅与算法有关,且与样本集的选取有关。文章首先从学习的数学理论出发阐明样本训练集的选取方法必要性,进而提出样本选择的鞅性要求与样本训练集中的离群点定义,最后提出在无监督学习中,混合密度分布有限样本集且样本类别数不知情形下的聚类与离群点判别算法,试验结果表明该算法的可行性与有效性。     

一种基于二项编码的改进设计

相位编码信号具有较强的似噪声性和良好的低截获概率特性.二相编码信号由于其技术简单、成熟成为常用的脉压雷达信号.在现实中已知的最长巴克码有长度13位,这对应用有很大的限制.长度为N的二项编码在实际中是非常有用的.本文介绍了一种设计长二元相代码(长度N)的方法,并显示其所产生的数字相关性.例如长度N=4096,峰值旁瓣PSL=-35.6dB在实际中非常有用.     

带技术投资的保险公司最优策略

本文站在保险公司的角度,假定1)保险公司采用连续比例再保险的方式将自身的部分风险转移到再保险公司,2)保险公司可以选择在某一时刻进行项目投资,该投资不直接产生收益,但可以降低公司所面临的风险.本文的目标是通过选择最佳投资时刻和最优再保险比例来最小化破产概率.运用混合随机决策–最优停时方法,本文求解出破产概率和最优再保险策略的显式表达式以及最佳投资时刻的半显式解.作为本文结果的一个应用,本文以数值模拟的方式揭示了投资效果,投资金额和最佳投资时刻3者之间的关系:1)投资总是可以降低破产概率;2)投资效果越明显,投资所需金额越小,则应该选择尽早投资;反之则应该推迟投资时间,等积累到足够的资金再进行投资.     

关于鞅超收敛定理与遗忘因子最小二乘算法的收敛性分析

鞅超收敛定理是研究随机时变系统辨识算法有界收敛性的一个有效数学工具,它是鞅收益是在随机时变系统中的推广。文「１」用它证明了遗忘因子最小二乘算法参数估计误差的有界收敛性,但是文「１」假设系统的理各态遍历的,且协方差阵是用它的数学期望代替的,所得到的结果是近似的。而本文精确地给出了协方差阵的上下界,改进了文「１」的结果。     

引入评分偏置的二项矩阵分解推荐算法

针对推荐系统中的评分预测问题,在矩阵分解的基础上实现了一种修正的二项矩阵分解算法。假设用户对物品的评分基于二项分布,由于用户的评分习惯存在差异,物品的受欢迎程度也存在差异,导致用户—物品评分矩阵存在偏置量。通过引入偏置量对矩阵分解和评分预测进行修正,采用最大后验估计建模,并通过随机梯度下降算法优化模型。实验结果表明,在MovieLens 100K数据集上,引入评分偏置的二项矩阵分解算法在推荐精度、离线计算时间等方面均优于传统的二项矩阵分解算法。     

基于FP-增长算法的复合项关联规则挖掘

文章基于FP-增长算法提出了一种新的挖掘复合项关联规则的算法。实验证明,该算法具有良好的可伸缩性和很高的运行效率,解决了复合项关联规则挖掘在实际应用中的效率瓶颈问题,适用于实际的大型数据库。     

分数Brown运动扰动风险模型的破产概率模拟计算

分数Brown运动具有长程相依性,且已被应用于风险理论研究。考虑到现实中保险公司盈余过程序列具有长程相依性,建立分数Brown运动扰动风险模型来刻画盈余过程序列,并对有限时破产概率进行了Monte-Carlo模拟计算。结合Cholesky分解方法模拟分数Brown运动样本轨道;提出一种有效的数值模拟算法对有限时破产概率进行了模拟计算,并通过数值算例研究了Hurst指数和波动系数对破产概率的影响;结合中国太平洋财产保险股份有限公司在2008-2017年间的数据进行实证分析,从而根据有限时破产概率的数值模拟结果分析保险公司的运营状况。     

轻轨项目分项工程投资风险评价模型设计——基于BP神经网络的投资风险分析

以津滨轻轨一期工程的问卷调研数据为基础结合该工程及其它相似工程的投资统计数据,估计了各分项工程成本超支百分比分布及其特定风险因素诱发的成本超支百分比分布,利用BP神经网络原理,以路基工程为例构建了分项工程的投资风险BP神经网络评估种子模型,为二期工程及其它欲建的城市轨道工程的投资风险评估提供了有效的定量评估依据,为样本扩充后成熟评估模型的构建提供了升级模板。     

支持复合事件的模型及其在中间件中的应用

介绍了COM的可连接对象技术和对复合事件的识别过程,给出了在可连接对象技术基础上进行改进和扩展的EFL事件模型,并且在其中加入了对复合事件的支持,此外还阐述了利用XML对事件进行表述的方法。介绍了基于EFL构件模型的反射式中间件PURPLE,并着重说明了EFL事件机制在PURPLE环境监测和自适应过程中的应用。     

轻轨项目分项工程投资风险评价模型设计 ——基于BP神经网络的投资风险分析

以津滨轻轨一期工程的问卷调研数据为基础结合该工程及其它相似工程的投资统计数据,估计了各分项工程成本超支百分比分布及其特定风险因素诱发的成本超支百分比分布,利用BP神经网络原理,以路基工程为例构建了分项工程的投资风险BP神经网络评估种子模型,为二期工程及其它欲建的城市轨道工程的投资风险评估提供了有效的定量评估依据,为样本扩充后成熟评估模型的构建提供了升级模板。     

基于滑动窗口的几何移动平均鞅算法在震前异常分析中的应用

在地震发生前往往存在各种异常现象,而如何有效地提取震前异常信息是非常重要的研究课题。采用一种基于滑动窗口的几何移动平均鞅算法来进行震前异常特征提取。该算法将地震数据进行几何移动平均鞅处理和滑动窗口特征抽取后,能够有效地提取地震震前异常数据的特征。利用该算法对汶川地震和庐山地震震前的美国国家海洋和大气管理局(NOAA)卫星长波辐射信息进行了分析。实验结果表明该算法能够发现震中区域比周边区域存在更明显的异常,这些异常信号可以辅助研究人员在震前确定地震区域。     

带反方向视角和二项交叉的布谷鸟搜索算法

布谷鸟搜索算法是一种新兴的自然仿生优化技术,其借用Lévy Flights随机走动和Biased随机走动搜索新的解。在Lévy Flights随机走动中,所有个体以当前种群获得的最优解为导向进行搜索,这容易导致种群趋同于该最优解。针对此问题,引入反方向视角使种群基于一定概率反向搜索,以避免趋同于当前最优解,并提出带反方向视角和二项式交叉的布谷鸟搜索算法。在提出的算法中,借用二项交叉操作以提高Biased随机走动的搜索能力。与标准的布谷鸟搜索算法对比,实验结果说明提出的策略能够有效地改善布谷鸟搜索算法求解连续函数优化问题的收敛速度和解的质量。与其他改进的布谷鸟搜索算法以及其他进化算法对比,实验结果说明提出的算法在求解连续函数优化问题上具有一定的竞争力。     

基于最小二乘法原理的趋势项处理研究

在复合材料成型过程中,经常会出现各种缺陷,如裂纹、掺杂、气泡等,这些缺陷对复合材料的性能影响很大.经常利用x射线对复合材料进行内部缺陷检测,而构件中趋势项的存在,降低图像的对比度,影响材料内部缺陷检测的效果,因而非常有必要将其去除.本文分析了趋势项产生的原因以及对检测的影响,研究了最小二乘拟合趋势项的方法,提出了基于误差统计分析的方法来选择拟合阶数.实验证明了该方法的有效性以及可行性.     

二维云模型及其在预测中的应用

本文一维正态云的基础上，进一步提出了二维正态的思想，给出了描述二维云的数字特征和二维云的数学模型，探讨了二维云发生器的构成方法和应用前景，尤其是在基于数据库的知识发现方面，在定性和定量相结合的基础上，为进行多种预测，融随机性与模糊性为一体，表达不确定性，提供更系统，更高层的工具。     

基于生成函数的二项树堆枚举计数公式推导

通过对二项堆性质的深入研究,证明最大值堆的枚举计数递推公式适用于二项树堆(遵循堆性质的二项树)。由二项树堆的枚举计数递推公式计算出的枚举数目能组成枚举值数列。把枚举值数列表示成生成函数,并根据生成函数的求和、微分、积分等运算将枚举值数列的生成函数化简为幂级数形式,进而对二项树堆的枚举计数递推公式进行化简,得到二项树堆的枚举计数公式。据此可直接计算出二项树堆的枚举总数目。经过实验验证,与递推计算二项树堆枚举总数目的方法相比,该方法的计算效率更高。     

依赖项重写系统及其在程序设计语言中的应用

面重写系统是一种简洁通用的计算模型，在许多领域中有着重要的应用。     

基于LSTM的光纤复合架空相线分布式应力监测模型研究

本文针对输电架空线路在线监测问题,提出了一种基于LSTM算法的光纤复合架空相线分布式应力检测方法。该方法利用光纤复合架空相线中的通讯光纤,通过刻录光纤光栅,使其具备传感能力,将分布式应力监测问题转化为模型回归问题。同时考虑到光纤传感器的线性分布特点,利用LSTM进行特征学习,训练得到分布式应力传感监测模型。经实验论证,该模型能够很好地实现对导线的分布式应力检测,其均方根误差为1.023,对应应力大小的检测结果平均检测误差为2.032N,应力位置的平均检测误差为1.41mm。相较于基于ELM、SVM方法的检测结果,本方法有一定提升,为光纤复合架空相线分布式应力监测提供了新思路。     

最小风险贝叶斯决策的二值化人脸识别算法

提出了一种最小风险贝叶斯决策的二值化人脸识别算法,该算法通过设定图像灰度级的阈值对图像进行二值化,统计其出现的频率,计算其类条件概率密度,根据图像的相似性估计其损失函数,利用贝叶斯公式求最小风险,最后根据最小风险判断其所属类别。该方法克服了传统贝叶斯方法难求类内和类间协方差矩阵的缺点,简单易用。实验结果表明,该方法具有可行性,比传统的基于代数的人脸识别算法(PCA、LDA和PCA+LDA)的识别率高,并能有效减少相似类的重叠。     

概率神经网络在化工过程故障检测中的应用

提出将一种径向基网络的重要变形—概率神经网络(PNN)应用于化工过程的故障检测中。与其他网络相比,概率神经网络学习速度快,适合于故障检测问题。将概率神经网络用于Tennessee Eastman(TE)过程故障检测的仿真实验,将实验结果与BP网络进行比较,结果表明概率神经网络的网络设计时间明显少于BP网络,故障检测的准确率明显提高。该方法可行、有效。