AR1MA时间序列模型在电信产品收入预算中的应用

本文通过AR1MA时间序列模型,利用SPSS统计软件对某电信产品收入进行了预测研究。结果表明,模型拟合较好,将模型预测数据与实际数据比较显示,模型预测精度较高。为电信制定经营决策、编制下年度的工作计划提供依据与参考。     

改进型AR(1)模型在域名系统中的应用

服务器选择算法是域名系统(DNS)服务器处理迭代查询时的核心算法。在DNS中的所有查询请求中,迭代查询所占的比例大于30%,因此服务器选择算法的性能对整个DNS服务器的整体性能有着非常大的影响。简要分析了现有的服务器选择算法,指出其优点和缺点。同时,基于已有的AR(1)模型,提出了一种改进型AR(1)自回归模型,该模型利用历次服务器响应时间构成的时间序列,采用动态预测的方法来预测服务器响应时间。该模型能够有效避免由于网络拥塞状况造成的性能波动和服务器短时故障造成的性能损失,大幅提高了服务器选择算法的性能。同时,经过改进的AR(1)模型的适用范围得到扩大,可以适用于所有DNS。     

微惯性传感器零点漂移融合滤波算法研究

为提高微惯性传感器的测量精度,提出了基于指数平滑的GM（1,1）改进模型,通过该模型对漂移中的确定性漂移信号进行提取,运用AR（3）模型对提取趋势项后的随机漂移进行了建模分析,并在AR（3）模型基础上进行了Kalman滤波处理,经Allan方差分析表明：经模型补偿后的漂移噪声降低了1-3个数量级,有效减小了零漂信号中的角度随机游走、角速度随机游走、速率斜坡、零偏不稳定性和量化噪声,提高MEMS陀螺零漂输出的稳定性。     

一种基于HHT和AR模型的手部运动模式识别方法

为了实现基于表面肌电信号(SEMG)的手部动作运动模式识别,提出一种Hilbert-Huang变换(HHT)和自回归(AR)模型相结合的特征提取算法.该方法依据HHT后各层固有模态函数(IMF)的瞬时频率定义每层IMF的频率有效度,由频率有效度选取6层平稳的IMF,同时考察具有最大频率有效度的IMF,并以该IMF的瞬时幅值确定动作信号的起止点.对6层IMF中的动作信号建立AR模型提取手部运动模式的特征向量.提取主成分后,将降维的动作特征向量输入SVM分类器,实现基于SEMG信号的手部多运动模式的识别,对伸腕、屈腕、握拳、展拳4种手部动作的识别实验表明,该方法的识别正确率可达91%.     

AR模型在质量控制中的应用

本文介绍了质量控制与质量信息管理的背景,然后将时间序列分析导入,特别分析了AR模型,并利用实际数据举例说明了AR模型在质量控制中的应用。     

AR 型非线性时间序列模型的稳定性分析

在工程中,振幅依赖指数自回归模型、门限自回归模型和多项式自回归模型等一类具有ＡＲ型的非线性时间序列模型具有广泛的应用,为此给出了ＡＲ型非线性时间序列模型的稳定性条件及极限环存在条件,并对一些特殊模型进行了讨论。     

基于AR模型的股指结构化特征研究

应用AR模型分析股价趋势变化的二元符号序列,得到该二元符号序列具有线性模型的特征,通过有限阶的条件概率分析该二元符号序列,得到该股指序列具有明显的结构化特征,从不同的角度揭示金融市场的不完全有效性。通过对比新兴和成熟股指的结构化特征,发现新兴的金融市场确实存在明显的非理性投资行为。     

基于AR(p)模型的实时数据处理技术的研究与应用

在分析数据建模的数据质量时，提出了一种基于AR(p)模型的数据处理方法。该方法能处理不同的误差干扰，进行有效的数据预测，防止数据丢失及数据错误。该方法在水下机器人作业的数据事例中，收到了良好的效果。     

基于AR模型估计的抗冲击干扰算法

高频雷达探测目标时,随机出现的冲击干扰会遮盖目标谱线,从而导致目标丢失.由于时域海面回波一般情况下绝对占优,因此基于时域的抗干扰算法不能有效地解决该问题.本文提出的算法利用海杂波距离谱分布结构上的特点,通过AR模型参数估计,重构并对消海杂波,反变换到时域的信号中突发冲击干扰能够占优,进而利用野值判别与剔除方法将幅度较突出的冲击干扰予以剔除,达到抑制突发冲击干扰的目的,使雷达在突发干扰情况下也能有效地发现和跟踪目标.     

基于时间权重序列的GM(1,1)初始条件优化模型

灰色GM(1,1)模型的初始条件对其精度有着重要的影响,为了提高模型的精度,提出一种初始条件的优化方法.首先,综合考虑1-AGO序列中各分量的作用,取所有分量的加权平均作为初始条件,权重由各分量的大小决定;然后,基于时间权重序列,对模拟序列与原始序列的误差平方和进行加权;最后,求解最优问题,确定时间参数,从而建立优化模型.算例表明,所提出的优化模型具有可行性,可以有效地提高模型的精度.     

基于信息融合的网络安全态势评估模型

安全态势评估是近年来国内外在网络安全领域的研究热点之一.对已有的安全态势评估方法进行了详细分析和比较,针对网络安全中多数据源的特点,提出基于信息融合的网络安全态势评估模型,引入改进的D-S证据理论将多数据源信息进行融合,利用漏洞信息和服务信息,经过态势要素融合和节点态势融合计算网络安全态势,绘制安全态势曲线图,同时对态势计算结果进行时间序列分析,从而实现网络安全趋势的预测.最后利用网络实例数据,对所提出的网络安全态势评估模型和算法进行了验证,结果表明该模型比已有成果更加有效和准确.     

基于多元线性自回归模型的流量预测

为使流量预测模型具有自适应性和相关性,以时间点为基础进行建模,结合时间序列与流量序列,引入多元线性自回归(AR)思想进行参数估算,对多次估算所得参数值建立指数加权移动平均数模型进行二次估算,在此基础上,建立多元线性自回归模型。实验结果证明,与AR模型、ARMA模型相比,基于多元线性AR模型的预测结果更准确。     

多模态信息融合的一般功能模型设计——基于融合功能与信息层次

根据信息融合的功能要素,在分析了现有几种信息融合的一般功能模型的特点后,提出了基于融合功能与信息层次的多模态信息融合的一般功能模型(FH模型)。该模型综合了JDL模型、Omnibus模型和层次模型的优点,采取了JDL模型对信息融合功能的逻辑划分,指明了信息在系统中的流向,从而避免了开发基于JDL模型的信息融合系统时难以准确控制信息流向。此外,FH模型利用层次模型对Omnibus模型中的融合过程进行了更为细致的划分,同时加入了知识库和数据库管理体系,使信息融合的一般功能模型向更实用的方向迈进了一步,研究者可以将注意力更多地转向信息融合的结构模型和信息融合方法的设计,从而更有利于信息融合技术的研究。     

(2+1)D多时空信息融合模型及在行为识别的应用

针对常规的卷积神经网络时空感受野尺度单一,难以提取视频中多变的时空信息的问题,利用（2+1）D模型将时间信息和空间信息在一定程度上解耦的特性,提出了（2+1）D多时空信息融合的卷积残差神经网络,并用于人体行为识别.该模型以3×3空间感受野为主,1×1空间感受野为辅,与3种不同时域感受野交叉组合构建了6种不同尺度的时空感受野.提出的多时空感受野融合模型能够同时获取不同尺度的时空信息,提取更丰富的人体行为特征,因此能够更有效识别不同时间周期、不同动作幅度的人体行为.另外提出了一种视频时序扩充方法,该方法能够同时在空间信息和时间序列扩充视频数据集,丰富训练样本.提出的方法在公共视频人体行为数据集UCF101和HMDB51上子视频的识别率超过或接近最新的视频行为识别方法.     

基于RBF网络和AR模型的网络时延预测

分析了网络传输时延的组成和特点，提出了利用AR模型和RBF神经网络预测网络传输时1延，运用Matlab软件对其预测进行仿真．结果证明AR模型和RBF神经网络都能很好的预测网络时延，通过对比仿真结果分析，得出各自进行时延预测的适用条件。     

目标识别中多传感器信息融合算法比较

近年来多传感器信息融合技术在目标识别领域得到了大量研究和快速发展. 介绍了多传感器信息融合目标识别的基本原理及其系统结构, 重点阐述了目标识别中的多传感器信息融合算法, 并对识别效果进行比较, 最后指出了该领域今后的发展趋势.     

一种基于信息融合的指纹特征点提取方法

针对进行指纹图像预处理时产生的伪特征点难以消除的问题,提出了一种基于信息融合的指纹特征点提取方法;该方法首先通过取两种不同预处理方法所获得的指纹特征点集的交集来剔除在指纹图像预处理过程中所产生的伪特征点,然后根据特征点的结构信息来消除原始指纹图像本身所存在的伪特征点;实验结果表明,该方法不仅可以有效地消除指纹图像预处理过程所产生的伪特征点,同时也能消除原始指纹图像中存在的伪特征点。