基于动态分数阶和Alpha稳定分布的粒子群优化算法

针对传统粒子群优化算法(PSO)收敛速度慢及容易陷入局部极小化的问题,提出了一种改进的粒子群优化算法。新算法结合分数阶微分具有的记忆特性,使得粒子的更新融入了轨迹信息,提高了算法的收敛速度。使用Alpha稳定分布代替均匀分布使得粒子在一定概率条件下可以逃逸局部极小点,提高了粒子的全局搜索能力。仿真结果表明,算法不仅在单模态函数下具有更快的收敛速度和更有效的全局搜索能力,在复杂的具有欺骗性的多模态函数下也取得较理想的实验结果,证实了动态分数阶和Alpha稳定分布可以有效地提高粒子群优化算法的性能。     

Alpha稳定分布噪声下的核最小平均P范数算法

在 稳定分布噪声环境下,最小平均P范数算法(LMP)的鲁棒性显著强于最小均方算法(LMS),但是在非线性系统中LMP算法性能严重退化。运用核方法可将输入数据映射到再生核希尔伯特空间(RKHS),再对变换后数据选用合适的线性方法,能有效地处理多种非线性问题。故本文将核方法引入LMP算法,推导得到核最小平均P范数算法(KLMP)。 稳定分布噪声背景下的Mackey-Glass时间序列预测的计算机仿真结果表明：在非线性、非高斯系统中,KLMP算法的性能显著优于LMS、LMP、加权平均LMP和KLMS算法,抗脉冲噪声能力强。     

基于α稳定分布自共变的雷达回波频率谱估计

雷达工作在复杂的环境下,回波常伴有α稳定分布噪声,特别是当非高斯性较强时,传统的谱估计方法将退化,甚至不能工作.为此,提出了四种基于FLOS共变的雷达回波频率谱估计新方法:FLOS-直接法、FLOS-间接法、FLOS-welch法、FLOS-music法.通过对α稳定分布噪声中正弦信号频率估计的仿真结果表明,所提出的方法不论雷达杂波是传统分布还是非高斯的α稳定分布,均具有较好的工作韧性.     

Alpha稳定分布噪声下改进的频域预滤波方法

针对α琢稳定分布噪声和谐波信号在频域均表现为异常值这一特性,提出了一种新的频域预滤波估计方法。通过分数低阶共变将信号转换到频域,在频域利用自适应加权Myriad滤波器滤除尖锐脉冲,提取稳定分布噪声的共变谱,将稳定分布有色噪声转化为稳定白噪声,然后利用基于分数阶共变的Music方法估计信号的共变谱。仿真结果表明,在不需要知道稳定噪声任何统计特性的情况下,该方法在1<α<2的非线性度量空间,该算法取得了理想的效果。     

基于Cauchy分布的抖动模型

为了准确地刻画IP网络中的抖动,提出了一个基于Cauchy分布的抖动模型。同时根据该抖动模型,说明了随着路径中的节点的增多,网络抖动的离差与节点数目之间呈密率关系。可以利用这一结论,通过节点的数目和流量参数的大小来预测应用的QoS,并可以进行估算,为了保证应用特定的QoS,沿网络传输所能允许的最大节点数。仿真实验结果表明,Cau-chy模型与实际测量值之间可以得到很好的吻合。     

基于Alpha处理器的系统级仿真实现

以Alpha处理器作为实现平台,将系统仿真软件QEMU移植到Alpha上,使基于x86结构的Linux操作系统可以运行在系统虚拟机中,实现Alpha处理器与x86程序的兼容。对该虚拟机进行性能测试,通过统计代码膨胀率,找出制约虚拟机性能的指令类型,为虚拟机性能优化工作提供参考数据。     

自适应步长的Alpha‑shape表面重建算法

三维物体表面重建在现代临床医学、场景建模和林业测量等方面有着重要应用价值。为了更好地理解三维物体表面形状,本文先介绍了三维空间离散点集的Alpha形状的相关概念。在分析表面重建的Alpha?shape算法的基础上,本文提出一种自适应步长的Alpha?shape算法。通过kd?tree和k近邻平均距离来动态更新α值,使得算法在处理点集密度较大的区域时也能以较少的遍历次数进行表面重建,从而改善了重建效果并提高了算法运行效率。大量随机数据和现实三维采样数据的实验结果表明,本文提出的改进算法与原始算法相比,能大幅度地提高运行效率。     

脉冲性大气噪声的高斯化滤波

传统的非高斯噪声信道下数字接收机中的非线性处理器如：消波器、限幅器、熄灭器等,只是对噪声时域中的较大幅值进行简单处理,没有考虑实际噪声的统计分布特性,对噪声的抑制能力有限;α稳定分布模型虽然能很好的描述大气噪声等非高斯噪声的“重尾”特征,但其概率密度函数除特殊值外无闭式,在实际使用中带来很大不便。首先采用柯西高斯模型,可以对α稳定分布的概率密度函数进行很好的近似;然后通过估计得到的噪声的概率密函数来构建高斯化滤波器,并针对不同α值的SαS分布非高斯大气噪声模型进行专门的高斯化处理;最后通过仿真对比,得出高斯化滤波器的性能明显优于传统非线性处理方法。     

任意分布变量的自相关序列的产生

在地学(地震、石油物探、地质、地理等)及其它工程、经济、自然科学等领域中,经常碰到信号、信息的相关性问题,如等时间隔地震接受信号间就具有相关性。为了研究信号、信息的特点规律,提取有用信息和利用信息,模拟有关随机变量相关序列就是很必要的了。 正态分市变量的相关序列可由线性变换等方法得到,可对任分布变量的自相关序列     

基于稳定分布噪声的分数低阶自适应时频分布

信号中的α稳定分布噪声会使自适应时频分布方法失效.针对该问题,利用分数低阶统计量理论,提出一种改进的分数低阶自适应时频分布.为了实现带噪信号的实时在线处理及长时间信号的时频分布分析,给出一种分数低阶短时自适应时频分布.仿真结果表明,2种方法都能在含有α稳定分布噪声和高斯噪声的环境下进行有效的时频分布分析.     

随机干扰序列的蒙特卡洛模拟

详述了某引信背景干扰随机序列的模拟产生方法，包括交换及逆变换法．着重分析了当杂波的幅度分布服从Ｇａｕｓｓ分布、Ｌｏｇ－Ｎａｍａｌ分布时，构造符合该要求的随机序列的基本方法及其理论依据。而杂波序列的功率谱密度曲线则由某一符合要求的钟形脉冲函数经解析延拓，以稳定的四阶Ｂｕｔｔｅｒ－Ｗｏｒｔｈ低通滤波器幅度平方特性去逼近设定的功率谱曲线．最后，由ＦＦＴ，ＩＦＦＴ完成线性滤波及功率谱变换，得到幅度满足指定要求、功率谱曲线符合要求的杂波模拟序列．     

Probability Density Decomposition for Conditionally Dependent Random Variables Modeled by Vines

A vine is a new graphical model for dependent random variables. Vines generalize the Markov trees often used in modeling multivariate distributions. They differ from Markov trees and Bayesian belief nets in that the concept of conditional independence is weakened to allow for various forms of conditional dependence. A general formula for the density of a vine dependent distribution is derived. This generalizes the well-known density formula for belief nets based on the decomposition of belief nets into cliques. Furthermore, the formula allows a simple proof of the Information Decomposition Theorem for a regular vine. The problem of (conditional) sampling is discussed, and Gibbs sampling is proposed to carry out sampling from conditional vine dependent distributions. The so-called canonical vines built on highest degree trees offer the most efficient structure for Gibbs sampling.     

Estimating and Validating the Cumulative Distribution of a Function of Random Variables: Toward the Development of Distribution Arithmetic

A method for estimating and validating the cumulative distribution of a function of random variables (independent or dependent) is presented and examined. The method creates a sequence of bounds that will converge to the distribution function in the limit for functions of independent random variables or of random variables of known dependencies. Moreover, an approximation is constructed from and contained in these bounds. Preliminary numerical experiments indicate that this approximation is close to the actual distribution after a few iterations. Several examples are given to illustrate the method.     

Bootstrap方法在Jensen Alpha估计中的运用

詹森差别表现指数(Jensen Alpha)是使用较多的一种评价投资组合业绩的指标。进一步分析Bootstrap方法的基本原理,探讨将Bootstrap运用于Jensen Alpha估计的具体过程,从而解决了运用普通最小二乘法(OLS)估计Jensen Alpha存在的缺陷,提高了Jensen Alpha估计的稳健性,对于投资组合业绩的评价具有一定的参考意义。     

一种正态分布随机数的生成方法

C语言提供的随机函数类型单一,理论上是分布均匀的非负整数。系统介绍了把整型的随机函数转换为其他类型随机数的方法,详细介绍了运用高尔顿原理编写的转换函数,该函数把均匀分布的随机数加工为正态分布的随机数,并用图形展示了运行测试的结果。     

捷联惯组验前分布随机加权分散融合估计

在小子样理论中,验前分布的获取与表示是一个关键问题.获取验前分布必须利用各种验前信息,而这些信息是在不同实验条件下得到的,针对同一对象可能获取多种验前信息,如何合理地利用这些验前信息给出验前分布,这样就出现了多源验前信息融合的问题.针对捷联惯性测量组合(捷联惯组)历次测试数据验前分布的获取问题,讨论了在异总体情况下,多种验前信息的融合问题.提出了通过随机加权分散融合法来实现多种异源信息融合,获取捷联惯组历次测试数据验前分布,从而减小了小样本情况下的统计分析误差.通过实例检验取得了良好的效果.     

Fast Generation of Random Permutations Via Networks Simulation

We consider the problem of generating random permutations with uniform distribution. That is, we require that for an arbitrary permutation π of n elements, with probability 1/n! the machine halts with the i th output cell containing π(i) , for 1 ≤ i ≤ n . We study this problem on two models of parallel computations: the CREW PRAM and the EREW PRAM. The main result of the paper is an algorithm for generating random permutations that runs in O(log log n) time and uses O(n ^1+o(1) ) processors on the CREW PRAM. This is the first o(log n) -time CREW PRAM algorithm for this problem. On the EREW PRAM we present a simple algorithm that generates a random permutation in time O(log n) using n processors and O(n) space. This algorithm outperforms each of the previously known algorithms for the exclusive write PRAMs. The common and novel feature of both our algorithms is first to design a suitable random switching network generating a permutation and then to simulate this network on the PRAM model in a fast way. Received November 1996; revised March 1997.     

具有正态随机变量的多属性决策统计方法

针对属性值为正态随机变量的多属性决策问题,讨论了现有方法存在的不足,并提出了属性值为正态随机变量的属性之间相互比较的可能度概念,并证明了该度量具有中度传递性,据此解决具有正态随机变量的多属性决策方案排序问题.最后通过一个算例说明了该决策方法的实用性和简易性.