Estimation in Random Coefficient Autoregressive Models

Abstract. We propose the quasi‐maximum likelihood method to estimate the parameters of an RCA(1) process, i.e. a random coefficient autoregressive time series of order 1. The strong consistency and the asymptotic normality of the estimators are derived under optimal conditions.     

ASYMPTOTIC PROPERTIES OF SOME PRELIMINARY ESTIMATORS FOR AUTOREGRESSIVE MOVING AVERAGE TIME SERIES MODELS

Abstract. Some simple preliminary estimators for the coefficients of mixed autoregressive moving average time series models are considered. As the first step the estimators require the fitting of a long autoregression to the data. The first two methods of the paper are non-iterative and generally inefficient. The estimators are Yule-Walker type modifications of the least squares estimators of the coefficients in auxiliary linear regression models derived, respectively, for the coefficients of the long autoregression and for the coefficients of the corresponding long moving average approximation of the model. Both of these estimators are shown to be strongly consistent and their asymptotic distributions are derived. The asymptotic distributions are used in studying the loss in efficiency and in constructing the third estimator of the paper which is an asymptotically efficient two-step estimator. A numerical illustration of the third estimator with real data is given.     

基于龙芯3A处理器的嵌入式操作系统BSP设计技术

以国产龙芯3A处理器为栽体,通过分析多核系统的体系架构和硬件特征,提出了基于龙芯3A处理器的JARI-works操作系统BsP设计的基本思路及关键技术,目前该BSP包已经在项目中得到应用,对其他嵌入式操作系统在龙芯系列处理器上的移植具有一定的参考作用。     

基于乘法偏好关系的群一致性偏差熵多属性群决策方法研究

在多属性群决策中, 针对每一个属性下决策者都有一个关于决策方案的乘法偏好关系的决策问题, 提出一种基于乘法偏好关系的群一致性偏差熵多属性群决策方法. 此方法考虑到不同属性下的决策者具有不同的权重, 并通过迭代运算可以达到群一致性水平, 从而得出最终的不同属性下决策者的权重; 同时, 可以利用偏差熵模型来求解属性权重, 利用这两个权重最终获得一个综合各方意见的群一致性乘法偏好关系. 最后通过算例分析验证了所提出方法的有效性.     

在文明寨地区的高精度地震资料处理实践

文明寨地区构造复杂，断块多，岩性变化大，一些地质问题不明，需要高精度三维资料处理来提高资料的纵、横向分辨率^[1][2]及为储层、油藏研究提供精确的依据。针对东濮文明寨地区高精度处理过程中的关键技术进行了大量分析试验，形成了一套适合东濮地区的较为完整的3D高精度地震资料处理流程。实际资料处理表明效果较好。     

Incremental inconsistency detection with low memory overhead

Ensuring models’ consistency is a key concern when using a model‐based development approach. Therefore, model inconsistency detection has received significant attention over the last years. To be useful, inconsistency detection has to be sound, efficient, and scalable. Incremental detection is one way to achieve efficiency in the presence of large models. In most of the existing approaches, incrementalization is carried out at the expense of the memory consumption that becomes proportional to the model size and the number of consistency rules. In this paper, we propose a new incremental inconsistency detection approach that only consumes a small and model size‐independent amount of memory. It will therefore scale better to projects using large models and many consistency rules. Copyright © 2012 John Wiley & Sons, Ltd.     

面向云存储的多副本文件完整性验证方案

文件完整性验证是云存储服务的一项重要安全需求.研究者已经提出多项针对云存储文件完整性验证的机制,例如数据持有性验证(prove of data possession,PDP)或者数据可恢复证明(proof of retrievability,POR)机制.但是,现有方案只能够证明远程云存储持有一份正确的数据,不能检验其是否保存多份冗余存储.在云存储场景中,用户需要验证云存储确实持有一定副本数的正确文件,以防止部分文件意外损坏时无法通过正确的副本进行恢复.提出的多副本文件完整性验证方案,能够帮助用户确定服务器正确持有的文件副本数目,并能够定位出错的文件块位置,从而指导用户进行数据恢复.实验证明,充分利用了多服务器分布式计算的优势,在验证效率上优于单副本验证方案.     

一种基于区分矩阵的属性组合权重构造方法

详细分析了以基于Pawlak的属性重要度来构造属性权重的方法存在的问题,给出了一种基于区分矩阵的属性重要度的定义方法,并且得到了该定义方法的一些重要性质。在此基础上提出了一种新的信息系统属性权重构造方法,新方法是以条件属性在整个信息系统中的贡献度来确定属性权重,不仅反映了属性自身区分对象的能力,而且体现了各属性在整个条件属性中的分类能力。通过算例分析表明,该方法得到的属性权重更加贴近事实,因此它能提高属性权重的准确度。     

最小相关性最大依赖度属性约简

在经典粗糙集中,基于重要度的决策表属性约简算法只考虑了决策属性与条件属性之间的依赖度,没有考虑约简中条件属性之间的相关性,由此求出的约简中可能依然包含冗余属性。针对这一问题,提出了一种改进算法,它利用最小相关性和最大依赖度准则求决策表属性约简。与基于重要度的决策表属性约简算法相比,本算法求出的约简包含的属性个数少、冗余小。实验结果显示,本算法优于基于重要度的决策表属性约简算法。     

基于改进差别矩阵和专家知识的态势指标提取算法

针对常规粗糙集约简算法在应用中的样本指标提取困难和效率低下等问题,将粗糙集理论引入到态势指标提取中,基于差别矩阵压缩和分类选择实现态势指标决策表的信息约简,结合专家知识的指标重要性度量调整态势指标的选择,提出一种基于改进差别矩阵和专家知识的态势指标提取算法.在态势指标体系实例中进行分析和验证,实验表明该算法具有较好的态势指标约简效果,提取后的指标在网络安全评估中是合理的,因此该研究为态势指标的有效提取提供一种可行的解决途径.