基于强泛化神经网络的大规模基因表达数据分析

DNA微阵列技术使人们可同时观测成千上万个基因的表达水平,对其数据的分析已成为生物信息学研究的焦点。针对微阵列基因表达数据维数高、样本小、非线性的特点,设计并实现了一种基因表达数据分类识别方法,针对结肠数据集的实验表明其泛化效果有所增强。     

随机利率背景下具有一般违约负相关结构公司债券的定价

为了更准确分析关联公司之间违约负相关因素对于公司债券估值的影响,在随机利率背景下,考虑具有一般违约负相关结构公司债券定价问题。采用n+1家关联公司的违约强度的双曲衰减相关性模型描述第n+1家公司和前n家关联公司之间因具有违约负相关而形成的一般违约负相关性结构,利用约化法建立了具有一般违约负相关结构公司债券定价的数学模型。基于随机分析方法和依条件独立法,推导出公司债券定价的显式表达式,并基于数值计算分析违约负相关因素对公司债券定价的影响。     

锌市有望延续反弹

考虑到当前经济发展主要受到全球经济低迷、潜在增长率下滑和结构性调整的拖累,金属反弹能否持续需要关注救市措施的持续性,而消费面改善和资金面配合也是关键。笔者预计,在金九银十到来之时,锌市补涨行情仍将持续。     

基于对偶变数法求解二重积分的新方法

依据对偶变数法求定积分的理论,提出以减小用蒙特卡罗方法求定积分的方差为目的的求解二重积分的新方法,并通过一系列证明,证明该方法的正确性.最后通过数值模拟验证该方法对求解二重积分的精度明显高于其他的蒙特卡罗模拟方法.同时该法的提出也对用数值计算求积分的精确性做出一定的贡献.     

基于负相关的可信赖模式匹配

在模式匹配计算中正相关往往被人们所关注,负相关量却常常被忽略。在实际的模式匹配算法研究中我们却发现,正相关在强调信号的同时,负相关也能同时对信号的优劣进行评价,对正相关匹配结果达到互补的作用。本文从负相关对噪声抑制的作用入手讨论负相关在可信赖模式匹配中的重要价值。本文给出的实验结果显示,负相关能够有效抑制正相关匹配过程中产生的噪声,实现高精度、高可信赖模式匹配推定。     

普通混凝土断口分形维数测定与影响因素研究

配制了不同系列的混凝土试样,测试28 d抗压强度和弯曲强度,通过高分辨率数码相机对三点弯曲试样断口进行图像记录,对图像进行处理后采用小岛法进行分形维数值的测量,发现混凝土断口分维值具有相对稳定性.断口分形维数与混凝土强度和混凝土配方存在线性相关性.断口分维值与混凝土28d抗压强度、最大石子粒径呈正相关,与外加剂添加量呈负相关.同时,断口分维值受图像处理过程和处理方法的影响.混凝土断裂后的断裂表面是具有统计自相似性质的分形结构,可以采用分数维来定量描述其断面的特征.     

大学生性别角色同焦虑的关系研究

采用贝姆性别角色量表将817名大学生分为男性化、女性化、未分化、双性化四种类型.探讨四种性剐角色类型同焦虑的关系,以及四种性别角色类型在焦虑上的显著性差异.结果表明.贝姆男性量表和贝姆女性量表得分同焦虑状态-特质量表得分都存在非常显著的负相关.男性化被试的焦虑水平最低,双性化被试焦虑水平其次.女性化被试再次之,最高的是未分化被试;在状态焦虑量表和特质焦虑量表得分上,未分化、女性化同男性化、双性化差异显著.     

国际金融市场乱象隐现

数月以来，大宗商品价格与美元币值之间在过去数十年中所形成的“负相关关系”，已经出现了一些微妙的变化，由此国际金融市场更是“乱象”丛生。 以美元指数与商品指数为例，去年3月17日美元指数创下历史最低位70．69点，直至7月3日一直徘徊在71至74点之间：商品指数则一举冲上历史的最高位615点。     

基于人工神经网络的负相关学习研究

人工神经网络集成技术是神经计算技术的一个研究热点,在许多领域中已经有了成熟的应用.神经网络集成是用有限个神经网络对同一个问题进行学习,集成在某输入示例下的输出由构成集成的各神经网络在该示例下的输出共同决定.负相关学习法是一种神经网络集成的训练方法,它鼓励集成中的不同个体网络学习训练集的不同部分,以使整个集成能更好地学习整个训练数据.改进的负相关学习法是在误差函数中使用一个带冲量的BP算法,给合了原始负相关学习法和带冲量的BP算法的优点,使改进的算法成为泛化能力强、学习速度快的批量学习算法.     

基于实物期权的房屋拆迁补偿估价研究

房屋拆迁补偿的合理性首先取决于被拆迁房屋的估价是否合理.基于实物期权理论,提出房屋价值由确定性下的价值与不确定性下的价值(期权价值)构成.在房屋租金满足几何布朗运动的随机过程条件下,根据动态规划原理,推出了房屋价值模型,并对模型进行了比较静态和数值分析.结果表明,房屋价值与预期增长率正相关,与折现率负相关,与方差关系不明确.房屋价值随外生变量(预期增长率、折现率、方差)不同组合而异,在数值分析范围内,期权价值为房屋价值的23.7%～76.9%.该模型适用于估价不确定性下房屋拆迁补偿费用.