不完全信息静态伯特德双寡头博弈的求解方法

对于一个厂商确知自己的边际成本,而不确知另一个厂商的边际成本,以及两个厂商都不确知对方的边际成本的情况,分别给出了信息具有随机性的两个静态伯特德双寡头博弈模型,并用概率论的知识,给出了这两种情形下博弈的贝叶斯均衡解.     

加工过程的不确定性信息度量

加工过程存在着模型不确定性、参数不确定性和测量不确定性等不确定性信息。这些不确定性信息或是随机性的、或是模糊性的、或是复合不确定性，可分别用概率熵、模糊熵和混合熵来度量。研究加工过程的不确定性信息及其测度，对研究基于信息优化的加工过程智能控制有重要意义。     

基于最大熵原理的水环境模糊优化评价模型

基于最大熵原理，应用工程模糊集理论中的相对隶属度等概念，综合考虑水环境评价的随机性和模糊性，定义了不同的加权广义权距离来表征待评价水样与水质标准的差异，建立了两个水环境相对隶属度模糊优化评价模型，我12个有代表性的湖库营养化评价实例表明：所建模型的评价结果基本一致，与调查结果相符，对比单一考虑模糊性的模型，所建两个模型评价结果的描述要细胞一致，且具有较小的Shannon熵，即此次评价的不确定性小。     

模糊信息静态伯特德双寡头博弈分析

在分析了厂商的市场信息具有模糊性的基础上,分别给出了2个模糊信息静态伯特德双寡头博弈模型,并运用模糊数学理论及方法,分别求出了这两种情形下博弈的均衡解.     

消费信贷博弈模型及其均衡分析

运用信息经济学中的土地租佃理论，建立了消费信贷博弈模型，并求出了均衡解．根据信息是否对称，主要对具有完全信息的竞争博弈均衡和具有逆向选择的竞争博弈均衡两种情形分别进行了分析．     

酿酒葡萄和葡萄酒成分间的典型性相关分析

根据酿酒葡萄与葡萄酒的理化指标,按“逐步降维,保留信息”的思想建立模型,把原来多个变量划为几个综合指标,并对这些综合指标进行研究,以简化问题的求解过程;因酿酒葡萄和葡萄酒质量间的内在联系及变化规律具有随机性、理化指标信息过大,先进行变量替换,分别选取15个、8个综合变量替代原变量,再对酝酿葡萄与酝酿葡萄酒主成分分析,最后进行典型相关分析.     

基于贝叶斯公式的新生产线引进随机决策分析

企业的生产经营活动中随时随地都存在着随机性决策。随机性决策是否合理取决于决策信息是否被有效的利用。贝叶斯公式可以将模型信息、数据信息、先验信息等有效的结合起来,帮助企业管理者获得最优的决策方案。论文介绍了贝叶斯决策模型和相关概念,结合具体实例说明了贝叶斯随机决策的操作应用,对企业的随机决策管理具有一定的指导意义。     

封闭阈下信道的理论模型

提出了2个适用于封闭使用了随机数作为阈下信息载体的阈下信道的理论模型，给出了该模型能够成功封闭阈下信道的几个条件，并根据这2个模型分析并设计了几种封闭阈下信道的方案。总结得出封闭阈下信道的2个重要切入点——会话密钥的随机性和隐私性，是封闭阈下信道成功与否的关键。     

VANET运动模型解析解与数值解的比照分析

依据车载自组织网络(VANET)的高移动性特征分别建立VANET运动解析模型与运动仿真模型.通过两种运动模型得到VANET度分布的解析解与数值解.对它们进行比照分析,发现两种度分布曲线均呈现出小度值的节点个数众多、大度值节点个数较少的特点,符合幂律函数分布,由此证明VANET是一个无标度网络.另外,从理论分析与仿真实验两个角度证明,VANET对随机性攻击具有较高的鲁棒性,但对针对性攻击则表现出网络的脆弱性.     

混沌神经网络在分离叠加模式和信息恢复中的应用

提出了一种改进的混沌神经网络模型，该模型具有两个特点：①能从叠加模型恢复出被记忆的正确信息；②能通过部份信息恢复被记亿的全部信息．设计了一系列的仿真实验证明了所提模型的有效性。     

基于互补子空间线性判别分析的人脸识别

基于随机子空间,提出了一种用于人脸识别的互补子空间线性判别分析方法. 与Fisherface和零空间线性判别分析相比,该方法同时在主元子空间和零空间中进行判别分析,并在特征层融合这两个子空间的判别特征. 根据最适宜的零空间状态构建随机子空间,随机子空间的融合在决策层进行. 多个人脸数据库上的实验结果表明,本算法能够有效地解决线性判别分析中的小样本规模问题.     

基于特征优选的随机森林算法在湿地信息提取中的应用——以湖北洪湖湿地自然保护区为例

以湖北洪湖湿地自然保护区为研究区,采用随机森林算法对研究区内湿地信息提取.以Sentinel-2A遥感影像为数据源提取光谱特征、植被指数、水体指数、红边指数、纹理特征等特征变量,在随机森林算法框架下,对不同特征变量进行特征重要性评估,比较分类后精度并对特征组合进行优选.将基于随机森林算法的分类精度与传统的基于像元的支持向量机分类方法和最大似然分类方法的分类精度相比较,并通过双比例Z检验比较各算法中正确分类像元的比例统计各分类算法之间的分布差异.结果表明： 1) 特征个数为13时,分类精度达到最大,随着特征个数的增多,分类精度呈现波动减小的趋势; 2) 特征变量中蓝光波段重要性得分最高,达到2.85,可见光(B2、B3)与红边指数(IRECI、MCARI)重要性排名靠前,对于提取湖泊湿地信息具有重要意义; 3) 基于特征优选的随机森林方法分类精度优于支持向量机和最大似然法分类后的精度,其总体精度分别高出6.02%和7.57%;经检验, χ2分别达到25.891和38.895,具有显著差异,表明基于特征优选的随机森林算法分类对湿地信息提取发挥重要作用。     

关于信息度量算法的进一步研究

Shannon熵在信息论的发展和应用中起着关键的作用,但是Shannon熵还存在许多局限性。为了更好地克服Shannon熵的局限性,在前人的基础上修改了Shannon熵的公理。用公理化的方法,推导出了有限分布列的离散型随机变量的信息量系,不仅将它推广到连续型随机变量,而且将信息量系的最大信息量定理推广到连续型随机变量,统一了离散型和连续型随机变量的信息度量算法。最后利用得出的结论对连续型随机变量信息熵给出两个验证性算例。     

一种抗能量分析攻击的混沌密码系统

研究表明很多密码系统虽然通过了常规安全性能测试，但是被证明可通过侧信道攻击破解，从而破获密码系统的敏感信息.为了抵抗侧信道攻击，设计了一种基于混沌的密码系统.该密码算法用两个混沌映射分别生成轮密钥和随机序列数，中间数据由明文、轮密钥和随机序列数三者通过异或操作生成，从而达到扩大密钥空间的目的.此外，随机序列数还控制随机化操作，通过随机化操作，将中间数据与能量消耗的关系进行隐藏，减少侧信道信息的泄露，以此达到抵抗能量分析攻击的目的.为了评估设计的密码系统的安全性，首先对其进行了常规测试，例如字符频率测试、信息熵测试和依赖性测试等，实验结果表明该系统具有良好的安全性能.其次，将该加密算法在Atmel XMEGA128芯片上实现，并对其进行了相关能量分析，结果表明所提出的密码系统可以防御相关能量分析攻击.     

基于粗糙集和随机森林算法辅助糖尿病并发症分类研究

提出基于粗糙集和随机森林算法辅助糖尿病并发症分类。首先,运用简化的分明矩阵法对属性约简,产生新的决策信息系统;其次,采用随机森林算法对该新信息系统生成随机森林,实现分类;最后,通过糖尿病并发症临床诊断数据子集测试。实验表明该方法有效性,并优于直接用随机森林算法分类。     

双棘黄姑鱼人工繁育群体遗传多样性的RAPD分析

采用22个随机引物对双棘黄姑鱼人工繁育群体的遗传多样性水平进行随机扩增多态DNA（RAPD）分析，共检测出248个位点，其中有104个多态位点，平均多态位点百分率P为41．9％；其个体间的平均遗传距离L为0．0657，平均相似系数S为0．9343，Shannon遗传多样性指数H0为0．2829．通过与其他一些鱼类的RAPD研究结果进行对比，对双棘黄姑鱼人工繁育群体的遗传多样性水平进行了分析评估,文中同时就人工繁育及鱼类种质资源的可持续利用问题进行了初步讨论．     

基于两阶段卡尔曼滤波的多传感器信息融合

在目标跟踪中,对目标运动建模时,常会遇到系统状态方程存在偏差问题. 传统的信息融合方法总是假设系统状态方程中的偏差为常量,很少涉及偏差为随机变量的情形,但实际建模中常会出现这类问题. 针对此问题,提出了基于两阶段卡尔曼滤波的多传感器信息融合方法. 这种方法可以有效地消除系统状态方程在建模存在随机偏差时给信息融合所带来的影响,从而提高了融合精度.     

基于机器学习方法的地震破坏预测

地震破坏预测研究对于建筑结构减灾规划、震前风险预测、震后应急评估有着重要意义。传统的方法因为受到震害资料数量的限制以及计算精度和能力的制约,一般基于经验只考虑少数因素对结构破坏的影响。通过使用随机森林算法,设计了一个综合考虑地震动、结构和场地等多维度信息的分类方法,用以预测建筑物的地震破坏程度。本文研究框架基于新西兰国家地震委员会所收集的27次地震详细破坏资料,处理得到14.2万条高质量建筑物损失数据,考虑了谱加速度、建筑形状、层数等16个影响因素,将4种不同的损伤状态作为模型的学习标签进行地震破坏预测训练。结果表明,随机森林算法在6种分类算法中性能最佳,经过学习曲线法调参、代价敏感学习之后,经过优化得到的随机森林模型对于测试集的整体预测精确率可以达到75.4%,对4种损伤标签的召回率分别达到了88.2%、55.0%、60.7%和70.8%,远好于其他方法。当只考虑对结果影响最重要的前12个因素,该模型的预测精度仍然能够达到73.7%。可见,基于此框架所训练的预测模型具有良好的精度与适用性,同时该框架对于中国震害资料大数据库的研究具有较高的参考价值。     

Modeling Multisource-heterogeneous Information Based on Random Set and Fuzzy Set Theory

This paper presents a new idea, named as modeling multisensor-heterogeneous information, to incorporate the fuzzy logic methodologies with mulitsensor-multitarget system under the framework of random set theory. Firstly, based on strong random set and weak random set, the unified form to describe both data （unambiguous information） and fuzzy evidence （uncertain information） is introduced. Secondly, according to signatures of fuzzy evidence, two Bayesian-markov nonlinear measurement models are proposed to fuse effectively data and fuzzy evidence. Thirdly, by use of ＂the models-based signature-matching scheme＂, the operation of the statistics of fuzzy evidence defined as random set can be translated into that of the membership functions of relative point state variables. These works are the basis to construct qualitative measurement models and to fuse data and fuzzy evidence.