Gauss型函数方程和平均值特征

针对Lehmer平均值和Stolarsky平均值分别探讨了Gauss型函数方程的求解，并且给出了这些平均值新的特征．     

Gauss型函数方程和平均值特征（Ⅱ）

针对Gini平均值和广义平均值这两种双参数平均值，探讨了Gauss型函数方程的求解，并且给出了这两种平均值新的特征．     

Gauss型函数方程和平均值特征

针对Lehmer平均值和Stolarsky平均值分别探讨了Gauss型函数方程的求解,并且给出了这些平均值新的特征.     

Gauss型函数方程和平均值特征(Ⅱ)

针对Gini平均值和广义平均值这两种双参数平均值,探讨了Gauss型函数方程的求解,并且给出了这两种平均值新的特征.     

一个含有4个平均值的Gauss型函数方程

Gauss型函数方程是指与平均值相联系的一种函数方程.Gauss最早研究的是针对算术平均值 与几何平均值的函数方程,后来,Haruki和Rassias运用Gauss原理研究了针对算术平均数和 调和平均数的Gauss型函数方程;Toader研究了针对幂平均值的Gauss型函数方程;刘证研究 了针对几何平均数与调和平均数的Gauss型函数方程,但始终没有一个能针对这4个平均值的 统一的函数方程.该文在总结他们方法的基础上,研究了一个含有4个Φ_i(i=1,2,3,4 )平均值的Gauss型函数方程,并统一推广了针对算术平均值、几何平均值、调和平均值和幂平均值的相应结果.     

股票异常波动检测的自适应Gauss过程算法

基于Gauss过程机器学习算法, 通过分析股票样本的历史数据噪声问题, 给出相应的股票样本数据回归预测模型, 解决了股票异常数据的检测问题； 并用蚁群算法, 解决了Gauss过程机器学习算法的参数自适应问题. 实验结果表明, 该算法与其他算法相比, 可在保证近似准确性的基础上, 大幅度提高计算效率, 提升用户满意度.     

两阶段混合因子分析算法

混合因子分析是一种对具有复杂结构的多维数据建立模型的方法.提出了一种两阶段的混合因子分析算法,它们都能够使用期望-最大化算法来实现.当给定一组随机样本时,首先建立此样本概率分布的Gauss混合模型,进而再对每一个Gauss混合项进行因子分析.实例表明算法是有效的.     

一类迭代平均值的推广

本文给出了K阶算术迭代平均值、K阶几何迭代平均值、K阶调和迭代平均值的定义,并且给出了计算这一类平均值的一个算法。     

关于Ремез算法中一个线性方程组的快速解法

Ремез算法是解决最佳一致逼近问题的一个著名算法.其中最重要的一步是解一个含有 n+2 个未知量的线性方程组.本文通过分析该方程组的特点, 设计了一种快速算法.该算法仅需 O(n2) 的工作量.而用经典的Gauss消去法解该线性方程组则需要 O(n3) 的工作量.二者比较, 快速算法要好得多.     

二维平面上的Gauss映射及其性质

将一维的Gauss映射及Gauss测度推广至平面上的Gauss映射及Gauss测度,并证明在平面上的Gauss映射与NN×NN上的提升等价,具有保Gauss测度的特点.     

一种可变步长LMS算法及其性能分析

提出了一种自适应可变步长最小方差算法（ANVSS），以解决基本最小方差算法LMS中收敛速度和稳态误差之间的矛盾．该算法利用当前和过去共m（滤波器阶数）个误差信息，并通过引入修正系数ρ和遗忘因子λ（i），来确定下一步的迭代步长．文中对这种算法进行了分析和仿真验算．对比一般的变步长算法，ANVSS算法对于平稳过程中的滤波器能获得更快的收敛速度和更小的稳态误差，同时还具有较好的跟踪跃变系统的能力．     

非线性运算法在日平均温度计算上的应用

采用的非线性方法是基于24h的平均温度,通过下列4种方法计算得到的逐时平均、四次平均、三次观测数据加上加权订正所得数据的平均、最高最低平均法得到的日平均温度与逐时平均比较,同时求出各种结果和24h计算所得平均温度之间的离散度,发现在日平均温度的计算上,除了所述的24h平均温度计算方法外,4次平均方法求出的日平均温度具有较好代表性,其他两种方法计算偏差相对较大。     

一种基于交互投影原理的快速自适应横向传播建模算法

针对最小均方建模算法用于长记忆有限脉冲响应滤波器模型时收敛速度慢的问题,提出了基于交互投影原理的横向传播建模算法(简称为TPLMS算法).该算法将滤波器按质因数分解为多组滤波器组合,从最短的子滤波器分组开始迭代,逐步过渡到原滤波器,在每一时刻,采用最小均方算法顺序求解分组内各子滤波器的权系数.在迭代过程中,由于滤波器的长度缩短,从而可采用更大的步长,使权系数以更快的速度收敛.随着子滤波器长度的逐步增加,可以逐步减小迭代步长,从而得到较低的失调误差.仿真结果表明,TPLMS算法的收敛速度优于传统的最小均方算法和变步长最小均方算法.该算法收敛速度快,特别适用于长记忆有限脉冲响应滤波器模型的自适应建模.     

均值-半绝对偏差投资组合优化研究

为了验证投资组合理论在中国证券市场的有效性,针对不允许卖空情况,研究了均值-半绝对偏差投资组合模型,并运用线性规划的旋转算法进行求解.选取1998-2000年沪市六只业绩较好的股票,依据1998-1999年的数据作为样本数据,求出模型在不同期望收益率下的最优投资策略,将得出的最优投资策略应用到2000年,进行模拟投资,从而计算出各模型的总收益率.     

基于生物地理学模糊C均值聚类的图像分割算法

提出了一种基于模糊C均值算法和生物地理学优化算法的混合聚类算法(BBO-FCM).该算法结合了生物地理学优化算法的全局搜索和FCM算法快速局部搜索的特点,利用生物地理中的迁移算子来进行各解之间的信息共享,从而有效地克服了FCM对初始值敏感、易陷入局部最优等问题.将BBO-FCM算法用于图像分割,实验表明,新算法的聚类效果评价指数更好,聚类效果明显优于原始的FCM算法.     

胎儿心电提取自适应滤波器仿真对比研究

为了提高胎儿心电(FECG)提取的准确性和效率,研究了采用最小均方算法、递归最小二乘(RLS)算法、仿射投影算法、能量归一化最小均方算法的四种自适应滤波器应用于FECG提取的速度和准确性.根据设计的基于MATLAB的FECG提取算法仿真分析了四种自适应滤波器的收敛速度与稳态性能的影响因素,并通过调整和优化FECG提取参数对四种自适应滤波器进行了仿真对比.研究结果表明,RLS算法自适应滤波器性能最优,可以快速准确地从母体心电中分离出FECG.     

动态信道下解相关和MMSE多用户检测算法

对用户归一化的互相关矩阵进行求逆运算是解相关算法和最小均方误差算法的基础。针对实际信道的动态性，即用户的随机接入或离开信道，研究矩阵求逆的更新算法以避免对相关矩阵的实时求逆运算。对更新算法的复杂度进行分析，结果表明，在动态信道中，更新算法可以有效地降低多用户检测算法的复杂度。     

基于模糊神经元网络的信息融合模型

为了解决对象是庞大数据的复杂的工业生产过程的建立模型困难的问题,提出了基于势场拓扑的层次聚类算法和模糊c均值聚类算法融合,结果表明:通过两次聚类算法的融合,获得精确的聚类个数和隶属度,以此来确定模糊神经网络的结构模型,并将得到的隶属度作为依据,建立基于多判据信息融合和模糊技术构建神经元网络模型,通过对实际地下开采生产过程的仿真,结果验证了模型的有效性。该成果对煤矿开采具有一定的参考价值和指导意义。     

自适应滤波器消除语音信号中混合噪声

语音信号在实际采集和传输的过程中,往往掺杂着多种噪声干扰,比较常见的是正弦窄带干扰和高斯白噪声,而一个简单的自适应滤波器往往很难同时滤除多种噪声。为了抑制混合噪声而得到真实的语音信号,在最小均方误差(LMS)自适应算法和自适应噪声抵消原理的基础上,提出了一种两级自适应滤波器方案,第Ⅰ级在传统噪声抵消系统中加入延迟单元消除正弦窄带干扰,第Ⅱ级用LMS自适应噪声抵消器消除高斯白噪声,同时,利用Simulink模块库对所设计的两级自适应滤波器进行了建模仿真。仿真结果表明:该方案滤波器可以有效地滤除包含正弦窄带干扰和高斯白噪声的混合噪声,达到提高语音质量的目的。     

MIMO-OFDM系统中LDPC码的改进型译码算法

为了降低LDPC码译码算法的复杂性并提高译码性能,针对传统的最小和译码算法的性能缺陷,提出一种改进型最小和译码算法.在最小均方误差准则下,该改进型译码算法充分利用了归一化译码算法和偏移译码算法的优点,以逼近置信传播译码算法.最后将LDPC码的改进型最小和译码算法应用于MIMO-OFDM系统中以降低载波干扰.仿真结果表明,若MIMO-OFDM系统要求的误码率为10-5,改进型最小和译码算法的编码增益比传统的最小和译码算法高出0.5 dB,比归一化译码算法和偏移译码算法分别高出0.3和0.2 dB,与置信传播译码算法仅差0.15dB.另外,改进型最小和译码算法也具有低的硬件复杂度.