峰值识别的SVM模型及在时用水量预测中的应用

提出了一种峰值识别理论及相应改进的SVM模型.该模型在结构风险最小化准则的目标函数中加大峰值误差的权重,并结合杭州市时用水量预测实践结果,其能很大提高对峰值用水量的预测精度.模型还把时用水量序列分为参数优化集和训练预测集,以对参数C、γ优化选取.     

销售量预测的支持向量机建模及参数选择研究

支持向量机(SVM)是一种基于结构风险最小化原理的学习技术，也是一种新的具有很好泛化性能的回归方法，针对企业销售量预测问题，利用支持向量机构建其预测模型，对预测模型进行了仿真及对比实验，证实了模型的有效性。并介绍了SVR理论，同时对于SVR模型参数的选择问题进行了研究。     

导数平方和准则与SVM参数优化

支持向量机(SVM)的性能与SVM参数的选择有关.SVM参数的优化需要一个准则.针对核函数选择RBF形式的情况,提出了一个新的SVM参数优化的准则,称作导数平方和准则.与著名的SVM参数优化方法如交叉验证或Radius/Margin Bound准则方法相比,利用提出的参数优化准则得到的分类面能够在原空间对样本集"平分秋色",体现了SVM分类器的结构风险最小化的原则,而且算法简单、计算量小、更易于实现.     

加工时间带恶化和指数学习效应的成组排序

本文研究了成组技术下带依靠时间的线性恶化效应和依靠位置的指数学习效应的排序问题.模型中,组安装时间是开始安装时间的线性函数,工件的加工时间带线性恶化和指数学习效应,对最小化时间表长问题和最小化总完工时间问题分别给出了多项式算法.     

国债市场利率期限结构建模—-负指数立方L1平滑样条

通过对比国内外利率期限结构静态估计模型的优劣, 分析节点数目变化和定位改进B样条函数对利率期限结构静态估计的误差, 构建最小化定价误差的节点组合布局搜索程序, 并引入负指数平滑立方L₁样条优化模型, 将误差函数最小化结构从平方和最小化转化为误差距离最小化, 权衡拟合误差绝对距离最小化与贴现函数波动性约束, 克服B样条函数对节点数目与定位的人工干预和放宽对贴现函数的二阶平滑要求, 保留B样条函数刻画中长期利率波动趋势的优势, 增强对短期利率波动结构突变的估计和预测能力, 提高定价精确度和缓解利率期限结构曲线的过度波动问题.     

考虑公众心理风险感知的应急物资优化调度

将行为科学理论融入了突发事件发生后的应急物资优化调度问题研究中, 提出应急物资调度决策应注意考虑公众的心理因素. 用前景理论刻画了公众对应急物资获得时间的风险感知程度, 定义并选取公众心理预期时间作为时间参考点, 得出了风险感知曲线和函数模型. 构建了以最小化公众心理风险感知程度和物资未满足度为目标的混合整数规划模型, 设计了相应的多层搜索求解算法. 最后的数值实验证实了模型和算法的有效性.     

NWHFS多扰动调度问题的干扰管理方法

针对多扰动并发工况下无等待混合流水线(NWHFS)生产调度问题,构建了多重约束下兼顾初始调度目标(最小化工件完工时间加权和)和扰动修复目标(最小化工件完工滞后时间加权和)的干扰管理调度模型,设计了搜索方向动态可变的多目标随机加权处理策略。并将基于高斯变异的全局寻优改进策略与基于随机邻域结构的局部精细搜索策略相结合,提出了一种混合微粒群优化求解算法。数值算例仿真结果表明,包含高斯变异算子和随机邻域结构的混合微粒群优化算法求解本文干扰管理调度模型是有效的。     

NWHFS多扰动调度问题的干扰管理方法

针对多扰动并发工况下无等待混合流水线生产调度问题，构建了多重约束下兼顾初始调度目标（最小化工件完工时间加权和）和扰动修复目标（最小化工件完工滞后时间加权和）的干扰管理调度模型，设计了搜索方向动态可变的多目标随机加权处理策略。并将基于高斯变异的全局寻优改进策略与基于随机邻域结构的局部精细搜索策略相结合，提出了一种混合微粒群优化求解算法。数值算例仿真实验结果表明，包含高斯变异算子和随机邻域结构的混合微粒群优化算法求解本文干扰管理调度模型是有效的。     

基于预测风险最小化的模型选择理论与方法研究

阐述基于预测风险最小化的模型选择问题，提出基于经验风险最小化原则的模型选择一致收敛性定理，解决有限样本下利用经验风险来最小化预测风险的问题，并分析模型选择欠学习或过学习问题的根源，给出一种模型选择的次优迭代算法。最后通过具体实例验证上述理论和方法的可行性和优越性。     

基于支持向量机的非线性系统辨识

支持向量机（SVM）是一种基于结构风险最小化原理的学习技术，也是一种新的具有很好泛化性能的回归方法，该文利用支持向量机对非线性系统进行黑箱建模，介绍了V-SVR的基本理论，并进行了仿真实验，结果验证了所提出的方法的正确性和有效性。     

基于遗传神经网络的指数跟踪优化方法

针对使用完全复制法进行指数跟踪的缺点和仅以跟踪误差作为指数跟踪目标的不足,以跟踪误差最小化和超额收益最大化两者的权衡作为指数跟踪的目标函数,综合考虑实际中的交易成本、现金、卖空限制等约束,建立指数跟踪优化模型,并采用二进制和实数值混合编码的遗传BP网络对指数跟踪管理中的资金进行优化配置.该算法能同时优化网络结构和权值矢量,并结合遗传算子和Solis Wets算子生成后代使遗传搜索空间的群体多样性更好,加快了遗传算法的收敛速度,提高了连接权系数的优化精度.跟踪深证100指数的实证结果表明:应用遗传神经网络算法进行指数跟踪的效果明显优于完全复制法,并且实现了目标指数的动态跟踪.     

基于证券价格时间序列的协整优化指数跟踪方法研究

通过考虑不允许卖空约束和目标指数进行调整的现实情况,研究了基于证券价格时间序列的协整优化指数跟踪方法对目标指数进行直接跟踪的效果以及用简单平均法引入的非样本信息在指数跟踪中的作用.实证结果表明,相比于最小化跟踪误差优化指数跟踪方法,协整优化指数跟踪方法是一种非常好的指数跟踪方法,更多的信息可以进一步改进指数跟踪效果.     

针对目标跟踪的分布式MIMO雷达资源分配算法

基于分布式多输入多输出雷达,针对目标跟踪精度的优化问题提出了一种联合资源优化分配算法。首先,推导了机动目标跟踪误差的贝叶斯克拉美罗下界(Bayesian Cramer Rao lower bound, BCRLB),由BCRLB可知其跟踪精度主要由信号发射功率、带宽和信号有效时宽决定。然后,以最小化目标的BCRLB为目标函数,建立了包含相应的3个资源变量的优化模型,分析可知该模型的求解是一个非凸问题的求解。所以采用循环最小化算法和凸松弛的方法将这个非凸的优化模型转化为凸优化模型进行求解。最后,仿真结果表明,利用所提出的资源分配算法能明显提高机动目标的跟踪精度。     

基于VSMM的GMCPHD滤波算法在多机动目标跟踪的应用

针对交互多模型(interacting multiple model, IMM)在多机动目标跟踪算法中存在的缺陷以及目标跟踪精度问题,提出了基于变结构多模型（variable structure multiple model, VSMM）的高斯混合基数概率假设密度（Gaussian mixture cardinalized probability hypothesis density, GMCPHD）滤波算法。该算法利用了VSMM具有自适应性、时变性的特点,达到了在某一时刻能够选取与目标运动模式相匹配的模型集合的目的,相比于IMM考虑的仅是固定的模式集合具有很强的优越性。此外,GMCPHD滤波算法不仅避免了数据关联问题,而且通过高斯分布递推PHD函数的同时递推基数分布。最后,利用雷达作为传感器,对跟踪机动目标进行仿真,证明VSMM相比于IMM对于多机动目标跟踪更具有优越性,同时验证了VSMM GMCPHD滤波算法具有提高机动目标跟踪精度,减小跟踪误差的作用。     

复杂背景中目标图像的提取与跟踪

本文介绍一种复杂背景中目标图像的提取与高精度目标形心跟踪算法。通过对贝叶斯（Ｂａｙｅｓ）风险函数最优化，将图像分成多灰度层次的目标与背景，进而得到多灰度阀值，并考虑目标像素之间的连通性，将图像进行二值化，有效抑制了孤立噪声点对分割的影响。根据分离后二值图像，得到了跟踪窗中目标形心估值误差表达式，进而得到一种将目标跟踪窗口不断向目标形心移动的高精度形心跟踪算法。     

双隐身飞机闪烁干扰对单脉冲雷达性能的影响

针对单脉冲雷达检测跟踪协同干扰状态的双隐身飞机编队时,角度跟踪误差性能难以合理评价的问题,首次建立了基于侧双机编队平飞航迹的隐身飞机协同闪烁非相参干扰模型,经过相同航迹下编队姿态的解算,获取闪烁干扰模型下的编队动态雷达散射截面序列,结合双机闪烁干扰模型下单脉冲雷达角度跟踪特点,推导得出与双机编队闪烁干扰相适应的单脉冲雷达角度误差跟踪模型,以最小干扰有效诱偏角为实时参变量对闪烁干扰模式下雷达角度跟踪误差性能变化的程度作出了评价。仿真表明双隐身飞机闪烁非相参干扰在干扰释放阶段能有效使单脉冲雷达角误差提高5.67倍,有效诱偏单脉冲雷达的角度跟踪。     

一种移动机器人自适应轨迹跟踪控制算法研究

针对轮式移动机器人的轨迹跟踪问题,提出了一种基于运动学模型的自适应轨迹跟踪控制算法。在分析经典轨迹跟踪控制律缺点的基础上,算法中引入了机器人位姿误差的纵坐标误差以加速机器人的轨迹逼近速度,并采用人工场和位姿误差协同作用来共同完成机器人的导向控制。该控制律结构简单,鲁棒性强。仿真实验表明该方法使移动机器人具有更理想的逼近轨迹。     

基于"当前"统计模型的模糊自适应跟踪算法

“当前”统计模型需要预先设定目标最大机动加速度，不能很好的适应各种机动情况。采用模糊推理的方法根据测量新息和新息变化率实时调整目标最大机动加速度，自适应各种机动情况。此外，针对多数传感器测量方程的非线性，采用性能较好的Unscented Kalman Filter代替常用的扩展卡尔曼滤波。仿真结果表明，该算法在跟踪精度和收敛速度都优于传统的基于“当前”统计模型的跟踪算法。     

未知扰动下自主水面船自适应有限时间轨迹跟踪

研究了未知干扰下的自主水面船(autonomous surface vehicle, ASV)的轨迹跟踪问题,并提出了基于一种有限时间理论的自适应控制策略。首先,基于反演法将控制系统分为运动学回路和动力学回路两部分;在运动学回路,提出关于跟踪误差的快速终端滑模面(fast terminal sliding surface, FTSS),为实现跟踪误差在有限时间达到FTSS,设计了ASV速度的辅助控制律;在动力学回路,以速度辅助控制律为ASV速度的跟踪目标设计关于速度跟踪误差的FTSS,同时考虑外界干扰,设计了包含鲁棒项的自适应控制律,使得速度跟踪误差在有限时间内收敛于动力学回路FTSS附近的邻域;最后,基于船模的仿真实验证明了所设计控制策略的有效性。     

指数化投资的风险评估与预测:基于中国指数基金的实证研究

以我国的指数基金为研究对象, 通过实证方法,检验我国指数化投资的风险状况. 首先,对样本指数基金的跟踪误差方差进行分解, 分析其历史风险水平; 然后,引入压力测试, 预测样本指数基金未来的风险水平. 实证结果表明,从总体上看, 样本指数基金的风险控制得较好. 最后, 发现我国的指数基金能够较紧密地跟踪其基准指数;指数基金的风险来源和结构, 符合指数化投资的风险特征.