严格的最小二乘递推算法

当缺乏待估计量的初始统计知识时,最小二乘递推（ＲＬＳ）算法不能给出严格意义下的最小二乘估计．本文继文献［１］之后,应用广义逆的理论,分别就一般加权情形、最优加权情形和指数加权情形给出了严格的最小二乘速推算法（简称Ｒ２ＬＳ算法）．该算法无需事先提供待估计量的任何统计知识而能获得严格意义下的最小二乘估计,且证明了该算法分别为时变与定常系统提供了最短时间无偏状态估计算法与无差状态观测器．     

(ψ)-混合序列加权乘积和的完全收敛性

讨论了(ψ)-混合序列加权乘积和的完全收敛性,将NQD随机变量序列加权乘积和的完全收敛性推广到了(ψ)-混合序列的情形.     

一种松弛的尺寸可变装箱问题及其在线算法

给定物品系列,不同尺寸的箱子依次到达,要求将所有物品装入到箱子中以实现从第一个箱子到最后一个被使用的箱子为止的所有箱子总尺寸最小化.为此给出了6种在线算法,并对这些算法在两种箱子尺寸约束条件下的最坏情形性能和一般情形性能分别进行了研究.理论分析表明最坏情形下6种算法的渐进竞争比在常规约束不小于2,在松弛的约束条件下为无穷;仿真试验表明一般情形下FFD(FirstFitDecreasing)算法最优.     

线性回归模型的深度加权最小二乘估计和拟合检验

在线性回归模型中普通的最小二乘估计(LSE)许多情形下是不稳健的.本文介绍了一种投影深度函数,深度加权平均和深度加权LSE,这些估计量有符合需要的稳健性.并讨论了在深度加权LSE情形下线性回归模型的拟合检验问题.     

m-WOD序列随机加权和的完全收敛性

在一些宽泛条件下，研究m-宽象限相依序列(m-WOD)随机加权和的完全收敛性，该结果将现有文献中宽象限相依(WOD)序列的相关结论拓展到m-WOD序列的情形.     

铀尾矿库放射性污染无线传感器网络监测改进型加权质心定位算法

针对传统铀尾矿库放射性污染监测定位线路布设成本高、不易扩展等问题,结合带状铀尾矿库坝体环境特点,提出一种改进型加权质心算法(ACA).通过改进权值选择机制,克服了远距离定位误差偏大的缺点,提高了监测定位精度.仿真研究表明:相比极大似然估计法(MLE)加权质心(CA)两种算法,ACA算法平均定位误差分别降低了40.0%和19.5%,最大定位误差分别减少了约1/4和1/6,定位的可靠性和稳定性较高,可满足铀尾矿库放射性污染监测定位要求.     

加权数据融合算法及其应用举例

建立了一种基于格罗贝斯(Grubbs)准则和聚类分析的加权数据融合算法，即先用格罗贝斯准则剔除所测数据中的疏失误差数据，再用聚类分析的方法对剔除疏失误差数据后的测量数据进行聚类，并由此确定各类别的权数(加权因子)，最后利用所得权数进行加权融合得出被测对象的融合估计值。实验证明，该算法简单有效，且适合计算机编程。     

退化工件误工数的双机自由作业排序问题

探讨退化工件两台机器自由作业环境下的最小化加权误工工件的排序问题,其中所有工件具有相同的公共交货期。首先证明了最小化误工工件数问题是 NP 困难的;然后对最小化加权误工工件数问题给出了一个拟多项式时间算法;最后对几种特殊情形给出了多项式时间算法。     

基于Hadoop云平台的新浪微博社交网络关键节点挖掘算法

为了高效地分析挖掘新浪微博社交网络信息传播过程中的关键节点,以Hadoop云计算系统作为存储和处理平台,在X-RIME大规模社会网络分析工具开源框架基础上,针对社交网络中使用HITS(hypertext induced topic selection)链接分析算法挖掘关键节点时,未能体现节点和连接的社会属性问题进行改进.新算法充分考虑了社交网络节点和边的社会属性,对HITS算法节点和边的社会属性权值进行优化计算,提出适合社交网络特点的加权HITS算法.通过Hadoop云平台分别运行加权HITS算法和传统HITS算法对新浪微博社交网络数据进行分析.实验结果表明,加权HITS算法比传统HITS算法具有更高的执行效率和结果区分度,加权HITS算法更适合于大规模社交网络信息传播过程中关键节点的分析挖掘.     

基于置信区间的自适应加权均值滤波算法

为了改善图像滤波的效果,提出1种基于置信区间的自适应加权均值滤波算法。根据高斯噪声的特点以及其对原图像的影响,仅对滤波窗口中处于置信区间的像素求加权均值。同时考虑了灰度相关性与距离相关性,将灰度测度因子和距离测度因子进行线性加权求和,得出加权系数。最后对加权均值滤波后的图像进行折中的灰度均衡化。实验结果证明,相对于标准均值滤波(SMF)算法和自适应均值滤波(AMF)算法,该文算法的滤波图像更加清晰,很好地恢复了原图像,同时保留了图像的边缘和细节;该文算法对应的归一化均方误差明显低于SMF算法和AMF算法。     

加权关联规则算法的并行化研究

加权关联规则MINWAL(O)算法有效解决了数据库中各项目的重要程度不同的问题,但在生成加权频繁项集需要多次扫描数据库,遇到大规模数据算法效率很低问题。该文提出一种改进的MINWAL(O)算法,将事务数据库扫描后转化成布尔矩阵,然后对布尔矩阵进行分块,再由多个节点并行计算,并使用多叉树结构存储局部加权频繁项集,最后汇总得出加权频繁项集。该算法与MINWAL(O)相比,减少了数据库扫描次数,提高了算法时间效率。     

U-统计量的Edgeworth展开及其随机加权逼近

探讨了独立样本情形下U－统计量的分布的渐近展开，在较一般的条件下证明其Edgeworth展开的余项之误差可达到o(n^-1/2)，并构造精度为o(n^-1/2)的随机加权逼近。     

基于Bayesian MCMC方法的美式障碍期权模拟定价

在最小二乘蒙特卡洛(LSM)方法基础上,提出用加权最小二乘与蒙特卡洛(MC)方法相结合,得到加权最小二乘蒙特卡洛(WLSM)方法,研究了障碍期权模拟定价的问题.假设标的资产价格过程遵循几何布朗运动,分析了是否支付红利和生成期权价格路径的问题.使用随机化Faure序列替换LSM方法中伪随机数,给出了WLSM方法在美式障碍期权定价的算法步骤.使用R语言对美式障碍上升敲出看跌期权(up-and-out put)在支付红利的情形下进行数值模拟,结果表明此方法与其他定价模型方法相比,定价更准确,说明该方法具有可行性和有效性.     

机器带准备时间的平行机分批排序

首次研究了机器带准备时间的平行机上的分批排序问题,这里的目标函数为极小化工件的最大完工时间,这类问题是NP-难的.我们根据FBLPT算法、Multifit算法和LPT算法,分别对机器是同型机和同类机的两种情形设计出两个近似算法,并证明它们的最差性能比分别不超过(2-1B)[97 (12)k]和53(2-1B).     

非对称模型下的顺序诊断算法

讨论了顺序ｔ－可诊断系统的诊断算法问题。在Ｍａｌｅｋ和ＢＧＭ模型下，分别提出了一种顺序诊断算法，这些算法在测试图是二部图的情形下都是多项式时间复杂性的。     

基于最优权重的三维非局部均值图像去噪算法

将二维非局部均值的优化理论和收敛性定理推广到三维情形，并提出了具有最优权重的三维非局部均值算法。首先通过最小化L₂估计的上界，得出了三维非局部均值算法的自适应平滑参数的最优加权。接着证明提出的算法在统计上是以最优速度收敛的。仿真实验表明，与其它去噪方法相比，本文算法能够有效去除各类方差稳定的独立同分布随机噪声，并且具有更好的估计结果。     

适用于LDPC码的新颖自适应联合加权比特翻转译码算法

针对低密度奇偶校验(low-density parity-check,LDPC)码采用单比特翻转算法译码可能出现比特循环翻转现象而导致译码收敛速度缓慢的问题,提出一种适用于LDPC码的新颖自适应联合加权比特翻转(self-adaption combined weighted bit-flipping,SCWBF)译码算法.该SCWBF算法结合了能高效实现的可靠率加权比特翻转(implementation-efficient reliability ratio based weighted bit-flipping,IRRWBF)算法与低复杂度加权比特翻转(low complexity weighted bit-flipping,LCWBF)算法的优点,在每次迭代过程中,能自适应翻转单比特或多比特,从而避免了单比特翻转算法在译码过程中产生的同一比特循环翻转现象.仿真结果表明,与加权比特翻转(weighted bit-flipping,WBF)算法、IRRWBF算法以及联合改进加权比特翻转(combined modified weighted bit-flipping decoding,CMWBF)算法相比,提出的SCWBF译码算法加快了LDPC码的译码速度,并且误码性能也得到明显改善.     

基于PSO和加权FCM的图像分割算法

结合PSO算法和加权FCM算法(WFCM)的优势,提出一种新的图像分割算法--基于PSO和加权FCM的图像分割算法(PWF).算法通过PSO进行全局寻优,克服了单纯FCM算法的对初始值敏感及对噪声数据敏感,容易陷入局部最优的缺点,能够找到全局最优的模糊划分,实现模糊聚类图像分割.实验利用了加权二维直方图的WFCM算法,考虑像素间的空间信息,改善了图像分割效果.     

NSD随机变量加权和的强收敛性

利用负超可加可相依(negatively superadditive dependent,NSD)随机变量的MarcinkiewiczZygmund型矩不等式、Kolmogorov型指数不等式和随机变量的截断方法,给出NSD随机变量阵列加权和的若干完全收敛性的结果.所得到的结果把同分布负相协(negatively associated,NA)随机变量加权和的相应结论推广到了NSD随机变量变列加权和的情形,并且不需要同分布的条件.     

基于全局优化的多组元熔体互扩散分析方法

不同于传统的确定多元互扩散系数的"扩散路径法"和"平方根扩散系数法"等方法,本文基于遗传算法和模拟退火算法的全局搜索功能,将这些智能算法与Levenberg-Marquardt算法进行有机结合从而提出一种既具有全局搜索能力又能够保证最优解精度的算法.通过扩散实验的成分谱构建目标函数,利用本算法对目标函数进行优化得到最优解,从而获得多组元体系的互扩散系数.为了说明本算法能够方便、可靠地处理多组元熔体的互扩散过程,本文分别对正常扩散情形,上坡扩散情形,理想扩散情形(不存在随机误差),大噪声比情形(随机误差范围为1个原子百分比)的扩散偶进行了分析,结果表明本算法都能适用于这些情形并给出很好的分析结果.此外,相对于"扩散路径法"等传统方法,本算法还具有精度高,通用性强等优点.