拟蒙特卡罗积分与蒙特卡罗积分

分别介绍了蒙特卡罗方法和拟蒙特卡罗方法的基本思想,从算法本身、误差估计以及收敛率等角度分析了蒙特卡罗方法和拟蒙特卡罗方法的关系,并着重分析其在高维积分中的应用,从而说明拟蒙特卡罗方法的优越性.     

基于拟蒙特卡罗法的电力系统抗震可靠性研究

针对电力系统抗震可靠性评估中蒙特卡罗方法误差收敛相对较慢的特点,将以低偏差序列抽样的拟蒙特卡罗方法应用于可靠性评估中,并结合了在求解传递闭包中能够减少计算量的三角形算法,建立了结合低偏差序列抽样与三角形算法的抗震可靠性计算模型.基于川北地区110 k V发电站与变电站的可靠性分析,分别进行了三种算法下的标准蒙特卡罗方法模拟和Sobol序列拟蒙特卡罗方法模拟.模拟结果表明:在电力系统抗震可靠性求解中,与伪随机数序列相比,Sobol序列的解算结果具有更高的收敛速度.当抽样次数为5 000次时,拟蒙特卡罗(QMC)方法的计算结果为0.6689,误差不超过0.1%,而蒙特卡罗(MC)方法的计算结果为0.6659,误差为0.389%;在相同抽样次数下,三角型算法相对于其他算法具有更高的运算效率,将三角形算法与拟蒙特卡罗方法结合既提高了精确度又提高了运算速度.     

基于信息熵的高维数据流子空间聚类方法

提出了一种数据流概率密度估计方法,在此基础上,经计算得到整个数据集在低维空间投影的信息熵,基于该信息熵实现了一种新的高维数据流的子空间聚类算法EPStream.实验表明,与传统的算法相比,该算法在聚类精度和时间方面都有所提高.     

蒙特卡罗方法与拟蒙特卡罗方法解线性方程组

分别介绍蒙特卡罗方法和拟蒙特卡罗方法解线性方程组的基本原理,并对两种方法的误差和收敛速度进行讨论.提出误差由3方面造成:截断误差、方法本身、伪随机数序列和低差异序列分布不均匀.在收敛速度方面:蒙特卡罗法的收敛速度与问题的规模和模拟路径长度无关;拟蒙特卡罗方法的收敛与问题的规模无关,但与模拟路径长度有关.经过对两种方法适用的情况进行讨论及数据测试,认为在一般情况下应选择用拟蒙特卡罗方法解线性方程组.     

利用蒙特卡罗方法与拟蒙特卡罗方法计算定积分

在本文中,我们利用计算机分别产生了伪随机数序列和低差异数序列.在此基础上,我们研究了蒙特卡罗积分与拟蒙特卡罗积分.     

机械强度可靠性灵敏度分析的拟蒙特卡罗法

虽然蒙特卡罗方法具有程序结构简单,计算效率与问题维数无关的优点,但工程结构的失效概率往往很小,要获得精确的结果就需要大量样本,因而计算效率低.针对这一问题,采用Halton序列代替伪随机数并结合重要抽样方法,提出计算可靠性灵敏度的拟蒙特卡罗法.该方法与传统蒙特卡罗法相比显著减少了样本,提高了计算效率,并且误差是确定的.以齿轮为研究对象,通过对接触疲劳可靠性及可靠性灵敏度进行分析,证实了该方法在计算效率上的优势.     

基于拟蒙特卡罗的多目标投资组合优化

投资组合最优化是定量经济学中一个很重要的问题,主要研究金融资产的优化配置,以实现收益最大化和风险最小化的均衡.近两年,蒙特卡罗模型被应用到一些关于投资组合最优化的实验研究中,但是其稳定性不是很高.该文提出如何在权重超平面上生成低差异权重向量序列的方法,以实现了稳定性更高的基于拟蒙特卡罗的多目标投资组合优化模型.实验结果表明,相比蒙特卡罗模型,拟蒙特卡罗方法平均收益稍大,且更稳定.     

一种新的CPM信号载波同步算法

针对连续相位调制(CPM)信号载波同步中存在的估计精度低、信噪比适应能力弱以及计算复杂度高等问题,提出了一种基于数据辅助的CPM信号载波同步算法。首先分析建立了预编码CPM调制同步系统的数学模型,并据此推导了信号相位估计值的对数似然函数;然后利用后验概率均值实现对载波同步参数的精确估计,同时对算法的相偏估计精度和频偏估计范围进行了理论分析;最后利用蒙特卡罗仿真实验验证了所提算法的有效性。理论分析和仿真结果表明:新算法对CPM信号载波同步精度高,信噪比适应能力强,且能够适用于大频偏环境,同时在计算量上相比EM算法具有一定优势。     

格心型有限体积法格点变量重构方法研究

根据网格格点变量计算单元变量梯度是二阶空间精度格心型有限体积法梯度重构的常用方法,该方法的关键是根据格点的邻接单元格心变量构造满足局部线性分布的格点变量.采用加权最小二乘法进行格点变量重构,考虑实际格心变量的非线性分布,提出采用距离反比加权体现不同位置单元对格点变量的影响程度差异;针对扰动或弯曲网格中的格点变量重构出现极值的现象,采用了新的限制方法.采用高雷诺数边界层流动计算中常见的大长宽比、扰动/弯曲网格进行测试,将提出的方法与通常采用的加权平均方法和拟拉普拉斯方法进行对比.算例结果显示距离反比加权的最小二乘法重构精度较好,提出的限制方法避免了扰动/弯曲网格上的格点变量出现极值.     

基于局部线性嵌入的半监督仿射传播聚类算法

针对运用半监督仿射传播聚类算法处理高维数据时聚类精度低和计算量大的问题,提出一种基于局部线性嵌入的半监督仿射传播聚类算法.该算法首先通过LLE算法将高维输入数据集映射到低维空间得到低维数据集,计算低维数据集的相似度矩阵,再用半监督算法调整相似度矩阵,最后用仿射传播聚类算法对低维数据进行聚类分析.仿真结果表明,本文提出的算法与半监督仿射传播聚类算法相比,在处理高维数据时聚类效果更好,精度更高,迭代次数更少.     

基于局部保持投影和RBF神经网络的DOA估计

提出了一种有效的降维构建方法改善来波到达角（DOA）估计的性能。该方法利用局部保持投影（LPP）对DOA估计用的神经网络的训练样本进行降维,以降低神经网络的复杂度,加快神经网络的训练过程。与常用的协方差矩阵上三角特征相比,在不损失有效方位信息的基础上,可以使特征维数极大地降低。数值实验表明,基于局部保持投影和神经网络的方法具有良好的估计精度和效率,同时对噪声也有较强的适应能力,能够很好地满足波达方向估计实时性的要求。     

基于改进广义回归神经网络和主成分分析的宽带DOA估计

为了获取较高的宽带信号的DOA(direction-of-arrival)估计精度,提出了基于改进的广义回归神经网络(IGRNN,improved generalized regression neural network)和主成分分析(PCA,principalcomponent analysis)的宽带DOA估计算法。选用PCA方法对训练样本进行降维,以降低神经网络的复杂度;利用粒子群算法优化GRNN的参数;根据选取不同的聚焦角度确定粗估计、精估计的训练模型,通过粗估计得出目标的大致方位后,利用精估计模型得出最终的估计结果,避免了聚焦角度对估计精度的影响。仿真结果表明,本文提出的算法具有较好的估计精度和较高的工作效率。     

倒易晶格原胞的矩阵算法和利用Matlab绘制原胞图

视正格子原胞基矢和倒格子原胞基矢为线性空间的两个基底,提出了求解倒格子原胞的一种新的矩阵算法。在此基础上,利用Matlab软件实现了任意维次倒格子的求解和最常用的二维、三维晶格原胞的计算机绘图。     

二维Ising模型重正化群方法集团不同大小划分结果的分析

基于二维三角晶格模型,分别选取包含7、9个格点自旋的集团为Kadanoff集团,通过实空间重正化群变换分析求解临界点及临界指数,对其结果对比分析表明:选取更大的自旋集团可以提高精度.     

基于PCA和LS-SVM的软测量建模与应用

针对工业过程中某些重要过程变量难以实现实时在线检测和高维数据处理的问题,提出了将主元分析与最小二乘支持向量机相结合的软测量建模方法,并利用该方法建立了工业阿维菌素发酵过程中的菌丝浓度软测量模型.主元分析方法的引入,有效地提高了最小二乘支持向量机软测量模型的精度和泛化能力.应用结果表明,该方法与基于径向基函数神经网络软测量模型相比具有有效性和优越性.     

基于L形算法的多阶段电网规划

提出了一种计算精度能够满足工程需要,而计算效率显著提高的多阶段网络规划新算法．该方法在灵敏度分析方法上构建输电网多阶段网络规划的线性近似模型,采用Ｌ形算法对该模型进行分解处理,将一个多阶段的高阶电网规划问题转化为多个规划子事件进行降价迭代计算,最终收敛到原始规划问题的满意解．所提方法不仅可以显著提高求解速度和减少内存消耗,而且可以获得与其他方法等效的网络优化扩展方案．通过一个测试算例,验证了该方法的有效性和可行性．     

含非线性阻尼二维Navier-Stokes方程的全局吸引子维数估计

利用经典的全局吸引子维数估计方法,研究了一类含非线性阻尼的Naiver-Stokes系统在二维全空间上的全局吸引子的维数估计问题。     

软件成本数据的相似性度量

软件成本数据常常表现为高维混合属性数据,传统的相似性度量已不再适用.文中通过建立软件成本数据的高维模糊C均值(FCM)聚类算法对数据相似性进行度量.首先,定义由序数属性到数值属性的初始映射;然后,通过建立改进的迭代高维FCM聚类算法对序数 数值映射进行修正,优化聚类效果;最后,利用得到的模糊划分矩阵对软件成本数据的相似性进行度量.实验结果表明,通过对聚类效果进行优化,文中定义的相似性度量能够提高软件成本估算精度.     

工序精度的综合分析法

现行的定位误差分析计算方法和工艺尺寸链计算方法的理论体系相互割裂,导致机械加工中工序精度分析时需对定位误差计算和工序尺寸计算分别单独进行,并常得出相互矛盾的结论.为解决该问题,提出了工序精度的综合分析法,并将定位误差引入到工艺尺寸链的计算中,以其作为判断工序精度能力是否足够的依据.     

用于可压缩Navier-Stokes方程的 格子Boltzmann模型

通过引入多速度和多能级，解除了标准格子Boltzmann方法用于可压缩Navier-Stokes 方程存在低Mach限制和一阶精度的限制，将模型的精度提高到二阶.