基于改进LDA的社会化标签主题识别方法

针对社会化标签中资源之间存在独立同分布特性,并且其对应的标签资源作为资源内容的特殊语义内容,提出一种联合特征词加权-LDA(Joint Feature Word Weighting-LDA)在资源内容和标签下联合主题识别方法,从而解决资源存在的独立同分布特性以及特征词采样等问题.首先建立评论及对应标签资源在信息熵相似度条件下的潜在关系,对该潜在关系使用随机游走方法获取各组资源和各组标签的权值系数,消除资源间的独立同分布.通过加权方法加权至每个资源的特征词,形成资源特征词和标签特征词的权重值系数.在此基础上构建联合特征词加权-LDA模型,通过迭代学习方法获取社会化标签资源的隐含主题知识.通过实验表明,提出的联合特征词加权-LDA相对于其他主题模型具有更好的主题识别效果.     

基于已实现半协方差的投资组合优化

在传统的风险度量方法中,常见的协方差估计量并未区分资产收益的下侧风险和上侧收益,而一般的下偏矩估计量则存在非对称性和难以加总的缺点.本文引入已实现半协方差矩阵(RSCOV)作为风险度量进行波动率预测和投资组合研究.本文将RSCOV应用于两种常见的风险分散投资策略—风险平价(ERC)策略和全局方差最小(GMV)策略,并将机器学习中的在线加权集成(OWE)算法用于提升已实现波动率预测方法HAR-RV的样本外预测表现.通过研究发现,相比起已有的其他风险衡量方式,仅包含负向波动信息的下半RSCOV能够更好地被用于平衡组内各资产的风险贡献.基于A股市场2011-2018年的高频数据,本文通过实证研究发现,OWE-HARRV在月度预测步长下的效果优于HAR-RV,而下半RSCOV则能够使ERC策略以及GMV策略在保证一定平均收益的同时,降低了组合收益的极端损失.     

基于伪距相位组合法和电离层残差法探测和修复周跳的研究

GPS高精度定位中,周跳的探测和处理是一个核心难点.电离层残差法因为其探测精度高而被广泛应用于探测周跳,但是不能分离具体频率上的周跳.根据该特点,对于联合电离层残差法和伪距相位组合法两种方法消除周跳的可行性进行了分析.研究表明:该方法可以完全解决电离层残差法不能分离周跳的问题,联合之后的周跳探测方法灵敏度高,探测准确,计算原理快速简单,是一种探测修复周跳的有效手段.     

基于深度学习的牙刷姿态识别方法

针对牙刷分拣中的定位问题,在确定牙刷位置的基础上采用深度学习实现牙刷姿态识别.对牙刷图像进行去噪增强,通过阈值分割提取感兴趣区域,计算图像的几何矩获得牙刷的方向角和外接矩形,以外接矩形的中心作为牙刷位置.用矩形框内的牙刷图像训练残差网络模型,当模型正确率达到要求时保存该模型,用于判断图像中牙刷的姿态.测试结果表明,该方法可以快速准确地实现牙刷的位置确定与姿态识别,为机器人分拣提供牙刷位姿信息.     

完全市场中的Yaari对偶效用最大化问题

效用最大化问题是经济学和金融学中的最重要和最基本的问题之一.经典的von NeumannMorgenstern期望效用模型在实践中都受到诸多挑战.Yaari对偶效用理论是重要的非期望效用模型之一.本文研究完全金融市场中的Yaari对偶效用最大化问题.前人在某种单调性条件下得到了该问题最优解的显式刻画.而在本文中,无需任何单调性条件,我们得到了最优解的显式刻画.     

SWI对脑创伤性轴索损伤的诊断价值

目的:探讨磁敏感加权成像(SWI)对弥漫性轴索损伤(DAI)的诊断价值.方法:对40例临床诊断为DAI病例常规T1WI,T2WI液体衰减反转恢复(FLAIR)序列和磁共振弥散加权(DWI)及磁敏感加权(SWI)扫描.结果:SWI可清楚显示31例DAI的颅内异常小出血灶,为点状、条索状、类圆形或串珠状的低信号影,检出率77.5%,分别同常规T1WI,T2WI序列检出率15%,32.5%(χ2=31.43,P=0.01,χ2=16.36,P=0.01),同FLAIR序列检出率50%,DWI序列57.5%(χ2=6.54,P0.05,χ2=3.65,P0.05).结论:SWI能非常敏感地检出外伤后弥漫性轴索损伤患者的脑内小出血灶,对弥漫性轴索损伤有很高的诊断价值.     

非同分布φ混合序列加权和的强极限收敛性

利用φ混合序列矩不等式和截尾的处理方法,研究非同分布φ混合序列加权和强极限收敛性质的问题,得到了若干新结果,推广并改进了独立同分布情形下的相应结果.     

加权马尔可夫链在水稻产量预测上的应用

基于水稻的产量受多种因素的影响,并且具有较大的随机波动性的特点,提出了运用加权马尔可夫链的方法对水稻产量进行预测,并依据黑龙江省历年水稻产量的数据对该省2012年水稻产量进行了预测,验证了其有效性.     

锂电池异常状态监测的FEKF方法研究

为了保障锂离子电池的使用安全，提出了基于带渐消因子的扩展卡尔曼滤波 （Fading Extended Kalman Filter，FEKF）的电池状态在线监测方法. 建立锂电池一阶等效电路模型，利用递推最小二乘法进行锂电池状态参数在线辨识，建立状态方程；引入最优渐消因子，构造FEKF，得到端电压残差；使用端电压残差序列构造χ2分布的诊断函数，计算误检率与状态参数异常阈值. 实验结果显示利用FEKF生成的残差能更早对异常状态进行告警，证明FEKF能够显著提高χ2检验对锂电池内部缓变型异常状态判断的准确率.