基于最大熵原理的金融系统风险测度及实证研究

金融系统是一个复杂的非线性系统。信息熵是一种对系统整体性不确定程度的一种度量。从信息理论出发,用信息熵度量金融风险,通过最大熵分布采用定性分析与定量计算相结合,构建一种金融系统风险分析模型,并以中国股票市场为例分析与验证模型。实证结果表明,该模型是一种有效的风险分析方法,较准确地反映了金融系统的风险状况,为金融系统风险分析提供了一种新的思路。     

最大熵和Brill方法结合识别英语BaseNPs

为了进一步提高基本名词短语(BaseNPs)的识别精度,针对最大熵方法和Brill方法各自的特点,提出基于两者相结合的英语基本名词短语识别算法.该算法是在高准确率词性标注的基础上实现的.在训练和测试两个阶段中,均先采用最大熵方法识别基本名词短语,然后将已具有很高精度的识别结果作为初始标注结果运用于Brill方法中.实验结果表明,此联合算法达到了94%的准确率和召回率,充分融合了最大熵方法和Brill方法的优点,可与基于相同训练和测试语料的目前最理想的英语基本名词短语识别结果相比.     

慢跑鞋的足底压强分析与功能评价

采用德国Novel公司的Pedar鞋垫式(in-sole)足底压力测量系统,对6款适合于健身长跑和中长跑运动员训练或公路比赛所穿的慢跑鞋和1款体操鞋(模拟赤足状态)进行3个速度下的足底压强测量.通过步态周期(TGC)、最大地面反作用力(Fmax)、最大足底压强(pmax)、力量-时间积分值(∫Fdt)以及压强-时间积分值(∫pdt)等参数的分析,对各款运动鞋的功能特性进行了初步评价,建立了初步的评价标准.     

基于MMAS的MIMO-OFDM系统上行多用户检测

在多输入多输出-正交频分复用(multiple input multiple output-orthogonal frequency division multiplexing,MIMO-OFDM)系统上行多用户检测(multi-user detection,MUD)中,针对基本蚁群算法(ant colony optimization,ACO)在搜索过程中易出现过早停滞及收敛于局部最优解等问题,提出一种基于最大最小蚁群系统(max-min ant system,MMAS)的MUD新算法.该算法在蚁群每次循环结束后,仅处于最优路径上的单只蚂蚁释放信息素;同时,通过限制每条路径上信息素的取值范围,避免路径间信息素的差值过大,从而使蚂蚁在每次循环时尽可能地选择不同的路径,提高算法的搜索能力.仿真结果表明,MMAS算法能够有效降低蚁群陷入局部最优解的概率,进而提高了检测性能;同时,随用户数的增加,该算法的计算复杂度却远低于最大似然(maximum likelihood,ML)检测算法,因此,该算法能够在检测性能与计算复杂度之间取得较好的折中.     

自然场景文本区域定位

自然场景文本区域定位是场景图像内容分析的重要步骤,文本区域定位能够为后续的文本识别提供便利.从场景文本特性出发,提出了一种基于最大极值稳定区域(maximally stable extremal regions,MSER)、颜色聚类和视觉显著性的鲁棒性文本定位方法.为了尽可能多地提取出潜在的文本区域,分别在灰度图像和彩色图像上采用最大极值稳定区域和颜色聚类来进行连通域的分析.对于得到的候选连通域,利用自然场景文本的显著性特征和少量的先验信息来滤除其中的非文本区域.将保留的文本区域用数学形态学水平膨胀的方法连成文本行输出.显著性评估的引入使得该方法能够减少大量参数的设定.标准数据集上的实验结果表明,在没有额外的训练数据和少量先验信息的情况下,该方法可以获得较好的正确率和召回率.     

最大匹配问题Tile自组装模型

Tile自组装模型凭借其自组装、可编程等特性在解决NP问题方面具有巨大优势.文中提出了一种求解最大匹配问题的Tile自组装新模型,该模型主要由初始配置子系统、选择子系统及检测子系统3大部分构成.新模型中首先设计Tile分子存储问题信息,其次通过Tile分子自组装操作生成最大匹配问题解空间,最后通过Tile检测分子筛选得到最大匹配问题的解.对模型从所需Tile分子种类、计算时间和计算空间3个方面进行性能分析,并通过实验模拟论证了模型的有效性和正确性.     

考虑实时路况的出行路线选择模型

为了缓解交通拥堵问题,本文在现有的导航仪基础上,考虑到道路的实时情况,设计新的导航仪,帮助居民选择出用时最短且能尽量避免拥堵的路线。研究主要包括两方面：首先,在存在不拥堵路线的情况下,利用最大流模型计算出道路流量,结合实际流量,在尽量避免拥堵(实际流量不超过最大流量)的情况下,求出最短路程,给出建议。然后,考虑拥堵问题难以避免,加强了与实际道路状况的联系,对道路出行选择模型进行了优化,先将道路分为非常拥堵、存在拥堵、畅通三种情况,然后再根据道路实时流量,利用G-LN的模型计算出车道的速度,结合路程,找出用时最短的路线。     

极端环境下导管架平台连续倒塌鲁棒性评估

基于Pushover和AP法分析平台结构极限状态及剩余强度储备比,探讨不同类别承载模式的构件对平台结构抗倒塌能力的影响规律;采用W_(DSR)、W_(RIF)和W_(SRF)确定性指标,评估平台结构鲁棒性和构件重要度。考虑平台抗力受环境载荷变化的影响,基于MSA和LSIA建立随机平台在随机载荷下的可靠度评估方法,提出导管架平台"安全评定图"概念,对服役平台全尺度载荷下的安全性进行标定,在此基础上,对导管架平台进行概率鲁棒性评估。研究表明:平台抗力对水平撑构件的失效不敏感,水平撑的确定性鲁棒性指标较大,可视为冗余性构件;斜撑对保证平台结构的鲁棒性起关键作用;这类构件的失效对结构承载能力影响相对显著,在进行平台结构鲁棒性设计时,应保证其具有足够的强度与韧性。提出的"安全评定图"能够提高平台概率鲁棒性评估的计算精度。     

基于结构鲁棒性提升的隔板贯通节点加固构造

为提高结构的鲁棒性,针对传统矩形钢管柱隔板贯通式栓焊连接构造,提出了一种加固型栓焊盖板连接构造及其设计方法,并进行了数值模拟分析,该分析考虑了断裂模拟及裂后路径跟踪.结果表明,加固型栓焊盖板连接构造能够提高下翼缘连接区域传力失效前梁柱子结构的竖向变形能力,并充分发挥梁内轴向拉力产生的悬链线效应,进而使梁柱子结构提供更大的竖向承载力,可用于提高结构抗连续倒塌能力的加固改造.     

适用于光伏多峰功率跟踪的改进型粒子群优化算法

针对在自然环境下光伏阵列上时常发生的局部阴影而引起P-V曲线由单峰转变成多峰状态,从而导致常规最大功率跟踪算法失效的问题,在研究传统粒子群算法的基础上,提出了一种改进型控制算法。该算法采用全局模式和局部模式两种运行手段定位最大峰值点,在对粒子群优化的速度更新方式上,去除了大量的随机变量干扰,使结构优化非常明显。改进后粒子群优化算法能够使功率跟踪避免陷入局部最优,使之找到真正的最大功率点。通过与传统粒子群算法对比仿真及试验,结果表明,在光伏阵列局部遮荫的情况下,改进后的粒子群优化算法可以快速准确地搜索到最大功率点,追踪精度高达95%,并且比传统的粒子群算法在搜索效率上提升28%,较好地避免了陷入局部最优。