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。     

流空间视角下中原城市群城市物流网络结构分析

运用熵权法对中原城市群物流业发展水平进行综合评价,结合区位基尼系数、区位熵剖析了物流业发展空间演变特征,运用修正引力模型测度了城市物流联系强度,并进行了城市聚类及物流空间网络结构分析.研究表明,中原城市群物流业整体发展由"中心-外围"向"南北中高,东西部低"空间格局转变,呈现一定的空间邻近性特征,整体空间分布比较分散,集聚态势不显著,城市物流集聚水平差异变动较大.中原城市群城市物流网络呈现明显的功能性层级特征,整体联系强度明显增强,物流联系总量差距较大,空间联系不平衡,由"十"字形向"H"形空间格局演变.     

基于近似观测和最小熵约束的SAR稀疏自聚焦方法

当采样率较低以及重建散射点数量较多时, 基于两步优化的稀疏自聚焦方法收敛速度较慢且容易陷入误差较大的局部最优解, 导致自聚焦失败。针对此问题，提出了一种基于近似观测和最小熵约束的稀疏自聚焦方法。首先, 为解决测量矩阵规模大、内存占用高的问题, 构建了一种基于近似观测的稀疏自聚焦模型, 在聚焦图像的傅里叶变换域引入误差相位。然后, 在采用最大似然估计器估计误差相位时增加了最小熵约束, 同时采用相位梯度自聚焦法提供误差相位的初始解, 有效降低了迭代次数并使迭代结果更接近全局最优解。机载合成孔径雷达的实测数据成像结果表明, 与常规自聚焦方法相比, 所提方法具有更快的收敛速度和更稳定的自聚焦性能。     

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.     

关于两种活化熵△≠rS(θ)m(c(θ))和△≠rS(θ)m(P(θ))的讨论

用热力学方法处理过渡状态理论的艾林方程,选择两种不同参考点作为标准态,得出两个不同的计算公式,两种类型的活化自由能、活化焓、活化熵意义数值不同,对于理想气体的反应,两种类型的活化焓相等,活化熵不等,但两种活化熵之间存在定量关系式:△≠rSθm(Pθ)=△≠rSθm(cθ) (n-1)Rln[Pθ/RTcθ].     

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.     

基于LMD近似熵和SVM的自适应重合闸方法

自适应重合闸的功能是快速、准确地辨识故障性质及捕捉电弧熄灭时刻.在分析瞬时性故障和永久性故障断路器跳闸后的端电压波形复杂性的基础上,提出了局部均值分解(LMD)、近似熵和线性支持向量机(SVM)相结合的自适应重合闸整体实现方案.利用LMD分解故障信号得到若干个PF分量,选取前3个PF分量算出其近似熵值构成三维特征向量,将三维特征向量作为SVM的输入量来区分故障性质和捕捉电弧熄灭时刻.线路故障仿真结果表明,该方案可智能识别故障性质和捕捉电弧熄灭时刻且具有一定的抗噪能力.