Dynamic Latent Class Model Averaging for Online Prediction

We consider the problem of online prediction when it is uncertain what the best prediction model to use is. We develop a method called dynamic latent class model averaging, which combines a state‐space model for the parameters of each of the candidate models of the system with a Markov chain model for the best model. We propose a polychotomous regression model for the transition weights to assume that the probability of a change in time depends on the past through the values of the most recent time periods and spatial correlation among the regions. The evolution of the parameters in each submodel is defined by exponential forgetting. This structure allows the ‘correct’ model to vary over both time and regions. In contrast to existing methods, the proposed model naturally incorporates clustering and prediction analysis in a single unified framework. We develop an efficient Gibbs algorithm for computation, and we demonstrate the value of our framework on simulated experiments and on a real‐world problem: forecasting IBM's corporate revenue. Copyright © 2014 John Wiley & Sons, Ltd.     

考虑车辆间交互作用的驾驶意图预测方法

准确的意图预测可以帮助智能车辆更好地了解周围环境并做出更加安全的决策，从而提高自动驾驶的安全性，促进人机协同驾驶。为了对驾驶员未来的意图做出更加精准的预测，提出了一种交互式意图预测方法。首先，通过将隐马尔可夫模型（HMM）与高斯混合模型（GMM）相结合，在充分考虑周围场景信息后建立了行为识别模型，用于对当前的驾驶行为做出准确的判断。然后，考虑到交通场景复杂多变的特点，提出基于意图的轨迹预测方法规划出一条最佳的行驶轨迹，并采用最大期望效用理论对未来的驾驶行为进行推理。由于行为识别和意图推理模型综合考虑了交通态势的演变过程和车辆之间的交互作用，所以将两个模型得到的结果相结合可得到车辆最终预测出的驾驶意图。最后，在NGSIM数据集对所提出的方法进行验证，结果表明提出的行为识别模型能够提前0.2~0.3 s识别出车辆的换道意图，结合未来意图推理模型，能够更加准确地预测出车辆未来的驾驶行为，由此可提高车辆驾驶的安全性。     

当开方术遇到一元高次方程

开方术是中国古代数学中的内容,最先出现在《九章算术》中的《少广》章,他是中国传统数学中发展较为完善和成熟的一个分支。后来经过宋元时期的发展,演变为求解一元高次方程一个实根的增乘开方算法。如果方程恰好只有一个正的实根,解决起来顺理成章。如果方程有两个正根,开方术得到的是哪一个根?为什么这一个就是所要求的根?如果方程有多个正根,开方术如何求出这些正根?这些问题都是中国传统数学必须面对和需要解决的问题。另外,中国解方程的方法"开方术"也必然的无法回避方程的负数根、复数根以及方程论的相关问题,而对这些问题的梳理和介绍,可以为大家提供认识方程论的另一种视角,从中可以体现认识数学的多种进路。     

由粗到精和特征筛选的精确回归预测方法及其在二语习得中的应用

针对数据分布不均匀且因素多而容易造成预测不精确的问题,提出一种结合由粗到精与特征筛选的精确回归预测方法.首先,由于数据分布不均匀且预测区间大,直接预测难以精确地拟合,提出一种由粗到精的预测方法,并使用决策树进行粗分类,预测目标所在的子区间,然后在子区间内实现精确的回归预测.其次,如果数据量少且特征因素多会引起过拟合,而且部分冗余特征会影响模型的预测精度,因此,提出一种基于特征筛选的回归预测方法以提高预测精度.在大学生的英语成绩与其人格因素数据集上进行相关实验,结果证明了由粗到精和特征筛选方法与传统回归模型相比精度更高且稳定性更好.通过提出的人格因素与英语成绩回归预测模型,可以制定合理的培养方案弥补学生人格因素中的短板,提升学生的自身竞争能力,从而更好地推动中国的英语教育.     

带积分边界条件的分数阶微分方程正解的存在性

基于锥上的不动点指数理论,通过构造锥和Green函数的性质,给出如下带有双参数的非线性边值问题:■在不同增长性条件下正解的存在性、多解性和不存在性,其中:2α3;0μ2和λ0是两个参数.     

对流-扩散方程初边值问题的重整化群方法

利用摄动重整化群方法研究一类对流-扩散方程的奇异摄动初边值问题. 首先将时滞微分方程分解为左、右两个不带时滞的边值问题, 然后利用重整化群方法分别构造左问题和右问题的渐近解, 最后利用光滑缝接条件将左右两段解相连, 得到原问题的逼近解.     

基于平稳分布的随机恒化器动力学分析

基于平稳分布,研究了一类带有参数扰动的随机恒化器模型的空间动力学行为。首先,利用微分方程的基本理论,求出微生物种群平稳分布概率密度函数的完全表达式;然后,对于所得的平稳分布密度函数的形态进行分析,发现噪声在很大程度上将改变原有确定性恒化器模型的动力学行为,而且最大概率平衡点会随噪声强度的改变而改变,呈现出较为复杂的动力学行为;最后,通过一组文献中的实验数值进行模拟分析,所得结论与理论结果一致。研究恒化器模型的主要目的是研究其中微生物的生存分布,对这一问题进行深入的研究,可为相关从业工作者提供较为完善的理论依据。     

利用反预报方法从截面预言近滴线丰质子核的结合能

在Origin等数据处理软件中,当实验数据较少时,自由参数的不同初始化设置会导致较大的结果差异,这为物理结果的确定带来较大不确定性.通过最小二乘法分析了345MeV/u ~(78) Kr+~9Be反应中产生的丰质子同位素的截面和结合能,并得到线性回归方程.通过回归方程,利用结合能预报部分丰质子核素的截面,以及通过实验截面对近质子滴线核素的结合能进行反预报测量.这对于近质子滴线的丰质子核素实验测量具有较好的借鉴意义.     

普遍信任视角下城市居民绿色住宅支付意愿的影响因素:中国部分一线城市的证据

绿色住宅的推广和使用是降低建筑能耗、实现减排目标的重要途径.基于普遍信任视角,从居民内在心理因素与外在情境因素入手,系统构建城市居民绿色住宅支付意愿影响因素的研究模型,并探求普遍信任的一阶及高阶调节效应及影响该效应发挥作用的边界条件.结果显示,对于内在心理因素,普遍信任对居民绿色住宅认知与支付意愿的关系有显著的正向调节作用,但易受到居民损失规避心理的负向影响;普遍信任对居民环境关心与支付意愿的关系有显著的正向调节作用,且易受到居民广告诉求(来源可靠性诉求和利已诉求)的正向影响;普遍信任对居民道德认同与支付意愿的关系有显著的正向调节作用,且易受到居民高解释水平的正向影响.对于外在情境因素,普遍信任对社会风气/群体压力与支付意愿的关系有显著的正向调节作用,且权威认证标识有助于增加居民对绿色住宅的"初始信任",助推居民主动购买绿色住宅社会风气的形成.基于实证研究结论,在政府、开发商及居民个体层面提出相应建议.     

基于自适应变异PSO-SVM的APU性能参数预测模型

为提高辅助动力装置(auxiliary power unit, APU)性能参数预测的精度,针对支持向量机(support vector machine, SVM)模型在实际使用中遇到的参数选择问题,采用自适应变异粒子群优化(particle swarm optimization, PSO)算法实现对SVM惩罚参数和核参数的优化选择,提出一种基于自适应变异PSO算法优化SVM的APU性能参数预测模型。进一步分析了预测模型不同预测步长对短期预测精度的影响。利用某型APU性能参数数据进行了验证,并与多种预测模型进行了对比实验。实验结果表明,对于排气温度(exhaust gas temperature, EGT)的预测,自适应变异PSO-SVM模型的平均绝对百分比误差(mean absolute percentage error, MAPE)比标准PSO-SVM模型低47%;对于滑油温度(oil temperrature, OT)的预测,自适应变异PSO-SVM模型的MAPE比标准PSO-SVM低29%,为短期APU性能变化趋势预测提供了一定的参考。