原始方程组对黏性系数的连续依赖性

考虑了柱形区域上带振荡随机力的大尺度海洋三维原始方程组的连续依赖性。运用微分不等式技术,推导了方程组解的先验界,采取能量分析的办法,得到了方程组的解对黏性系数的连续依赖性。     

一类带有稀疏过程的混合双险种最优再保险

在稀疏相关风险模型基础上,将调节系数视为成数与超额赔款混合再保险中保险人自留额的函数,通过最大化调节系数得到保险公司的最优自留额。     

基于改进OMP算法的稀疏目标微波关联成像方法

利用稀疏重构类方法进行雷达微波关联成像时, 传统的正交匹配追踪(orthogonal matching pursuit, OMP)算法在每一次迭代过程中均需要求解目标函数的最小二乘解, 导致成像算法计算复杂度随矩阵规模和迭代次数增加而急剧攀升。针对此问题, 结合频率捷变思想, 提出了一种改进OMP算法的稀疏目标微波关联成像方法。首先, 阐明了微波关联成像机理, 并构建了微波关联成像信号模型; 然后, 利用共轭梯度法对OMP算法中的最小二乘求解步骤进行了改进, 并分析了改进后算法的计算量; 最后, 通过与最小二乘成像方法、匹配滤波成像方法和基于传统OMP稀疏重构的成像方法进行计算机对比仿真实验, 证明了本文算法的正确性与优越性。     

基于空地协同采样的植被覆盖度随机森林估算方法

基于无人机高光谱影像, 建立地形复杂地区植被覆盖度的非参数随机森林回归估算模型。为获得构建随机森林模型所需的足够数量的训练样本, 利用低空无人机搭载的光学相机, 在从地面难以到达的山地、水域和植被茂密区, 通过垂直拍摄获得厘米分辨率的航拍影像, 作为对地面样方采样的补充。首先计算地面数码相机照片和无人机可见光影像的红绿蓝植被指数(red-green-blue vegetation index, RGBVI), 然后使用大津分割法提取样方的植被覆盖信息, 得到构建模型所需的训练样本。在此基础上, 基于2018年8月16—18日在内蒙古自治区察右中旗油娄沟矿区获取的GaiaSky-mini2无人机高光谱影像数据, 利用递归特征消除算法优选参与随机森林回归的特征变量集, 利用空地协同获取的训练样本构建植被覆盖度的随机森林回归估算模型。该模型在测试集上的确定系数R2为0.923, 均方根误差为0.087, 优于常用的像元二分模型, 可用于矿区植被动态信息的精细化监测。     

基于正交局部慢性特征的故障检测方法

为提高化工行业中数据驱动故障检测的效果,该文针对实际工业系统中闭环控制导致的过程动态特性和数据流形中蕴含的局部信息,提出了一种基于局部时空正则慢特征提取(local time-space regularized slow feature extraction, LTSS)的方法进行故障检测。首先,构造基于局部时空正则的目标函数得到投影矩阵,进而得到预提取特征S,则S张成的空间中包含了静态信息,而S的一阶差分张成的空间中包含了动态信息。其次,基于独立成分分析(independent components analysis, ICA)方法,分别为2个空间构建对应的S~2和SPE统计量进行监控,用于实时故障检测。在TE (Tennessee Eastman)过程上的案例研究可以证明所提方法的有效性。     

基于格的两轮多重签名方案

为了抵抗量子攻击且进一步降低通信代价，基于代数格提出了一种支持公钥聚合的两轮多重签名方案(TLMS方案)，其安全性可归约于求解环上小整数解(Ring-SIS)问题，并在随机预言机模型下给出方案的安全性分析.相比于现有多重签名方案，基于格上困难问题构造的TLMS方案生成多重签名时仅需进行2轮交互，具有较小的计算开销和通信开销，可满足量子时代最新的安全需求.     

基于多级深度特征与随机游走的显著性检测

为了解决图像显著性检测中传统方法特征学习不全面、复杂场景下显著区域凸出不明显的问题,提出了一种基于多级深度特征和随机游走的显著性检测算法。首先,利用全卷积神经网络,结合深层和浅层卷积特征信息对图像进行多级卷积深度特征提取;然后,对图像进行超像素分割,将提取的深度卷积特征分配给相应的超像素,构建特征矩阵;最后,通过正则化随机游走排序模型生成最终的显著图。在ECSSD和DUT-OMRON数据库上的实验结果表明,与6种具有代表性的显著性检测算法相比,文中算法的准确性和F值具有一定的优势。     

次分数布朗运动环境下后定选择权定价

为描述分数布朗运动难以描述的股价收益率变化非平稳的金融市场,假定股票价格服从次分数布朗运动,借助次分数随机分析理论和保险精算方法,得到了后定选择权定价公式.并通过分析期权价格灵敏度,说明各参数对期权价格有着不同的影响,另外给出了相应数值算例,表明金融市场不同的分形结构对期权价格有显著的影响.     

基于多变量高斯过程模型的贝叶斯建模与稳健参数设计

针对模型预测偏差和波动的稳健参数设计问题,在多变量高斯过程(multivariate Gaussian process,MGP)建模的框架下,结合质量损失函数和非线性优化约束方法构建一个新的多响应优化模型.首先,利用成对估计方法获得超参数近似值,构建多变量高斯模型;其次,结合MGP模型特征,构造充分考虑响应波动因素的质量损失函数.利用蒙特卡罗模拟方法,获得响应落入指定区间的期望概率;然后,以期望概率为约束,结合本文所提质量损失函数建立优化模型;最后,利用全局优化算法进行寻优,获得考虑响应期望概率的优化结果.实际案例和软件仿真表明,该方法综合权衡了预测偏差和预测波动引起的不确定性对优化结果的影响.获得了兼顾质量损失和期望概率最优均衡解,从而实现稳健参数设计.     

广义递归光滑暧昧环境下动态资产配置和资产定价研究

本文采用一种广义递归光滑暧昧模型表示投资者在暧昧环境下的效用函数,该模型能将投资者风险厌恶、暧昧厌恶和跨期替代三者区分开.通过设定代表经济人的学习过程和信念更新机制,将这种效用模型应于基于消费的资产定价模型.当股利增长服从隐马尔可夫机制转换过程,经济人对隐状态存在暧昧性认知时,暧昧性和经济人暧昧厌恶偏好影响资产定价,以及经济人的最优消费计划和最优资产配置.研究结果表明,暧昧厌恶、暧昧环境中的学习和信念更新机制在解释资产定价之谜中起到了关键作用.暧昧厌恶经济人的悲观情绪扭曲其信念,这种信念随经济所处状态不同而发生变化,并对经济处于衰退时期的定价核给予了更高权重,以致于其投资策略更加保守.这种悲观行为有助于传播和放大对消费增长的冲击,并产生随时间而变动的资产溢价.