基于split-and-conquer和非参数向前选择法的变量选择

变量选择是统计学界研究的重要课题之一.当处理高维数据时,一些常用的变量选择方法大多比较耗时,因此提出了一种既能筛选出高维数据中的变量又能节省时间的方法:基于split-and-conquer的非参数向前选择法.首先使用split-and-conquer方法将数据进行拆分,然后使用B样条函数逼近的非参数向前选择法进行研究.实验结果表明:基于split-and-conquer的非参数向前选择法可以较好地将变量选择出来,并且节省了大量时间.     

一类四阶微分方程Neumann边值问题正解的存在性

运用锥上的不动点指数理论获得了四阶Neumann边值问题 y(4)(x)+(k_1+k2)y″(x)+k_1k2y(x)=f(x,y(x)),x∈[0,1], y′(0)=y′(1)=y(0)=y(1)=0 在条件k₁2<0下正解存在的最优条件,其中f∈C([0,1]×[0,∞),[0,∞))。     

垂直分层土壤模型下输电杆塔接地电阻的拟合算法

当前垂直分层土壤电性模型下输电线路杆塔接地电阻的精确计算方法过于复杂,不易为普通工程技术人员掌握.基于格林函数的精确算法,对垂直双层土壤电性模型下的典型输电杆塔接地装置的接地电阻值进行了求解.采用最小二乘曲线拟合方法,研究并选取双曲线函数作为拟合函数,对分层土壤电阻率及接地电阻值进行拟合,从而推导出拟合函数表达式,最终得到分层土壤模型下杆塔接地电阻拟合计算公式.对该算法的精度进行了分析,认为其精度与算法中的初值计算有关,但最大误差不超过10%.     

Dirichlet级数的增长性研究

利用型函数和最大项m(σ)的几何意义研究全平面上Dirichlet级数的增长性,得到了Dirichlet级数增长性与系数指数之间的一个结论.     

基于QFD和ANP的软件外包企业竞争力模型

以质量机能(QFD)展开思想为指导,从顾客满意度出发,设计顾客需求与企业机制指标体系,构建两者的关系矩阵;并采用网络分析法(ANP)对顾客需求进行重要度评判,根据重要度构建市场竞争能力矩阵,建立企业竞争力评价质量屋——外包企业竞争力评价模型。A公司的实证研究验证了模型的有效性和评价的准确性。     

一种改进的小波阈值去噪算法

在对软阈值和硬阈值去噪方法分析的基础上,提出一种改进的阈值函数,并且对阈值做了适当的调整,克服软阈值和硬阈值去噪方法的缺点.Matlab仿真结果表明,提出的改进算法在信噪比增益和最小均方差方面均优于软阈值和硬阈值去噪方法.该改进方案具有更大的有效性和优越性.     

快速求解导体电磁散射问题的插值退化核方法

退化核函数将积分方程的核函数展开为场源点分离的函数积,可以用于构造积分方程的快速求解算法,项数少、精度高的退化核函数是快速算法的关键.文中针对导体电磁散射问题,研究由两种插值技术构造的退化核,推导了由拉格朗日（Lagrange）多项式和指数型高斯径向基函数构造的退化核,并比较了它们的精度和效率.此外,引入一种新的近表面插值点网格来减少退化核的项数.最后,结合H矩阵框架实现了导体电磁散射问题的快速求解,数值例算验证了插值退化核的有效性,近表面网格的采用可以显著提高算法的计算效率,相比均匀网格,计算时间减少将近45％.     

左截断右删失数据下泊松分布参数多变点的贝叶斯估计

通过添加缺损的寿命变量数据得到左截断右删失数据下泊松分布的完全数据似然函数.给出变点位置和其它参数的满条件分布.利用Gibbs抽样与Metropolis-Hastings算法相结合的MCMC方法对各参数的满条件分布分别进行抽样,介绍MCMC方法的实施步骤.把Gibbs样本的均值作为各参数的贝叶斯估计.随机模拟试验的结果表明各参数贝叶斯估计的精度都较高.     

基于双Gold序列的TDCS基函数伪随机相位生成方法

为了提高变换域通信系统(transform domain communication system,TDCS)基函数的随机性与相关性,提出了采用双Gold序列控制产生变换域通信系统基函数伪随机相位的方法。首先通过Gold序列2控制产生相位映射抽头数,然后由Gold序列1映射产生基函数伪随机相位,所产生的基函数具有良好的类噪声性和相关性。仿真表明,与传统一维m序列产生方法相比,采用双Gold序列映射产生的基函数具有更好的随机性和相关性,可有效降低系统误码率,提高变换域通信系统抗截获能力,具有良好的多址接入性能。     

一种基于AC-RBF神经网络的网络安全态势预测方法

为了准确地把握网络安全发展态势,提出了一种基于自适应聚类径向基函数(adaptive clustering radical basis function,AC-RBF)神经网络的网络安全态势预测(network security situation prediction, NSSP)方法?该方法对网络安全态势样本自适应聚类,获得了神经网络隐层节点数,采用梯度下降法训练神经网络,寻找网络安全态势样本之间的非线性映射关系,利用该关系对未来时刻网络安全态势进行了预测? 仿真实验表明,相对于 K-均值 RBF 神经网络及支持向量机(support vector machine,SVM)预测模型,该方法在神经网络规模较小的情况下,不仅能够反映网络安全态势的总体趋势,而且还提高了预测精度,能够提供给网络安全管理员一个直观的网络安全态势图 ?