基于用户相对权重的在线社交网络舆情传播控制模型

在线社交网络(online social networks,OSN)中舆情传播干预时机的选择对网络舆情的管控具有重要意义.通过分析用户的网络地位、社会强化效应与用户感知价值等影响网络舆情传播控制的关键因素,以研究舆情管控的合理干预时机为目的,构建了基于用户相对权重的网络舆情传播控制模型.基于该模型,针对两类OSN开展仿真研究.研究发现,网络舆情传播与信息初始传播源的网络地位密切相关;在开放式OSN中,存在与干预时机选择关系密切的关键相变点;用户活跃度随社会强化效应强度的增大而下降,随干预时机的提前而降低,并存在有效干预时机区间;"悖民意"成本是干预时机选择的重要衡量指标.并据此,提出了相应现实干预时机选择的对策建议.     

基于L_1范数支持向量分类机的算法扰动设计

普通向量分类机算法普遍有效率低下、算法复杂的缺点,为了进一步降低计算量,提高算法效率,提出了支持向量机算法.该算法将二次规划问题转换为线性规划问题,同时可以进行优化降次.结果显示,在数据量较大的情况下可以迅速并较为准确地处理大量数据,面对较为困难的数据处理时可以实现数据的有效分类.     

中国和美国信贷冲击跨境溢出效应的比较研究

本文构建了基于符号约束识别的GVAR模型,并用以考察中国和美国的信贷市场冲击对全球41个国家的不同溢出效应.研究结果表明,中国紧缩性信贷市场冲击对本国实体经济有显著的负效应,但仅限于短中期;而美国信贷冲击对本国乃至全球经济都具有相当大且持久的负影响.中国信贷冲击的跨国效应较小,且主要通过贸易渠道.中国信贷市场的本国冲击能解释中国产出近10%的波动,但无论是本国效应还是跨境传导,总需求冲击仍是驱动中国经济周期波动的最主要力量.     

空中目标辐射源的个体识别方法

针对传统的辐射源个体识别方法在低信噪比环境下识别性能不佳的问题,提出了一种空中目标辐射源的个体识别方法,该方法利用经验模态分解和变分模态分解得到信号不同频率的模态分量,将各模态分量的多尺度排列熵作为特征,利用主成分分析对数据进行降维,并采用支持向量机分类器进行辐射源个体识别。仿真结果表明,该方法对相位噪声、频率漂移以及谐波失真等细微特征的识别性能明显优于传统方法,并具有良好的抗噪性。     

基于奇异谱分析的我国航空客运量集成预测模型

针对时间序列包含噪声以及单一模型可能存在预测表现不稳定的问题,本文提出了一个基于奇异谱分析(SSA)的集成预测模型,并将其运用于我国年度航空客运量的预测中.首先,采用SSA方法对原始时间序列进行分解和重构,得到一个剔除噪声的时间序列,然后将其作为单整自回归移动平均模型(ARIMA)、支持向量回归模型(SVR)、Holt-Winters方法(HW)等单一模型的输入并进行预测,接着再采用加权平均集成预测方法(WA)将三种单一模型的预测结果进行综合集成.通过与各单一模型、基于经验模态分解方法(EMD)的模型以及简单平均集成预测方法(SA)的预测结果进行对比发现,本文所建模型具有较高的预测精度和较稳定的预测表现.最后,采用本文的模型对我国2014-2016年年度航空客运量进行了预测.     

Forecasting key US macroeconomic variables with a factor‐augmented Qual VAR

In this paper, we first extract factors from a monthly dataset of 130 macroeconomic and financial variables. These extracted factors are then used to construct a factor‐augmented qualitative vector autoregressive (FA‐Qual VAR) model to forecast industrial production growth, inflation, the Federal funds rate, and the term spread based on a pseudo out‐of‐sample recursive forecasting exercise over an out‐of‐sample period of 1980:1 to 2014:12, using an in‐sample period of 1960:1 to 1979:12. Short‐, medium‐, and long‐run horizons of 1, 6, 12, and 24 months ahead are considered. The forecast from the FA‐Qual VAR is compared with that of a standard VAR model, a Qual VAR model, and a factor‐augmented VAR (FAVAR). In general, we observe that the FA‐Qual VAR tends to perform significantly better than the VAR, Qual VAR and FAVAR (barring some exceptions relative to the latter). In addition, we find that the Qual VARs are also well equipped in forecasting probability of recessions when compared to probit models.     

基于熵权-层次分析法和优劣解距离法的飞行员胜任力评价

结合熵权法、层次分析法（AHP）、优劣解距离法（TOPSIS），提出了一种用于评估飞行员胜任力的多准则决策框架。首先，根据国内外飞行员胜任力指标框架研究进展，构建飞行员胜任力评价指标体系。其次，采用熵权法计算飞行员核心胜任力指标权重。随后，由专家使用AHP对飞行员心理胜任力和作风胜任力指标赋权，并建立融合的权重指标体系。最后，根据评价指标权重，采用TOPSIS方法对飞行员胜任力进行排序。通过将提出的方法应用于航线飞行员胜任力评估，验证方法的可行性。     

一种基于位向量流分类算法的改进

在流分类算法中,聚合位向量(ABV)算法分类速度快、并行性好,但内存开销过大;位向量折叠(AFBV)算法对ABV算法进行了改进,降低了运行时内存的消耗,但其冗余计算增加了时间开销。针对上述不足,文章提出一种改进的位向量流分类算法,该算法无需进行位向量聚合,减少了内存开销,并按规则的源/目的IP地址前缀建立分组表,根据表中分组所包含IP地址数目降序排列,使得算法具有良好的时间性能。实验结果表明,本算法在大规模规则库下具有良好的时间和空间效率。     

Beating the VAR: Improving Swedish GDP Forecasts Using Error and Intercept Corrections

This paper examines the forecast accuracy of an unrestricted vector autoregressive (VAR) model for GDP, relative to a comparable vector error correction model (VECM) that recognizes that the data are characterized by co‐integration. In addition, an alternative forecast method, intercept correction, is considered for further comparison. Recursive out‐of‐sample forecasts are generated for both models and forecast techniques. The generated forecasts for each model are objectively evaluated by a selection of evaluation measures and equal accuracy tests. The result shows that the VECM consistently outperforms the VAR models. Further, intercept correction enhances the forecast accuracy when applied to the VECM, whereas there is no such indication when applied to the VAR model. For certain forecast horizons there is a significant difference in forecast ability between the intercept corrected VECM compared to the VAR model. Copyright © 2015 John Wiley & Sons, Ltd.     

湍流场中涡线单元的结构分析

与描述湍流速度场的流线管单元[Wang L. On properties of fluid turbulence along streamlines. J Fluid Mech,2010, 648:183–203]的思想类似,为了描述湍流涡矢量场的结构,我们提出了一种新的结构分析方法,即涡线单元,可以用单元尺度和极值点涡量差值来表征.涡线单元与常用的涡管结构的不同可以概括为:涡线单元结构可以定量描述,并且是全空间填充的.在理论上这两个条件是保证我们可以将涡线单元的结构分析与全流场统计规律联系起来的必要前提,帮助理解和重构湍流涡量场.根据直接数值模拟数据,我们研究了涡线单元的统计与结构特性,包括尺度与手性等.根据涡线单元结构可以定量表征精细的条件统计,例如发现涡相关的动力学参数(例如拟涡能耗散率和涡拉伸率)强烈依赖于基于涡线单元结构的条件统计.这样一种结构分析方法为深入研究湍流场提供了新的手段.