基于信息融合和策略转换的商品期货量化投资策略

在协整理论和分形市场理论基础上,构建一种新的基于信息融合和策略转换的商品期货量化投资策略,并通过实证检验了该策略的有效性和稳健性.部分大宗商品间存在价格联动关系(同涨同跌或A涨B跌).以往研究基于价格联动,设计并验证了商品期货的跨品种统计套利策略,而本文则利用价格联动设计并验证了基于信息融合的趋势跟踪策略.在此基础上,...     

一种快速模拟退火矢量量化图像编码算法

模拟退火是解决全局优化问题的随机搜索技术,它在工程领域有着广泛应用。将模拟退火技术与LBG算法有机结合,通过对LBG算法中的空胞腔码书进行适当处理,并设置适当参数使LBG与模拟退火交替进行,提出了一种快速模拟退火矢量量化图像编码算法,以降低计算量和进一步提高码书性能。实验结果表明,算法具有对初始码书选取依赖性小、不容易陷入局部极小、收敛速度快等优点。与随机竞争学习矢量量化及进化模拟退火矢量量化算法相比,峰值信噪比改善超过0.6dB。     

基于Jess和机器学习的Robocode策略研究与实现

研究Java规则引擎和机器学习在Robocode坦克机器人战斗仿真引擎中的应用。探讨利用Jess规则引擎对Robocode坦克机器人决策规则库部分进行开发与维护,满足仿真环境实时性和策略易扩展性的要求。同时为了提高坦克机器人的在线自适应和自学习能力,结合机器学习方法进行角色训练,利用人工神经预测网络对产生式系统中瞄准规则的火炮瞄准角度值进行优化。结合遗传算法与产生式系统,设计混合的移动策略选择器,并对神经网络预测瞄准和基于遗传算法的移动策略进行了实验,给出了实验结果。     

融合机器学习算法的期权定价

设计了融合参数模型和非参数机器学习模型进行训练的算法,利用非参数模型拟合参数模型,将其作为先验分布,然后采用贝叶斯学习方法进行优化,并在训练中实现分布的动态调整。该方法在训练过程中有助于避免模型参数过度波动,提升模型泛化能力。针对期权定价,在BS、Heston等参数模型及神经网络等机器学习模型基础上,构建了相应的融合模型BS＿BR和HS＿BR,并利用市场数据进行了实证分析。研究表明,融合模型可以较好地发挥两类模型的优势,无论是在样本内拟合效率,还是样本外预测能力方面都具有更好的表现。     

基于混合学习矢量量化算法的遥感影像分类

在分析了Kohonen自组织特征映射网络(SOFM)和学习矢量量化(LVQ)算法的基础上,提出一种基于改进的SOFM算法和LVQ2算法的混合学习矢量量化(HLVQ)方法,并建立了基于HLVQ的遥感影像非监督和监督分类的一般模型。通过与传统的统计分类方法和LVQ2网络分类器比较,HLVQ分类器总的分类性能更好、识别率更高。     

基于GERT仿真的武器装备技术风险量化评估模型

从技术风险量化的角度给出了技术风险及其量化指标的定义,基于Arena仿真软件环境,结合某武器装备项目的研制过程,分别建立了单个和多个子系统存在一定的失败概率并反馈执行情况下的GERT随机网络仿真模型,对仿真输出结果进行了详细的统计分析,分别建立了项目级和子系统级的费用超支百分比、工期拖延百分比、费用风险度、工期风险度等技术风险量化指标,并给出了能综合表征技术风险等级的技术风险等级图.     

基于改进矢量量化的SAR图像压缩算法

由于SAR图像像素之间相关性比较弱,考虑到矢量量化在信源弱相关的条件下,也能取得比较好的压缩效果,将矢量量化用于SAR图像压缩中。同时,针对SAR图像纹理丰富,容易受到斑点噪声影响的特点,改进算法将区域整体图像信息从量化空间中分离出来,而且删除了每次聚类后含有最少矢量的胞腔。该算法有效的减少了量化空间大小,使生成码字分布更加合理。实验结果表明,矢量量化对于SAR图像压缩是有效的,并且,改进算法提高了图像整体压缩效果,较好的保留了点线面目标,同时在斑点噪声抑制方面做出了有益的工作。     

一种基于划分聚类和模糊神经网络的机器学习方法

将基于划分的模糊聚类算法和一般模糊极小极大神经网络分类算法相结合，提出了一种新的机器学习方法，实现了基于类比的案例推理学习模型。具体实现思想是，首先利用基于确定性退火技术的划分聚类算法对已知案例进行聚类标识，由所得结果建立一般模糊极小极大神经网络分类模型，然后用该模型实现新目标问题的案例相似性检索，最后针对目标问题结果案例完成案例学习。通过实例表明，该算法具有较好性能，并在基于案例推理的固体火箭发动机总体设计中成功应用，得到了论域覆盖面大的设计结果集。     

基于机器学习参数选择的交通图像编码方法

将图像压缩与ITS交通路况图像电传视讯相结合,提出了一种基于机器学习参数选择的多项式拟合图像压缩编码方法.我们定义了两类指标来度量数据扫描方法对多项式拟合方法的影响;还研究了用机器学习方法选择得到的参数对图像扫描数据进行单调化处理;进而研究了用多项式拟合预处理数据的方法进行图像数据压缩.该法简单方便、快速高效,并已针对小幅复杂交通路况图像在中低信噪比取得了良好的结果.该法还可以推广到感兴趣区位于图像中心的一类图像.     

基于遗传算法的交通信号机器学习控制方法

通过对到达车辆数目的模糊分类,将交通信号控制方案以不同规则集的形式实施,根据实际控制效果利用遗传算法对规则集进行改进,形成了一种具有机器学习能力的单路口交通信号新控制方法.经过仿真实验,对该方法的控制效果与定时控制和感应控制进行了比较,仿真实验的结果说明该方法的控制效果明显优于传统控制方式.     

Incremental support vector machine algorithm based on multi-kernel learning

A new incremental support vector machine (SVM) algorithm is proposed which is based on multiple kernel learning.Through introducing multiple kernel learning into the SVM incremental learning,large scale data set learning problem can be solved effectively.Furthermore,different punishments are adopted in allusion to the training subset and the acquired support vectors,which may help to improve the performance of SVM.Simulation results indicate that the proposed algorithm can not only solve the model selection problem in SVM incremental learning,but also improve the classification or prediction precision.     

基于卡尔曼滤波的极限学习机在线盲均衡算法

针对正交振幅调制(quadrature amplitude modulation,QAM)信号,在预测方法的盲均衡框架下,基于卡尔曼滤波(Kalman filter,KF)提出了一种新的神经网络在线盲均衡算法.采用复数型极限学习机(complex extreme learning machine,C-ELM)作为非线性...     

基于流形学习降维的决策分析算法

为了有效地分析高维决策表,提出了基于流形学习降维的决策分析算法（decision analysis algorithm based on manifold learning,DAML）. 算法使用等距映射法（ISOMAP）对原始数据做降维处理,在得到的主坐标数据上进行决策分析. 根据核主成分分析法与ISOMAP方法的关系得到主成分与主坐标的转换关系式,并计算原始数据主成分. 提出了基于等价支持子集的决策算法用于计算主成分属性重要性、属性区分能力及等价支持子集. 在得到等价支持子集的基础上抽取决策规则,根据决策规则预测算法预测未知数据. 选取UCI数据库中标准分类数据集作为仿真实验样本,并对比C4.5决策树算法、K最近邻居算法（KNN）与提出的决策规则预测算法在Iris、Breast cancer、Wine、Spectf heart和Ionosphere数据集上的分类精度来验证算法的有效性.     

农业结构变动及其对农民收入影响的计量分析

用产业结构转换系数(即产业增长速度差异)和产业结构转换方向系数,定量分析了1978年以来农业产业结构转换的速度和趋势;并利用对数线性函数模型,定量分析了农业内部结构变动以及主要农产品产出结构的变动对农民收入增长的影响,分析了我国人均收入增长迟缓的原因,总结了我国农业结构调整的特点及存在的问题。图1,表1,参6。     

基于强化学习的多成品率衰变设备预防维修策略

在生产制造过程中, 设备状态的衰变会影响产品质量, 导致成品率水平的逐渐下降. 本文研究此类具有多成品率水平的衰变设备预防维修问题. 建立隐马氏决策过程模型, 在成品率水平不可直接获知的情况下, 用产品质检信息作为系统观测状态进行维修决策. 模型考虑两类质检误差及收益和成本参数, 通过强化学习算法, 学习各观测状态下的最优维修行动. 针对不同的设备衰变模式和质检误差水平, 进行算例分析, 结果显示基于强化学习的预防维修策略与传统的固定周期的维修策略相比, 能够很大程度上提高系统的平均收益.     

基于主成分分析和支持向量机的效能评定

简述了武器系统效能评定的各种方法,并分析了其特点。建立武器系统参数效能模型,首先要挑选特征参数,提出了采有主成分分析方法选择武器的特征参数。利用支持向量机建立了武器系统参数效能模型,通过实例与神经网络法的结果进行了比较,结果表明支持向量机方法比较精确和简单。     

基于粗糙集融合支持向量机的水质预警模型

为解决因水质预警耦合因素多,预警模式复杂以及信息不完整所引起的水质预警精度低问题,提出了粗糙集融合支持向量机(RS-SVM)的水质预警模型.首先采用粗糙集对14个初始预警指标进行属性约简,去除冗余或干扰特征,得到基于5个核心预警指标的数据集,以此数据集对支持向量机进行训练优化,构建RS-SVM水质预警模型.运用该模型对江苏宜兴市集约化河蟹养殖池塘水质进行预警,实证对比分析,对于不同的警度级别,预警精度都在91%以上,与标准支持向量机和BP神经网络模型相比,该模型不仅具有计算效率高、预警性能好,且预警结果与实际情况比较吻合,为集约化水产养殖水质预警提供了一种新思路.     

基于粗糙集和支持向量机的效能评定

简述了各种武器效能评定方法,并分析了其特点。建立武器参数效能模型,首先要挑选特征参数,提出采用知识约简方法选择武器的特征参数。利用支持向量机建立了参数效能模型,给出了实例和解决此问题的支持向量机源程序。通过实例与指数法和神经网络法的结果进行了比较,结果表明支持向量机比较精确和简单。     

运用效能模型分析战技指标方法

根据军事装备效能模型及效能分析的概念和内容,探讨了在军事装备研制过程中,利用效能模型及效能分析确定军事装备战技指标的可行性,研究了确定军事装备战技指标的具体方法,提出了利用效能模型确定重要战技指标的具体数值或值域范围、综合平衡装备战术技术参数取值等思路。对如何使战技指标的确定更具科学性与可靠性进行了积极探索,拓展了确定战技指标的方法和手段。     

Multiclassification algorithm and its realization based on least square support vector machine algorithm

1.INTRODUCTION Thedatabasedmachinelearningasastatisticlearning methodplaysanimportantpartinmodernintelligent technology.Basedontheresearchofstatisticlearning theory,VapnikVNpointedouttheproblemofexpe riencedriskminimization,andpresentedthenotionof minimizingstructurerisk.Upontheabovetheory,herecomesthesupportvectormachine(SVM)algo rithm[1].Itisespeciallyaimedatfinitesamples,and wecanfinallygettheoptimalsolutionsfortheexist ed informationbutnotforthesituationoftraditional statistictheory…