山西农民人均收入地区差异的评估与分析

提高农民收入问题及农民收入之间的差距问题，一直是农村经济研究中的核心问题之一，应用经济学中广为人们接受的基尼系数以及相关的变异系数、极值比等指标，从静态、动态即空间序列和时间序列两方面对山西农民收入地区间差距进行了实证分析，并提出一些相应的基本措施及有关建议。表4，参3。     

基于邻接网络的序列规则挖掘算法

给出一个新的序列规则挖掘算法，该算法在挖掘规则以前将数据库预先存贮为序列邻接网络，在序列邻接网络中每个项目集顶点都有一个域来记录它的支持度，算法把频繁序列规则的发现问题转化为网络中的顶点搜索问题，大大提高了搜索过程的效率，为了有效地解决网络生成过程中的序列支持计算问题，采用了一种纵向的数据库表示格式。     

财政支出规模、结构对城乡收入差距影响的实证研究

财政支出规模与结构对城乡收入差距具有重要影响。基于1978~2013年财政支出规模与结构的时间序列数据,分别构建了向量自回归模型(VAR)和误差修正模型(ECM)实证研究对城乡收入差距的具体影响。结果表明,财政支出规模短期不利于缩小城乡收入差距,但长期却是有利的,然而影响效果并不明显。不同类型的财政支出项目对城乡收入差距的影响不尽相同,其中科教文卫支出和社会保障支出有利于改善城乡收入差距过大的趋势,一般公共服务支出则加剧了城乡收入差距。     

金融市场的相关性分析--Copula-GARCH模型及其应用

作为一种全新的分析方法，Copula技术不仅可以有效地捕捉金融时间序列间的相关性，还可用于研究整个金融市场的特性、投资组合的选择及风险分析等其他金融问题。结合t-GARCH模型和Copula函数，建立Copula-GARCH模型并对上海股市各板块指数收益率序列间的条件相关性进行分析。结果表明，不同板块的指数收益率序列具有不同的边缘分布，各序列间有很强的正相关关系，条件相关具有时变性，各序列间相关性的变化趋势极为相似。     

农民收入水平与影响因素关系的实证模型分析

以江西省为例，分析了农民收入增长的影响因素，并从中选出7个因素与农民收入进行多元回归分析，建立数学模型，并定量分析影响因素的作用程度。本研究目的是为政府提高农民收入的科学决策提供依据。表2，参5。     

中部地区粮食安全与农民收入"不相容"问题的实证分析

通过对全国和中部地区主要水稻主产区农民收入和水稻生产历史数据的实证分析,宏观上证实了中国水稻生产安全问题与提高农民收入问题的严重性和“不相容”性。认证了在现有的条件下通过提高粮食总产量对农民增收的影响非常小。微观上,通过调查,发现了兰坡村粮食安全和农民收入“不相容”问题的普遍性。表3,参15。     

增加农民收入是一项系统工程

增加农民收入是一项系统工程，必须采取系统科学方法，使这一系统的诸要素整体优化、结构调整、统筹兼顾；农民收入稳定增加首先需要实现系统整体优化，而结构质变规律是增加农民收入的内在要求。     

二阶非齐次序列的直接离散模型及灰色预测应用

本文不要白化微分方程和一次累加序列参与建模，提出了二阶非齐次序列的直接离散模型，研究了此模型的模拟预测公式及其性质.经实例验证该模型有可操作性，且有较高的模拟预测精度，同时由该模型递推形式的模拟预测公式出发，采用降阶（二阶降为一阶），化齐次（非齐次转化为齐次）等方法推导出了通项形式的模拟预测公式.该公式直观展示了适用本模型的序列基本形式：指数型序列、线性型序列、抛物线型序列、三次曲线型序列四类基本序列及两个不同底数的指数序列与线性序列三者的和差组合、一个指数序列与抛物线型序列的和差组合、一个指数序列与线性型序列的和差组合、线性型序列与指数型序列的乘积组合序列再与另一线性型序列的和差组合四类组合序列.从理论上证明了当序列严格遵循这些基本形式时，本模型能实现完全模拟，从而近似遵循这些基本形式时，必然有较高的模拟预测精度.     

随机型时间序列预测方法的研究

提出了一种随机型时间序列预测的新方法，特别适用于趋势随机型数据序列的预测问题，与现有预测方法相比，具有计算简单、精度高的特点.     

吉普问题的最优序列

介绍了吉普问题的由来及发展,在动态规划原理的基础上给出了处理吉普问题的有效工具——最优序列利用最优序列研究了Gale往返吉普问题及其变形.     

关于认知影响图方法的研究

在进一步发展认知图、影响图理论的基础上，提出了融合二者于一体的认知影响图理论，建立了两种构造认知影响图方法：诊断法和时间序列法，解决了实际认知过程中，按时间序列出现事件经常与人类诊断知识方向矛盾的问题：并根据在思考问题过程中，同一领域专家的认知方式不同，分别采取因果推理及诊断推理的特点，提出了一种能有效地获取上述两种知识的衍值方法     

基于WMF与LSE的序列图像匹配制导滤波融合算法

为了改善匹配制导系统可靠性及匹配精度,提出了一种新的基于WMF与LSE的序列图像匹配结果滤波融合算法。分析了序列图像匹配制导滤波融合的基本问题,设计了一种加窗中值滤波器,并将其应用于纵向匹配位置序列的滤波处理,采用LSE对匹配位置序列进行最优参数估计,给出了滤波融合算法的基本原理及实现框图。仿真实验及实例分析验证了本文算法在消除误匹配点及减小随机匹配误差干扰方面的有效性、实用性。     

几种跳频码的混沌动力学特性及预测分析

利用动力系统方法研究了几种跳频码(m序列，RS序列，非线性序列及混沌序列)的动力学特性(相关维数与最大李雅普诺夫指数)，结果表明了跳频码表现出混沌的特征。最后根据遗传算法确定前馈神经网络的结构，并利用该神经网络模型对这几种序列做了预测分析。实验结果表明，该模型能成功地预测跳频码，因而可对跳频通信进行有效的干扰。     

一种高分辨率谱估计与数据外推的快速算法

利用信号频谱幅度分布的先验信息，对短时数据序列信号提出了一种实现高分辨率谱估计和数据序列外推的快速算法。该算法利用了算子矩阵的特殊结构，采用简单、快速的矩阵求逆算法，使算法的运算量和数据存储容量大幅度下降。给出了算法在高分辨率谱估计及数据序列外推中的应用实例和仿真结果，证实了该算法的优良性能。     

改进的离散灰色预测模型

GM（1，1）模型假定序列近似服从指数规律，对于很多非线性序列的模拟出现较大偏差。本文证明了GM（1，1）模型与离散GM（1，1）模型的模拟数据的增长率都是定值，若样本数据具有相等的增长率，则应用离散GM（1，1）模型得到的模拟数据与原始序列相同。本文对离散灰色预测模型进行了改进与拓展，应用最优化方法研究了初始迭代点问题。提出了优化模型的求解算法并应用实例对算法的有效性进行了验证。研究结果表明本文建立的离散灰色拓展预测模型很大程度上提高了模型的模拟精度，能够很好地解决非线性非负序列模拟问题。     

混沌系统可预测尺度研究

着重讨论了混沌系统未来状态预测的“长期”与“短期”问题。混沌系统的初始状态敏感性决定了其不可长期预测性。但在短期内对混沌系统的运动作出准确预测还是可能的。基于此，给出了混沌时间序列的平均可预测尺度及最长可预测尺度，以此来界定短期预测的时间范围。最后利用Logistic映射以及Henon映射产生的混沌时间序列对上述理论进行了实例骓证，得到了较为理想的结果。     

多维非线性时间序列的投影寻踪学习逼近

建立了多维非线性时间序列投影踪学习网络结构及算法,证明了投影寻踪学习网络可以以任意精度逼近多维非线性时间序列。解决了基于投影寻学习的多维非线性时间序列的建模和预测问题,实际应用例子表明该算法可行。     

时用水量预测的自适应组合动态建模方法

利用随机过程及时间序列分析手段,根据用水量序列季节性、趋势性及随机扰动性的特点,建立了用水量预测的自适应组合平滑模型。利用递推最小二乘算法及卡尔曼滤波算法解决了模型参数的动态估计问题。该法经实例验证,预测误差较小,可满足供水系统调度的实际需要。     

吉林省农民收入变动及影响因素分析

基于农民收入的时序演变、结构转变与空间差异分析,应用变异系数、极差系数和GIS技术研究吉林省农民收入的整体变动情况。研究表明:1986~2003年,吉林省农民收入在经过了稳步、曲线、直线、波形增长后遭遇平台期;家庭经营性收入仍是农民收入的主要来源,年均比例占总收入的80%以上;省内各市县农民收入的高低重心发生显著变化。利用1990~2003年的数据,选取影响农民收入变动的8项因素进行灰色关联分析,发现人均耕地面积是影响吉林省农民收入的首要因素,关联度高达0.893。结合吉林省实际,对8项影响因素进行了系统分析。图3,表2,参5。     

基于分段复合的运动点目标序贯检测算法

低信噪比条件下图像序列中运动点目标的检测问题是多维图像处理与目标识别领域的一个难点。本文首先给出了该项研究的前提条件，指出了问题的主要矛盾；然后针对序贯假设检测的基本方法，提出了一个改进的实现框架；最后针对仍存在的问题，提出了对序列先进行分段，并对分段复合，再利用复合帧进行序贯检测的方法。这里引入了分段复合技术，给出一种分段复合方法。该算法层次分明，时空复杂度适中，是国内性能较优的一种算法。