基于等概率粗粒化的复杂度算法及其应用

为探究Lempel-Ziv复杂度(LZC)在心率变异(HRV)分析中的稳定性,提出了等概率粗粒化重构出符号序列计算LZC的新方法和具体算法.以年轻(21-34岁)与年老(68-85岁)组健康受试者的HRV信号为实验数据,选取不同的粗粒化段数,用常规和等概率方法分别计算LZC.再算出不同分段数LZC序列之间的相关系数.结果表明, 用新方法得出的相关系数都大于0.96,年老组的LZC指标明显降低(P<0.001),这些结果不受粗粒化段数的影响.新方法算得的LZC是度量HRV稳定而有效的指标.     

一种改进的Lyapunov指数谱算法及应用研究

提出了改进的Darbyshire-Broomhead(D-B)Lyapunov指数谱算法,通过互信息函数确定嵌入延迟,利用伪近邻法(False Nearest Neighbors,FNN)确定最佳嵌入维,从而确定了Lyapunov指数的个数,克服了原算法排除可疑指数过程中容易引起过多或过少的指数的缺点,然后再根据简化D-B理论计算出整个序列的Lyapunov指数.分别对含有噪声和不含有噪声的Lorenz时间序列仿真对比验证了该算法的有效性及稳定性.最后利用读算法对输油管道压力时间序列进行了Lyapunov指数的计算并分析出该时间序列具有混沌特征.     

基于混沌时间序列的误差纠错预测模型

提出了一种新型的非常实用的非线性时间序列的预测模型,即误差纠错预测模型(EAM),并从概率统计的角度严格证明了该方法的可靠性,同时分析了受噪声扰动的时间序列的预测.先按一般方法确定嵌入维数与时间步长,在每个当前时刻,先用局域线性回归方法得到预测点的预测值,根据信息在非线性演化中产生的失真误差大小予以修正得到修正值,并以该点为新的基点作进一步预测.该方法具备了滑动窗口二次自回归模型(MWDAR)的适用于小数据集且对大数据集具有高效率的优点,而且克服了MWDAR方法中一次项和二次项阶数及滑动窗口长度等参数难以确定,从而会导致预测恶化,使得应用受到限制的缺点.分别用Logistic方程产生的小数据集和大数据集的混沌时间序列数据作了预测,结果良好.     

基于兼容度和差异度的圈闭评价方案优化研究

以兼容度和差异度作为判断不同圈闭评价方法产生的评价方案优劣的依据,并提出了用于圈闭评价方案优化的方法,即兼容度极大化法和兼容度、差异度极大极小化法.在此基础上,结合传统圈闭评价方法和模型,建立了圈闭评价方案优化系统.与运用某一种方法计算出一组评价值然后排序的传统方法比较,该系统不仅能提供多个评价方案,还能提供从多个备择方案中产生优化方案的科学方法,更符合现代科学决策的要求.该系统已在我国某大油田成功应用.     

复杂性诊断方法及其在水资源系统中的应用

提出了基于遗传密码的粗粒化方法，有效的避免了过分粗粒化现象。并结合Lempel—Ziv算法复杂度，应用于黄河千流上游径流序列变化的实时跟踪和状态诊断。诊断结果表明，自然环境、人类活动及空间距离是决定径流变化的三个基本要素，且尤以人类活动影响最为直接。     

改进的直扩序列估计算法仿真研究

针对通信侦察中直扩信号伪随机（PN）序列估计的实际应用,对基带数据采用子空间分解的方法求得相互正交的特征向量;根据PN码序列自相关函数旁瓣能量低的原理,提出旁瓣能量检测系数,确定该对向量的相对相位,实现直扩序列波形的重构。该仿真算法克服了单纯子空间分解法中求解的部分数据段反相的缺点。仿真实验给出了不同信噪比下和不同数据长度时算法的性能仿真分析,表明该算法对PN序列的估计是十分有效和可靠的。     

基于复杂性理论的径流时间序列动力学特征分析

将三种复杂性测度——复杂性C2、算法复杂性C0和近似熵ApEn运用于径流时间序列的分析之中,计算过程简便,对时间序列长度等条件的要求相对较低,因而更具有实用价值,为了解径流变化的动态特性开辟了新的思路.通过分析可以发现:黄河干流具有实测径流的随机性和混沌程度高于天然径流的随机性和混沌程度;上游的混沌程度高于下游,而随机性低于下游的动态特征.黄河干流整体上处于随机、混沌共存状态,随机强于混沌;各站径流序列中存在某种结构,这些结构可能是周期性变化、持续性变化或自相似结构.人类活动近十几年的影响,增大了上游径流变化的随机性、降低了上游径流的复杂性(混沌),使其对径流的预测能力下降,增加了径流序列的识别难度.黄河干流大型水利工程的运用,对径流的影响程度随着空间位置的加大而减弱.     

城市与高速公路交通流复杂度的测度及比较

为实现短序列条件下交通流系统的可比化度量，引入非线性动力学中Lempel-Ziv算法、近似熵、统计复杂度等方法。通过分析14个实测城市和6个实测高速公路的交通流时间序列数据，研究不同条件下交通流复杂度的异同，得出结论：城市和高速公路交通流的复杂度都比较高；三种方法都可以解决传统刻画方法的“短序列、可比较”难题，能够应用于交通流系统的复杂性测度；城市交通流系统比高速公路交通流系统复杂。     

证券市场的非线性和确定性检验

以上海证券市场综合指数、香港恒生指数、台湾加权指数和美国标准普尔500指数为研究对象,对这些时间序列进行平稳化处理,对处理后的数据利用R/S分析法、BDS法和替代数据法进行了非线性检验,得到4个证券市场时间序列的波动呈非线性性的结论。进一步利用递归图方法从定性的角度和利用非线性不变量从定量的角度对4个证券市场时间序列的确定性进行了相应的分析,得出它们具有一定的确定性结论。     

应急疏散路径选择元胞传输宏观模型

通过建立元胞传输模型,研究了紧急事件下动态网络交通流应急疏散问题,将车流离散化处理成单个车辆可以有效地克服网络规模较大时运算效率低的缺点.模型采用时间步长法进行模拟,紧急疏散车辆路径的确定与各路段的走行时间密切相关.仿真实例说明模型和算法提高了紧急事件下网络动态交通配流的应用效果.     

数据特征驱动的火电产能过剩分解集成预测模型

有机融合数据特征驱动与多模态信息集成建模思想,构建了中国火电行业产能过剩组合预测方法和模型.首先识别火电产能过剩规模时序数据的本质和模式特征,发现其不仅具有非平稳,非线性特征,还呈现高复杂性和突变性;其次采用与数据特征相配的变分模态分解方法将时序数据分解,得到多个分量;然后识别各分量的数据特征,据此选择三次指数平滑-最小二乘支持向量机模型进行预测;最后集成各分量预测结果,得到火电产能过剩规模的最终预测结果.实证检验表明,所构建模型的预测水平精度,方向精度和稳定性均优于目前广泛使用的单一模型和其他组合预测模型.预测结果显示,2020-2022年中国火电产能过剩规模仍处于较高水平,呈先降后升趋势,且体制扭曲仍将是火电产能过剩的决定性因素.     

基于UT变换的MMPHD机动目标跟踪

基于序列蒙特卡罗方法的多模概率假设密度(probability hypothesis density, PHD)滤波算法及其改进方法,在预测过程中依据多个并行的状态转移模型将大量粒子散布到下一时刻目标所有可能出现的状态空间,从而实现目标状态的捕获。由于这些方法大量使用粒子,造成计算量巨大、算法实时性差。为此,提出了基于无迹变换的多模PHD机动目标跟踪方法。该方法利用最新量测信息获得粒子预测过程中的建议密度函数,从而将粒子聚合在目标最可能出现的状态空间邻域中,充分实现粒子的有效利用。仿真实验表明,论文提出的算法不仅显著减少了多模PHD算法的计算量,而且在一定程度上提高了多模PHD算法的精度。     

基于中国余数定理的目标距离估计算法

为了提高目标检测性能,脉冲多普勒(pulsed Doppler, PD)雷达常常采用高脉冲重复频率(pulsed repetition frequency, PRF)信号,以便在信号频域获得比较宽的无杂波区,但高的PRF往往引起目标的距离模糊。现有的解距离模糊算法大都面临计算量大的问题,该文紧密结合PD雷达体制的特点,在基于PD雷达参差重频模式下,提出一种最优余数的封闭式鲁棒中国余数定理(closed-form robust Chinese remainder theorem, CFRCRT)目标距离估计方法。该方法不仅可以在视在距离有误差的情况下精准地重构目标真实距离,而且具有封闭式的解析解,大大减小了运算量。理论分析和仿真实验都表明该文提出的方法在精度和实时性能上都具有一定的优越性。     

基于加权局部复杂不变性的时间序列分类算法

为解决现有方法对较长、复杂度分布不均序列的错分类问题,提取序列复杂度的局部信息,提出了加权局部复杂度不变性距离（WLCID）,包含复杂度局部表征和全局加权整合两个模型。利用滑窗分解序列,结合复杂度不变性距离表示方法提取局部复杂度信息;通过建立类表征模型,以类间距越大的子段对分类正确的贡献度越大为依据,通过归一化累积类间距来量化整合权重。与相似算法的对比实验表明：此方法不仅在复杂度分布不均的数据中表现突出,在大多数测试集也有较好的效果。在分类和聚类任务上精度的提升,说明方法在表示时间序列形态特征的复杂度信息上具有较好的能力。     

Lempel-Ziv复杂度在非线性检测中的应用研究

在对动力学结构进行动力学特性分析时,首先对结构进行非线性检测,并判断该系统的非线性因素是否可以忽略非常重要.根据复杂度的物理意义和系统单一变量的时间序列隐含着整个系统运动规律的特性,本文提出系统变量的Lempel-Ziv复杂度与动力学结构的非线性程度有一定的关系,并通过计算系统变量的Lempel-Ziv复杂度对动力学结构的非线性进行检测.数值模拟结果表明,系统变量的Lempel-Ziv复杂度值的大小可以反映系统的非线性程度.     

在线挖掘数据流混合窗口中闭频繁项集

在数据流挖掘中,界标窗体考虑了历史模式对当前挖掘的影响,但没考虑到随时间的推移模式衰减的问题。滑动窗口能记录最新、最有用的模式,但窗口的最佳大小无法准确确定。针对一些仿真系统中具有数据流特点的数据,提出了一种挖掘混合窗口中闭频繁项集的方法T-Moment。该方法能在单遍扫描数据流的条件下完整地记录模式信息。同时,T-Moment提出的减枝方法能很好地降低滑动窗口树F-tree的空间复杂度与闭频繁模式树T-tree的维护代价。此外,该方法提出的时间衰减机制能区分历史和最新模式。大量仿真实验结果表明,T-Moment有很好的效率和准确性。

Abstract：

In data mining,boundary window considers the influence of history pattern to the current mining result,but do not think over mode decaying as time passed. Sliding window can record the latest and most useful patterns,but the best size can not be accurately determined. To aim at data with the characteristics of data flow in some simulation systems,a method for mining the closed frequent patterns in the mixed window of data stream was proposed. The pattern of data stream could be completely recorded by scanning the stream only once. And the pruning method of T-Moment could reduce the space complexity of sliding window tree and the maintenance cost of the closed frequent patterns tree. To differentiate the historical and the latest patterns,a time decaying model was applied. The experimental results show that the algorithm has good efficiency and accuracy.     

基于特征子空间与流形正则化的高效增量半监督特征选择方法

基于Fisher Score的前向序列选择法是目前性能良好并广泛使用的一种有监督特征选择方法.然而，该方法只能对有标签样本进行分析，无法利用大量"廉价"的无标签样本信息；并且随着已选特征的个数的增加，对候选特征进行评分的计算复杂度呈三次方形式增加.针对这两个问题，提出基于特征子空间与流形正则化的高效增量半监督特征选择方法.一方面，该方法通过提取有标签与无标签数据的局部线性表示来进行半监督特征选择，使得所选特征能够保持数据的局部流形结构信息；另一方面，该方法基于特征子空间理论进行特征评分，时间复杂度取决于特征空间的维数而非已选特征的个数，如果特征空间的维数是固定的，该方法将花费几乎恒定的时间来评价每一个候选特征.相比于基于Fisher Score的前向序列选择法选择特征的三次方复杂度，所提方法在时间效率方面得到很大提升.在五个标准数据集上进行了实验，所得结果验证了该方法的有效性.     

证券市场的标度理论及实证研究

运用分形理论探讨证券市场的自相似性与标度不变性 ,分析三种标度指数 ,即自相关指数、Hurst指数、基于 DFA算法的标度指数 .基于标准差时间序列改进 Hurst指数 ,将 DFA推广为动态递推算法 .利用三种标度指数对国内沪深股市进行实证研究 .结果表明 ,沪深股市收益率均不服从正态分布 ,在跨时间尺度的股价指数之间存在着相关性 ,表现为分形时间序列 ,说明其背后所隐含的政策导向影响中国股票市场的特征 .     

OFDM系统中基于盲检测的低复杂度分块SLM算法

为了降低正交频分复用(orthogonal frequency division multiplexing, OFDM)系统中传统选择性映射(conventional selected mapping, CSLM)算法的计算复杂度,提高系统的频谱利用效率,提出了一种基于盲检测的低复杂度分块选择性映射(block selected mapping, BSLM)算法,发送端利用逆快速傅里叶反变换(inverse fast fourier transform,IFFT）性质仅需少量低维IFFT运算即可获得较多的备选序列,接收端采用低复杂度的盲检测方式。仿真分析了所提算法的峰均功率比(peak to average power ratio, PAPR)、立方度量(cubic metric, CM)和误比特率(bit error rate, BER)性能。结果表明,所提算法不仅明显降低了计算复杂度,而且有效抑制了OFDM信号的PAPR和CM,获得与已知边带信息的CSLM算法相近的BER性能。     

基于改进注水算法的离散车间任务分配问题研究

针对离散车间实时动态任务分配结果欠理想的问题,提出了改进的注水算法。该算法加入了加工速率和费用因子,协调了加工速率和费用以及加工工件之间的关系,实现了不同代价的工件分配,对分配结果进行了调整,满足了离散分配的要求。改进的注水算法能够对临时新增的工件进行实时动态的分配。提出的算法与匈牙利算法、两阶段优化方法以及注水算法进行了对比,实验结果表明,改进的注水算法在加工时间和加工费用上具有一定的优势,其运算复杂度仅与加工中心的数量有关。