基于改进NSGA3的焊接缺陷评估特征选择

在基于多源信息融合的焊接缺陷评估中, 特征选择对提高评估精度与速度发挥着重要作用。多源特征集由电弧电特征与电弧声音特征组成, 其特点在于特征集中存在冗余与互补特征。因此, 本文提出一种基于改进非支配排序遗传算法-Ⅲ(non-dominated sorting genetic algorithm-Ⅲ, NSGA3)的多目标特征选择方法, 旨在从多源特征集中找到最优特征子集。该方法首先对特征集进行相关、冗余和互补特性分析, 再以冗余性最小, 相关性与互补性最大为目标建立多目标特征选择优化模型。并基于相关、冗余和互补评价函数提出一种新的变异算子来引导变异过程, 以减少无效特征的影响, 提高收敛效率。实验采用支持向量机作为学习器来验证学习效果, 结果表明, 所提方法与其他3种方法相比, 可以在特征子集维度和预测精度方面获得更好的性能。     

基于特征点的表情动画方法

在现有的表情动画技术基础上,提出了一种基于特征点和非特征点变换的表情动画方法.基于面部动画特征,通过对特征点进行变换来实现表情动作,同时采用速度曲线产生运动轨迹,并将非特征点的变换与特征点的变换联系起来产生动画.通过仿真对该方法进行实验,实验证明这是一种简单、有效且自然的表情动画方法.     

基于树型小波和灰度共生矩阵的SAR图像分类

SAR图像包含有相干斑噪声 ,传统的方法不能很好地对SAR图像进行分类。为了能对SAR进行精确分类 ,将图像的灰度和纹理特征 ,空域和频域特征相结合 ,提出了一种新的SAR图像分类方法。该方法采用由树型小波中频纹理能量特征、灰度共生矩阵特征、树型小波滤波后的灰度组成的特征矢量对SAR图像进行分类。实验结果分析表明 ,该方法是一种有效的SAR图像分类方法。     

二次映射和遗传算法用于鉴别可视化特征提取

多元数据图表示是高维数据可视化最简单的一种处理方法.从多元数据的雷达图中提出了一种图形特征-可视化重心特征.由于雷达图与数据的特征排序有关,导致可视化特征深受特征排序影响,提出了利用二次映射计算出所有特征排序下的可视化特征,基于遗传算法再从中选择出具有鉴别能力的可视化特征.葡萄酒、乳腺癌和糖尿病等UCI真实数据集的实验结果证实了我们的想法,最佳分类错误率分别达到了0%、1.61%和20.7%,优于报道的常用的分类性能,优于传统的鉴别特征提取方法.     

考虑特征提取不确定性的多特征图像配准算法

基于特征的图像配准算法中,一般只利用图像中的一种特征进行配准,且在特征匹配阶段,同等地对待每一个特征而忽视特征本身的稳健性差异,这在很大程度上限制了算法的适用范围和稳健性。在对特征的不确定性进行定义的基础上,提出了一种综合利用多种特征进行图像配准的方法。在特征匹配阶段,考虑特征本身的不确定性,即特征稳健性越强,其对相似性测度函数的影响越大,反之,影响越小。另外,为了求解利用多种特征构造的相似性测度函数的最大值,提出了交替求解和构造统一关系矩阵两种方案。实验表明,该方法是准确有效的。     

基于特征的三维模型简化算法研究

细节层次模型（Level of Detail,LOD）是模型简化最有效的方法之一。针对以往细节层次模型简化算法对模型的特征与边界处理的不足,提出了一种基于特征的LOD模型简化算法,并给出了一种针对模型特征与模型边界的折叠代价函数,较好的解决了以往算法生成LOD模型时对模型重要特征与边界处理的不足,在对原始模型简化的同时,能够很好的保留模型的边界与特征。实验结果证明了算法的高效、可靠,既保持模型细节特征,又减少了模型简化误差。     

基于广义粗糙近似的信息检索方法研究

基于广义粗糙集———条件概率粗糙集,给出一种新的信息检索模型。分别研究了对于精确的特征词条空间和精确的文档及查询、精确的特征词条空间和模糊的文档及查询、模糊的特征词条空间和模糊的文档及查询这3种情况下的信息检索方法。用户可以根据相关反馈信息来调节特征词条间的支持度,获得满意的检索结果,从而满足自己的信息需求。仿真实例表明该信息检索模型的有效性和实用性。     

奇异值特征抽取目标识别法

图像的代数特征是图像的一种固有的特征。每一幅图像都可以认为是一个矩阵,而矩阵的奇异值具有很多适合图像识别的特征。本文不仅研究了矩阵的奇异值的代数特征,而且找到一种将奇异值特征应用到目标识别中的方法,实验结果证明应用奇异值特征可以取得较好的识别效果。     

不完备信息系统中的特征关系进一步研究

以同时具有遗漏型和丢失型未知属性值的不完备信息系统为研究对象,深入分析了其中的特征关系并讨论了特征类中的两种不合理情形,进而提出了一种新的特征关系.根据新建立的特征关系,构建了论域上的完全覆盖,形成了两种不同类型的知识表达系统,并进行了一些重要性质的研究.最后用一实例分析以验证新的特征关系的有效性.     

基于退化特征相似性的航空发动机寿命预测

针对航空发动机结构复杂、性能退化参数众多、寿命预测精度低等问题,提出了一种基于退化特征相似性的寿命预测方法。首先通过基于Relief算法的退化特征筛选、基于主成分分析(principal component analysis,PCA)的特征提取和基于核函数的特征平滑,提取低维正交多变量退化特征;然后进行特征的相似性匹配,寻找与当前样本特征片段最相似的一组历史样本中的特征片段集合,将这些片段对应的RUL信息融合并采用密度加权方法得到当前样本的寿命预测估计值;最后通〖JP2〗过美国国家航空航天局(national aeronautics and space administration,NASA)提供的航空涡轮扇发动机仿真数据集验证了该方法的有效性,其寿命预测性能高于现有几种代表性方法。     

基于奇异谱分析的航空客运需求分析与分解集成预测模型

考虑到航空旅客运输需求影响因素复杂以及航空客运需求序列非线性非平稳等特征,本文提出了一个基于奇异谱分析(SSA)的航空客运需求分析与分解集成预测模型.需求分析阶段,首先使用SSA对航空客运需求序列进行有效分解,接着借助奇异熵理论,将序列重构为长期趋势项、中期市场波动项和短期噪声项;预测阶段,使用排列熵(PE)判断各重构序列复杂度的高低,并依据序列复杂度分别选择粒子群算法(PSO)和布谷鸟算法(CS)双优化的支持向量回归模型(SVR)或单整自回归移动平均模型(ARIMA)进行预测,结果表明,该分解集成预测模型较ARIMA、SVR等基准模型有着更好的预测性能.     

基于VMD的中国出口集装箱运价指数分析与组合预测

基于分解-重构-分项预测-集成思想,通过优选分解方法、优化重构方法、优选预测方法及合理选择集成方法等途径,构建了基于变分模态分解(VMD)的组合预测模型,对中国出口集装箱运价指数(CCFI)进行了预测,分析了CCFI波动特性及经济内涵.首先,选用VMD将运价指数序列分解为多个模态分量;其次,采用C值优化的FCM算法将模态分量重构为高、中、低频和趋势项,通过波动特性分析挖掘了重构项蕴含的短期市场不均衡因素、季节因素、重大事件及市场供需等经济内涵;再次,构建了基于数据特征分析的预测模型优选方法,进行了重构项预测;最后,将重构项预测值相加集成,分析了预测效果.实证结果表明,构建的组合模型预测效果优于BPNN、SVM、ARIMA等单一模型、EMD组合模型及未优化的VMD组合模型,较好地体现了CCFI外在波动特征与内在经济意义.     

基于小波变换与回归分析的融合GNSS水汽、风速和PM10要素的PM2.5浓度模型

PM2.5浓度时空演化分析有助于认知大气污染的发展和现状.由于我国PM2.5浓度监测起步较晚,积累数据短,有必要利用其它已有数据开展PM2.5浓度模型研究.PM2.5浓度变化受到内部因素与外部气象条件的影响.本文以河北省为例,选择PM10为影响PM2.5浓度变化的内部因素、水汽与风速为PM2.5浓度变化的外部气象条件,融合三种要素构建多变量PM2.5浓度模型.开展了PM2.5与PM10、水汽、风速的相关性分析,鉴于水汽值存在季节性差异,利用小波变换对水汽序列分解重构后再开展PM2.5与水汽的相关性分析.采用回归分析方法构建了融合PM10、水汽、风速的PM2.5浓度多变量预测模型,利用PM2.5实测值进行了模型的可靠性检验.研究发现:PM2.5与PM10、小波变换分解重构后的水汽呈正相关,与风速呈负相关;与PM2.5浓度实测值相比,多变量模型PM2.5浓度预测精度优于单变量模型;对于PM2.5浓度分级预测效果统计,在大气空气质量为良、轻度污染、中度污染的情况下,多变量模型PM2.5浓度预测效果较好.基于多变量要素模型反演的PM2.5浓度序列可用于河北省大气污染变化分析.     

基于WPTMM的PM2.5与气象条件关系的联合多重分形分析

PM2.5是影响空气质量的主要污染物,PM2.5污染浓度与气象条件关系密切,研究气象条件对PM2.5浓度的影响对改善城市空气质量有着重要意义.鉴于分形和小波在处理复杂非线性系统时的优势,本文提出了基于小波包变换模极大值(wavelet:packet transform modulus maxima,WPTMM)的联合多重分形,首先对变量序列进行小波包分解,使用模极大值进行去噪,然后构造联合配分函数,最后计算联合多重分形谱,分析两个变量之间的分形相关性.该方法将单个变量的多重分形扩展到两个变量的联合多重分形,并且利用WPTMM计算联合多重分形谱降低了计算复杂度,同时去除噪声的影响.用本文方法分析北京、香港PM2.5浓度与各气象要素之间的关系,实验结果表明,该方法能够有效地分析各种气象要素在不同季节中对PM2.5浓度的影响.     

基于XGBoost预测及弹性网误差补偿的室内定位算法

为解决室内定位系统中因环境动态变化而导致定位精度下降的问题,提出一种基于XGBoost并融合弹性网的误差补偿算法。采用XGBoost定位模型对目标位置进行初步预测,当室内环境改变后,再采用弹性网算法构建误差补偿模型,修正XGBoost定位模型的定位误差,并与基于K近邻、支持向量机、随机森林、梯度提升决策树等定位算法做对比。实验结果表明：在更新15%指纹数据库样本的情况下,该算法在80%分位处的定位精度控制在0.73 m以内,明显优于其他定位算法,且较基于XGBoost的定位算法精度提高了25.5%。     

A multiscale modeling approach incorporating ARIMA and anns for financial market volatility forecasting

The financial market volatility forecasting is regarded as a challenging task because of irreg ularity, high fluctuation, and noise. In this study, a multiscale ensemble forecasting model is proposed. The original financial series are decomposed firstly different scale components （i.e., approximation and details） using the maximum overlap discrete wavelet transform （MODWT）. The approximation is pre- dicted by a hybrid forecasting model that combines autoregressive integrated moving average （ARIMA） with feedforward neural network （FNN）. ARIMA model is used to generate a linear forecast, and then FNN is developed as a tool for nonlinear pattern recognition to correct the estimation error in ARIMA forecast. Moreover, details are predicted by Elman neural networks. Three weekly exchange rates data are collected to establish and validate the forecasting model. Empirical results demonstrate consistent better performance of the proposed approach.     

TPE-XGBOOST与LassoLars组合下PM2.5浓度分解集成预测模型研究

在我国当前大气重污染的环境下,PM2.5浓度的预警预报工作显得尤为重要.由于PM2.5浓度时间序列具有高度复杂性与随机性等特点,且传统的PM2.5浓度分解集成预测方法没有考虑空气质量因素与气象因素的信息,仅靠PM2.5浓度的历史值难以准确对其精准预测.本文在对历史数据的分解下,对高频数据引入TPE-XGBOOST模型,对低频数据引入LassoLars模型,结合空气质量因素与气象因素反映分解特征的变化趋势,对PM2.5浓度时间序列展开预测研究.通过实验,该组合模型显示出了良好的预测效果,且相对于单一分解集成预测模型有较大的预测精度提升.     

基于集成预测的均值-方差-熵的模糊投资组合选择

通过基于集成预测的方法构建模糊投资组合, 代表性地选择了遗传神经网络模型、 多因素SVM回归模型和ARIMA时间序列模型作为组合预测中的单一模型, 并将单一模型预测结果作为模糊变量进行投资组合优化, 实证结果表明基于集成预测的均值 -方差-熵的投资组合相比其他组合收益率更高, 相对风险更低. 该方法可以用于投资基金管理、 金融风险管理等实际工作中,以便提高决策的科学性.     

推力轴承油膜瞬态温度的ARIMA模型预测

针对大型推力轴承油膜温度监控这一关键性问题，提出了采用非平稳时间序列ARIMA（p,d,q)模型瞬态温度变化。用一组实测温度变化曲线证明了用ARIMA模型描述油膜温度的适用发性，最后用了校正递推处来实时预测将来时刻油膜温度变化趋势。     

雾霾指数期权合约设计及蒙特卡罗模拟定价

雾霾天气对社会经济、企业经营、国民健康造成损失.不同于传统的实体经济方式如汽车限行、工厂减排等控制雾霾,本文设计以PM2.5浓度指数为标的的雾霾期权合约,利用虚拟经济手段对冲雾霾风险.文章选取北京市2012年10月9日至2015年7月17日PM2.5浓度日数据建立Ornstein-Uhlenbeck(O-U)模型描述数据的季节性趋势及方差,然后在无套利定价框架下基于鞅定价方法,对2015年7月18日至2015年8月17日的雾霾指数期权进行蒙特卡罗模拟定价和比较验证.结果表明,各标的雾霾指数期权的模拟价格精度良好.通过两个利用期权交易对冲雾霾风险的示例,本文表明了设计的可行性.