基于修正小波变换插值-TAN的雷达降水粒子分类

对于双偏振天气雷达在获取数据分辨率较低情况下的降水粒子分类问题, 提出一种双偏振体制天气雷达下基于修正小波变换插值-树扩展朴素贝叶斯(tree augmented naive Bayesian, TAN)的降水粒子分类方法。首先,需要在原雷达偏振参量数据分辨率比较低的情况下进行修正小波变换插值处理,以获得较高分辨率的雷达偏振参量数据。然后,基于互信息理论利用离散化的高分辨率偏振参量数据进行TAN网络结构和参数训练,得到可用于降水粒子分类的TAN网络。最后, 将高分辨率的雷达偏振参量数据带入到最终获得的TAN网络中以实现降水粒子分类。对实测数据的处理结果表明, 对于低分辨率雷达偏振参量数据, 所提方法可以取得较好的降水粒子分类结果。     

多维数据插值算法及其仿真应用

在系统仿真中经常面对"黑箱"类型的仿真对象,其内部原理不透明但存在各种条件下的实验数据.这些数据虽然是离散和有限的,然而对其进行有效的插值计算可以获得对象在任意输入条件下的状态输出,从而建立其等效的仿真模型.研究提出了一种多维输入数据条件下的数据插值算法,并介绍了在作战仿真中装备性能仿真方面的应用.     

空间动态非参数杜宾模型及其应用

本文将研究重点放在一类特殊的空间动态面板数据模型——空间动态非参数杜宾模型的设定、估计与检验上,以研究不同空间单元之间的非线性影响.为此,本文就固定效应空间动态非参数杜宾模型给出了迭代估计及相应的假设检验方法,并根据蒙特卡罗模拟结果,对迭代估计方法加以改进.通过仿真实验和实证应用,验证了对于固定效应空间动态非参数杜宾模型,尤其是N和T比较大的情形,本文给出的改进方法是稳定有效的.     

降水预测的模糊权马尔可夫模型及应用

中长期降水量的预测是气象科学的一个难点问题，论文首先基于降水过程存在大量不确定性、不精确性的特点，应用模糊有序聚类的方法建立降水丰桔状况的分级标准；然后针对降水量为相依随机变量的特点，采取以规范化的各阶自相关系数为权重，用加权的马尔可夫链来预测未来降水的丰桔变化状况；在此基础上，根据模糊集理论中的级别特征值，计算出具体的降水量；最后以山西省河曲水文站近50年的降水资料为实例，对该方法进行了具体的应用，收到了较为满意的结果，从而为提高中长期降水量预报的精度提供了一条值得探索的途径。     

改进的空间数据库主动规则条件测试模型

空间数据库的主动规则条件测试对于规则的执行效率至关重要。本文采用空间查询代数优化技术和空间算子迁移方法,提出扩展的空间规则鉴别网络(ESRDN)模型,给出ESRDN的优化启发式规则及其正确性证明,分析结果表明,该改进模型可以提高空间数据主动规则的条件测试效率。     

一类新的评判识别模型及其应用

论述了物元评判识别模型的建模方法，对矿山通风防尘管理工作进行了分析与评判，指出物元评判模型是一类优良模型。     

加权马尔可夫模型在降水丰枯状况预测中的应用

首先基于降水过程存在大量不确定性、不精确性的特点 ,应用有序聚类的方法建立降水丰枯状况的分级标准 ;然后针对降水量为相依随机变量的特点 ,采取以规范化的各阶自相关系数为权重 ,用加权的马尔可夫链模型来预测未来降水的丰枯变化状况 ;最后以山西省某水文站近 5 0年的降水资料为实例对该方法进行了具体的应用 ,获得了较为满意的结果.     

基于双层规划的普通克里金插值方法研究

采用双层规划描述了普通克里金法中理论变异函数模型参数求解问题.针对传统变异函数模型参数求解过程中容易受人为不确定性因素影响的问题,建立了以交叉验证统计结果最优和个体样本满足最优无偏线性估计为目标的双层规划模型,并给出了相应的求解方法.该方法根据交叉验证结果优化调整上层系统随机给定的变异函数模型参数,可以减少变异函数模型参数求解过程中人为不确定等因素的影响,从而可以获得合理的理论变异函数模型参数和较好的空间插值结果最后,以土壤pH值为例,通过与加权最小二乘法比较验证了采用该方法的有效性和合理性.     

基于有理插值函数的利率期限结构模型

本文基于重心权有理插值函数,提出了一种新的利率期限结构静态估计模型,并给出一整套建模过程(包括基函数的构造、参数估计、节点选择、模型预测等).与传统的样条方法相比,本文提出的模型具有以下四个方面的优势:拟合的利率曲线光滑性更好;模型计算复杂度较低;参数估计存在明确的经济意义;模型的预测精度更高.最后,将该模型应用于上海证券交易所交易的国债利率期限结构研究,结果显示:模型在结构分析、计算复杂度、预测能力及经济内涵等方面均优于传统模型,能够有效提高国债利率期限结构拟合与定价的准确性.     

改进的离差最大化决策模型及其在临近空间多任务规划中的应用

一些常用的多属性决策方法在处理多属性评价问题时,易出现评价结果相近,评价值差异较小、区分度不高等问题.运用离差最大化思想构建的多属性决策模型,能有效拉大评价值间的差异,便于决策方案的优选和排序.但该模型在实践中,只考虑了因属性值差异性引起的可变权重,忽略了评价指标本身的属性权重,易造成评价结果偏离真实结果.鉴于此,对已有的基于离差最大化的多属性决策模型进行改进,综合考虑评价属性的可变权重和属性权重,设计了改进的离差最大化决策模型,并将该模型应用于临近空间多任务系统综合效能评估中,为临近空间多任务规划方案的排序及优选提供决策支持.最后,通过算例,对比验证了该模型具有一定的适用性.     

小波神经网络模型的改进及其应用

将优化函数的连续型蚁群算法与小波神经网络耦合,用蚁群算法优化神经网络的权值和小波参数,找到蚁群算法中信息素更新的最佳衡量标准,且建立了基于蚁群优化的小波神经网络模型,旨在准确预测水稻需水量,为制定合理的灌溉制度、提高水利用率提供科学依据.通过对三江平原富锦市1985至2001年的井灌水稻区全生育期需水量预测检验,确定网络结构为6-12-1,训练最大次数20次时网络收敛,误差精度达到0.0024.研究结果表明,该模型不但计算简便,而且具有较强的逼近能力、较快的收敛速度和较好的预报精度,并且为网络模型的参数优化提供一种新方法,也为预测、预报的研究拓宽新思路.     

区间数综合评判模型的改进与应用

针对现有区间数综合评判模型中,生成区间数所依据的线段法的不足,以刀切法思想为基础,通过模型的稳定性分析,借鉴属性识别理论,提出了一种以增强模型稳定性为目的的改进方法。使得改进后的模型能够充分利用原始决策信息,从而使评价结果更加客观。最后通过实例验证了改进后模型的有效性。     

基于RAGA的灰色BP神经网络预测模型及其对三江平原地下水埋深的动态预测

三江平原是我国粮食主产区之一,近年来农业水资源出现危机.预测该地区地下水动态变化趋势,对于指导该地区合理开发利用地下水有着重大的理论和现实意义.建立了基于RAGA的灰色BP神经网络预测模型.该模型克服了传统GM(1,1)模型存在明显系统误差的缺点,既具有GM(1,1)模型对数据确定性方面把握的长处,也融合了人工神经网络在不确定因素预测领域的优势.通过两种途径进行检验,结果表明该模型具有相对较高的预测精度.运用该模型对三江平原地下水埋深进行动态预测,未来五年内,如果仍按目前的发展模式,该地区地下水埋深仍将持续下降,从2007年到2012年,该地区地下水平均每年下降0.3m.预测结果对有关部门的政策决策具有一定的指导意义.     

“两型社会”建设成效评估体系及其应用

根据“两型社会”的特征与内涵, 构建了“两型社会”建设成效评估的指标体系. 通过引入向量夹角和距离函数构建了“两型社会”建设 成效评估模型, 用于比较分析“两型社会”建设现状与规划目标的协调度偏差和目标值偏差, 为完善“两型社会”建设成效分析提 供方法支撑. 基于发展成效的历史值, 构建了GM（1,1）与ARMA相结合的模型对“两型社会”的发展趋势进行分析. 利用模型对长 沙市“两型社会”的建设现状与未来发展趋势进行了综合分析, 验证了方法的有效性和科学性, 并提出了有针对性的政策建议.     

Attractors and the attraction basins of discrete-time cellular neural networks

1.INTRODUCTION Recentlynumerousmodelsofnervoussystemand brainwhicharecalledartificialneuralnetworkshave beenextensivelystudiedanddeveloped.Amongthe mostpopularmodelsintheliteraturearecellularneu ralnetworks,whichhavebeenextensivelystudied Thediscrete timecellularneuralnetwork(DTCNN) isoneofthefamousneuralnetworkswithawide rangeofapplications,suchassignalprocessingand pattern[2].ThestabilityanalysisoftheDTCNNhas beenanimportanttopicintheneuralnetworksfield sinceithasgreatsignificancef…     

基于社会网络分析理论的恐怖组织网络研究综述

恐怖组织网络研究对于了解恐怖组织结构、有效打击恐怖活动具有十分重要的意义. 近年来, 社会 网络分析方法在恐怖组织网络研究中得到广泛关注和成功应用. 本文对恐怖组织网络模型的构建方法和分析方法进行了综述. 首先, 从建模视角、建模工具及数据获取方法三个方面对恐怖组织网络模型的构建方法进行了讨论和评价. 然后, 将恐怖组织网络分析方法归纳为静态分析和动态分析两大类. 在静态 分析中, 重点分析和评价了网络拓扑结构及特征、核心目标识别、抗毁性评估及瓦解策略三种方法; 在动 态分析中, 主要对恐怖活动态势评估、组织结构演化与绩效评估、空间关联分析三种方法进行了论述. 最 后, 指出现有研究存在的不足以及未来值得研究的问题.     

基于区间直觉模糊数的群决策模型及其在社交网络中应用

基于经典熵方法的局限,提出一个新的区间直觉模糊熵计算方法.考虑社交网络数据高度动态及非结构化的特性,引入区间直觉模糊思想,创新性地将社交网络用户影响力量化评价转化为模糊多属性群决策问题,提出基于区间直觉模糊数的用户影响力动态评价模型.该模型对用户影响力进行多层次分解,建立模糊情境下的指标体系,以区间数描述用户数据,同时引入时间维度考察数据的动态差异,采用新的熵方法计算模糊熵,设计主客观相结合的熵权确定方法,从而对用户影响力进行量化分析.克服了主观赋权的局限,提供了社交网络量化评价的新思路,拓展了区间直觉模糊群决策方法的应用.最后,应用该模型对新浪微博用户进行影响力动态评价,验证模型的有效性.     

Learning algorithm and application of quantum BP neural networks based on universal quantum gates

A quantum BP neural networks model with learning algorithm is proposed. First, based on the universality of single qubit rotation gate and two-qubit controlled-NOT gate, a quantum neuron model is constructed, which is composed of input, phase rotation, aggregation, reversal rotation and output. In this model, the input is described by qubits, and the output is given by the probability of the state in which （1） is observed. The phase rotation and the reversal rotation are performed by the universal quantum gates. Secondly, the quantum BP neural networks model is constructed, in which the output layer and the hide layer are quantum neurons. With the application of the gradient descent algorithm, a learning algorithm of the model is proposed, and the continuity of the model is proved. It is shown that this model and algorithm are superior to the conventional BP networks in three aspects： convergence speed, convergence rate and robustness, by two application examples of pattern recognition and function approximation.     

Wang-Mendel模糊模型控制规则的提取及应用

针对如何利用系统的模糊模型设计模糊控制器,提出以系统的模糊规则库为基础,提取模糊规则中的信息获得控制规则的方法。以钢铁工业中连续退火炉的加热炉为对象进行了仿真,首先提取描述对象输入-输出映射关系的模糊规则组成完备规则库,并以此为基础提取控制规则补偿输出偏差。仿真结果表明能够达到期望的效果。