新的基于预估校正法的大规模营销优化算法

针对大规模一对一营销问题, 提出一种时间复杂度为O(n*logn/g)( n 为决策变量数, ε为允许误差)的大规模一对一营销优化算法. 它基于预估校正思想,在预估、校正步长计算中采用LDL分解, 并结合列近似最小度排序算法,有效降低时间复杂度. 同时, 算法在预估步中引入步长参数,根据步长参数值自适应更新中心参数, 使得算法具有超线性收敛性.实际测试表明, 该算法可在短时间内精确求解10万以上客户规模的一对一营销优化问题.     

基于小波分析和非线性PCA的图像压缩算法

提出一个基于小波分析和非线性PCA(nonlinear principal component analysis,NLPCA)的图像压缩算法,该算法通过对小波分解系数的能量大小对各个小波子图进行分类,然后用具有高强压缩能力的NLPCA对各类子图进行不同程度的压缩。其主要特点是在高压缩比条件下能达到很高的图像重构信噪比。实验结果表明该算法性能良好,在压缩比为93.1时其图像重构信噪比都能达到30以上。     

一种鲁棒主成分分析(PCA)算法

主要研究了改善主成分分析（ＰＣＡ）算法鲁棒性的一种实现途径,以提高ＰＣＡ的精度。讨论了ＰＣＡ鲁棒性问题的两种提法。修正ＰＣＡ算法能够在运行过程中自动地识别样本集之中的“劣点”,从而通过迭代计算加以适当处理来排除对运算精度的影响。对比仿真实验结果表明,鲁棒ＰＣＡ算法较之传统的基于特征值分解的ＰＣＡ算法在鲁棒性上有了较大的改善。     

一种基于PCA分析的DoA估计算法

阵列信号处理中,MUSIC、ESPRIT等高分辨率DoA估计算法都要通过特征值分解来获得波达方向估计,然而矩阵特征值分解的计算量较大,不利于实时处理。提出使用PCA(principal component analysis)高效迭代算法,来逼近信号子空间矢量。该算法的计算过程相对简单,并具有自组织特性,适合于神经网络实现。仿真结果表明,所提算法的DoA估计性能与MUSIC算法相当。     

商业银行经营风险预警模型及其实证研究

通过R型聚类分析筛选指标,建立了商业银行经营风险预警指标体系.综合运用主成分分析和模糊综合评判方法,建立了基于加权平均模糊综合评判的商业银行经营风险预警模型.以曾在1999年7月发生严重危机的汕头市商业银行为例对风险预警模型进行了实例分析和验证.文章的特色与创新一是运用R型聚类分析剔除了相关性强的指标;二是采用主成分分析法的最大方差旋转来确定指标权重,三是采用梯形隶属度函数反映不同程度风险发生的可能性;四是指标体系的建立综合地考虑了资产风险、流动性风险、资本风险和盈利风险.     

一种新的基于NGA/PCA和SVM的特征提取方法

提出了一种使用小生境遗传算法(NGA)和主成分分析(PCA)对支持向量机(SVM)进行封装的方法来选择特征子集。该方法首先使用PCA得到特征向量,然后产生若干随机特征向量子集,从而得到新的特征空间,将所有训练样本映射到这个特征空间来训练支持向量机,再使用支持向量机的半径间隔方法对每个特征向量子集的性能进行评价,最后使用小生境遗传算法来共享适应度,以及进行选择、交叉和变异操作得到新的特征向量子集,重复这个过程直至得到最优的特征向量子集。使用UCI数据集进行了相关的实验,实验结果表明了该方法可以减少特征的数量以及提高分类正确率。     

基于马尔科夫模型的我国金融系统性风险预警研究

为推动我国金融系统性风险预警研究,在分析金融系统性风险的传导路径、借鉴国际经验的基础上,综合考虑金融系统内外部因素,重构符合我国实际的金融系统性风险预警指标体系,并合成包含资产泡沫、货币危机、外汇市场和其他共四个金融压力指数的金融综合压力指数.选取2001年～2016年历史数据,采用马尔科夫区制转移模型与主成分分析法相结合,对我国金融系统性风险预警进行实证分析.结果表明,该方法有效识别了该时期高风险时间点;预测结果有效验证了我国2017年处于较低的金融系统性风险状态.揭示了房市泡沫调控、银行信贷管理、实体经济管理体系不完善、消费投资需求疲软等问题是引发我国金融系统性危机的隐患.     

基于双正交小波混合核KPCA-SVM财务危机预警研究

目前基于核主成分分析方法(KPCA)以及支持向量机(SVM)的财务危机预警模型中,所使用的核函数基本都是单核函数。混合核函数能够充分利用不同核函数的特征映射能力,在处理非线性关系时较单核函数具有更优越的性能。基于双正交小波在非线性信号处理方面的良好性能,构造了一类新的双正交小波核函数并证明其满足正定核的容许性条件,在此基础上,构造了新的双正交小波混合核函数。提出了基于双正交小波混合核函数的KPCA-SVM财务危机预警模型,并以我国证券市场上市公司为对象进行实证研究。结果表明,所构造的双正交小波混合核函数能够有效改进KPCA的特征提取性能并提高SVM模型的预测精度,显著改善了财务危机预警精度。     

改进的全相位时移相位差频谱分析算法

针对全相位频谱分析算法对采样序列中心样点有特殊要求以及当频偏量绝对值为0.5时会影响频率估计值的问题,提出了一种改进的全相位时移相位差频谱分析算法。该算法首先对序列向左循环移动一位,形成只有一位时移关系的两个序列,〖JP2〗然后分别进行全相位快速傅里叶变换(all phase fast Fourier transform, APFFT),计算过程中忽略相位差补偿值,避免频偏量的引入,通过两序列主谱线间相位差的直接计算便可得到信号的频率和初相估计值。仿真实验表明该算法计算简单,适用范围广,参数估计精度高且频率估计精度稳定性好。     

一种区间PCA的效度分析方法

关于区间数据的主成分分析(PCA)方法已取得了较丰富的研究成果,但少见对这些方法效度的评价研究.针对该问题,基于Hausdorff距离用于定义两个紧集之间距离的考虑,将区间数视为一个紧集,定义了区间数之间的距离,并研究了区间矩阵的距离.在此基础上,根据PCA方法的原理,建立了一个区间PCA方法的效度评价指标.该指标取值在0与1之间,其取值越大,说明区间PCA方法效度越高,反之则效度越小.最后,采用模拟的方法,分别选取均匀分布和正态分布两种类型的区间数据样本,对目前最常用的两种区间PCA方法--顶点法和中点法进行了效度分析,验证了文中所提的效度指标的正确性.     

一种基于主成分分析的评标方法

招投标广泛应用于建筑市场,通常采用的投标方法除具有主观性外,还忽略了评标指标之间的相关性.针对这一问题,该文提出了一种基于主成分分析的评标方法.     

基于改进PCA的导弹装备健康表征参数提取方法

针对导弹装备健康状态信息复杂且相互交融、健康表征参数难以提取的问题,提出一种基于改进主成分分析(principal component analysis, PCA)的装备健康状态低维敏感表征参数的确定方法。该方法先开展装备扩展故障模式及影响分析,构建初始高维特征参数集,再利用改进PCA对参数集进行降维处理,在最大化高维表征参数全局特征方差的目标下,提取出非线性表征参数子集。将该方法应用到导弹舵机健康评估实验中,使用故障注入模拟设备进行验证。结果表明,采用所提方法提取的健康表征参数对舵机健康状态识别准确率高,说明所提方法在提取导弹装备健康表征参数中具有明显的优越性。     

基于非线性修正策略的空气质量预警系统研究

建立科学、有效的空气质量预警系统,对于保护人们的身体健康和促进社会和谐稳定具有重要的科学价值和实际意义.为此,本文首先利用孤立森林(isolationforest,iForest)算法进行空气质量指数(air quality index,AQI)离群点分析,然后建立了一种空气质量预警系统,该系统由数据预处理模块、优化模块、预测模块和修正模块构成,融合了时变滤波经验模态分解(time varying filtering based empirical mode decomposition,TVF-EMD)、改进的蝴蝶优化算法(modified butterfly optimization algorithm,MBOA)、离群鲁棒极限学习机(outlier robust extreme learning machine,ORELM)和非线性修正策略,该预警系统成功地实现了空气质量的有效预警.同时,以污染程度不同的5个城市作为实验地点对预警效果进行检验,结果表明:1)与经验模态分解(empirical mode decomposition,EMD)相比,TVF-EMD可以更为有效地降低原始数据的非线性和非平稳性特征;2)基于MBOA的误差非线性修正策略比其他误差修正策略更胜一筹,可以显著提高预警系统的性能;3)建立的预警系统的性能要优于其他对比模型,可以对污染程度不同的城市进行有效预警.     

基于DPSCT和频谱校正的窄带干扰CBOC信号捕获算法

针对窄带干扰环境下组合二进制偏移载波(combined binary offset carrier, CBOC)信号难以被准确捕获的问题,提出了一种基于频域双相移组合陷波器(dual phase shift combination trap, DPSCT)结合批处理、频谱校正的捕获算法。该算法首先用陷波器对任意频点的窄带干扰进行抑制,再通过批处理提高处理速度,最后针对快速傅里叶变换(fast Fourier transform, FFT)过程中扇贝损失易导致捕获概率降低的问题,提出了基于部分匹配滤波器(partially matched filter, PMF)结合相位差+单点傅里叶变换频谱校正的捕获方法。仿真结果表明,该算法对在窄带干扰抑制后波形恢复和捕获概率等方面均有良好的性能,当信干比(signal to interference ratio, SIR)为-37 dB时,该算法较未校正之前捕获概率有4 dB的提高,并有效缩短了捕获时间。     

全相位FFT相位差频谱校正法改进

基于全相位快速傅里叶变换（fast Fourier transform, FFT）的相位差频谱校正法由于未计及负频率的影响,导致低频信号参数估计精度下降。针对此问题,提出一种改进的全相位FFT相位差频谱校正法,该算法在计算传统FFT时,消除了负频率对频谱分析的影响。介绍了全相位频谱分析原理及全相位FFT相位差频谱校正算法,分析了负频率对低频信号频谱分析造成影响的原因。在计及负频率影响的情况下推导了非整周期采样条件下单频余弦信号的频率、幅值和相位的计算公式。仿真结果表明,计及负频率影响的算法提高了基于全相位FFT的相位差频谱校正法对低频余弦信号参数估计的精度,算法抗噪性能得到改善。     

基于SVRGD的机载预警雷达自适应波束形成算法

自适应波束形成是机载预警雷达数字信号处理的一个关键环节.针对传统最小均方误差(least mean square,LMS)算法在短快拍数条件下的波束形成性能下降以及因迭代震荡易收敛于局部最优值的问题,提出了一种基于机器学习的随机方差减小梯度下降(stochastic variance reduction gradien...     

基于频域稀疏压缩感知的雷达目标三维散射中心反演方法

基于平面阵列的微波天线结构可以获取多视角下的目标散射中心三维分布。针对平面阵列稀疏分布导致的目标成像及散射中心反演精度较差的问题, 设计了一种基于组合巴克码的稀疏孔径分布方式。在此基础上, 利用稀疏孔径回波和频域主成分分析得到参考复数信号。利用该参考复数信号对原始回波进行干涉处理, 获得回波频谱的稀疏表征方式。在频域建立基于压缩感知的目标散射中心三维分布模型并进行优化求解, 得到重构后的目标三维频谱, 并逆变换至空间域, 可实现目标散射中心幅度及三维位置重建。暗室试验数据处理结果表明, 所提方法在X波段和稀疏采样率为50%的条件下, 目标散射中心幅度及三维位置反演精度均优于90%。     

一种基于二维信息匹配的ASM定位算法

主动形状模型ASM(Active Shape Models)目前在目标对象的定位中得到了广泛的应用。为进一步提高ASM的目标定位精度,在传统ASM方法的基础上,提出了一种基于二维信息匹配的ASM目标定位改进算法。该算法采用以轮廓点为中心的近似圆盘区域的二维灰度信息代替原算法的一维法线灰度信息进行目标轮廓匹配。实验表明与传统ASM算法相比,改进算法的目标定位精度有显著提高。