基于最优混合copula函数在股票市场中的研究

混合copula函数在刻画金融数据尾部相关性时具有更好的灵活性,基于此在描述上证指数及沪深300股指期货的相关关系中对比了三种混合copula函数的模型.模型一:混合Clayton-Gumbel copula函数;模型二:混合Clayton-Frank copula函数;模型三:混合Clayton-GumbelFrank copula函数.根据AIC准则、K-S检验选择最优拟合模型.实证结果表明两个序列存在非对称的尾部相关性;从拟合效果来看,模型三是刻画序列间相关关系的最优模型.     

基于MRF分层高斯混合模型的脑MR图分割

脑部磁共振(MR)图像由于偏移场和噪声存在灰度不均的特点.针对传统高斯混合模型应用于MR图像分割中存在噪声和异常值敏感等问题,提出一种基于马尔可夫随机场(MRF)的分层高斯混合模型分割算法.将传统的高斯混合模型进行分层处理,使用高斯混合模型替代其中的高斯分布;针对图像像素点构建MRF,更新分层高斯混合模型的先验概率;根...     

基于多因素混合模型的运营期群桩轴力预测

结合桥梁深水群桩基础在运营期间的受力特征,研究了深水群桩基础基桩轴力混合模型的一般原理.提出了基于多种环境因素影响下群桩基础监测数据的运营期混合模型,利用有限元模拟与PSO-SVM统计方法在苏通大桥群桩基础中实现了混合模型的构建.为了方便比较,建立了径向基函数(RBF)人工神经网络模型,对比了混合模型与RBF模型的预测结果.研究表明,混合模型预测精度较高,在受力情况不同的3根基桩上都有较为稳健的预测能力,具有较强的泛化能力,混合模型可适用于深水群桩基础运营期轴力的预测.     

一种新的状态转移模型

本文提出了一种用于计算机协议分析与验证的新状态转移模型——复合转移模型,这种模型的优点是可以弥补目前所通用的混合模型的2点不足。1.验证混合模型时,需要使用2种完全不同的方法,这不利于验证的自动化实现;2.混合模型中的转移模型部分与语言模型部分联系较弱,在验证中其相互影响得不到充分体现;本文叙述了复合模型的构成,与混合模型之间的转换,及其分析方法。     

混合模型中的保护措施与风险降低(英文)

概述安全措施,详细介绍混合模型.在分析混合模型优缺点的基础上,讨论在该模型中建立保护措施面临的挑战.     

航空发动机模拟机匣混合仿真与振动特性分析

为实现高效率、高精度的航空发动机模拟机匣的动力学建模和振动特性分析,利用LMS Virtual Lab混合仿真软件,建立了基于试验模型与有限元模型的模拟机匣混合模型。在此基础上,进行了基于混合模型的模拟机匣模态计算与分析。为了验证使用混合模型进行模拟机匣振动特性分析的准确性,对模拟机匣进行了模态试验。将混合模型计算结果和模拟机匣的模态试验结果进行对比。结果表明除振型一致外,各阶模态频率接近,误差不超过1.5%。由此说明建立的模拟机匣混合模型能较好地反映实际结构的振动特性。基于LMS Virtual Lab的混合仿真方法可靠、有效,可用于工程上大型复杂结构振动特性的计算与分析。     

混合模型在地质统计学中的应用综述

介绍了统计学中混合模型的基本特征,综述了空间统计学的一个重要分支——地质统计学的简况.鉴于形状分析(shape analysis)与地质统计学的关联,以重要文献为线索,介绍了混合模型在形状分析中的应用概况.此外,就混合模型对地质统计数据的建模分析而言,回顾了地质统计学中的混合模型建模思路,介绍了统计理论的发展状况和实际应用简况,展望并讨论了地质统计学中混合模型的发展趋势.     

混合动力履带车辆全系统建模与实时仿真

采用面向对象思想建立履带车辆动力学实时仿真模型. 建立了发动机-发电机组和电池组电功率耦合特性模型和混合动力驱动系统及其控制策略模型. 依托RT-LAB环境实现混合动力驱动系统和控制策略模型实时化. 通过CAN实现车辆动力学模型与混合动力驱动系统及其控制模型的实时通信,建立了混合动力履带车辆驾驶员在环的全系统实时仿真软硬件环境,仿真实例验证其可行性及有效性.      

混合动力耦合系统神经网络油耗模型构建

为了基于燃油经济性快速对混合动力耦合系统(EVT,electric variable transmission)构型进行筛选,在混合动力EVT构型图论分层图画模型的基础上提出混合动力EVT图论构型矩阵,并对混合动力EVT系统构型进行动力学建模;结合GRNN神经网络算法与动态规划算法,建立混合动力EVT系统神经网络油耗模型;通过对比测试构型的神经网络油耗模型计算结果和DP仿真结果,验证了该油耗模型的有效性。     

基于椭球等高分布混合模型的聚类方法

为解决有限混合分布模型的聚类分析中分量密度函数选择问题,通过研究广义多元分析理论,提出了基于椭球等高分布混合模型的聚类算法.首先,利用与正态分布有许多相似性质的椭球等高分布族来构造混合分布模型,并引入标签变量,将基于椭球等高分布混合模型的聚类转化为模型参数估计问题;然后,通过极大似然估计法和EM算法进行模型一般变量参数...     

车联网环境下自动驾驶交通流建模与分析

在车联网环境下,对原有自动驾驶交通流跟驰模型进行改进,构建新的自动驾驶跟驰模型,并理论推导在不同自动驾驶比例下混合交通流稳定性的解析判别条件,从混合交通流稳定域角度对比分析模型改进前后混合交通流的稳定性。结果表明,相比于原自动驾驶跟驰模型,改进后的模型能有效缩小混合交通流不稳定区域,降低混合交通流全速度范围内稳定时所需的最低自动驾驶比例,从而提升自动驾驶混合交通流的稳定性。     

带有混合故障模型的不确定线性系统可靠控制

针对线性不确定系统,提出了更一般更实际的混合故障模型来研究系统可靠控制器存在问题。混合故障模型是指在一个系统中同时包含离散的故障模型和连续的故障模型,混合故障模型的建立把离散的故障模型和连续的故障模型结合到了一起,这样设计的控制器使系统的保守性更小,尤其还考虑到了线性系统的不确定问题,并给出了设计具有混合故障模型的闭环系统的可靠控制器的充分条件。通过求解LMI(线性矩阵不等式)完成状态反馈可靠控制器的设计。仿真实例验证了混合故障模型设计控制器方法的可解性和可行性。     

鲁棒贝叶斯混合分布的模型选择

提出一种基于偏差信息准则(deriance information criterion,DIC)的鲁棒贝叶斯混合分布模型选择算法.在变分逼近框架下,给出鲁棒贝叶斯混合模型的DIC计算公式;设计的模型选择算法能同时学习模型参数推断和进行模型选择,避免在大的候选模型集中根据模型选择准则选取最优模型.给出试验参数初始值设置方法,在含有较多离群点的仿真数据和Old Faithful Geyser数据上的试验结果表明了好的性能:得到鲁棒的混合分量参数和较准确的混合分量个数.     

一类线性混合模型中的参数估计

把一类线性混合模型化为满足假设的线性模型,然后用最小二乘法、估计法给出线性混合模型中参数的估计.     

多元混合PBX炸药孔隙塌缩热点模型

为能模拟不同炸药配比的多元混合PBX炸药冲击起爆过程,在弹黏塑性双球壳孔隙塌缩热点模型的基础上,考虑混合炸药中各炸药组分之间的耦合机制,建立了一个多元混合PBX炸药孔隙塌缩热点模型,并根据该模型给出了新的热点反应速率的理论表达式. 运用该模型计算了不同炸药配比的HMX/TATB二元混合PBX炸药在冲击起爆点火阶段的反应度. 计算结果表明,该模型可以较好地描述炸药配比对多元混合PBX炸药点火过程的影响.      

基于惩罚距离的混合模型分量数自动估计算法

EM算法是对有限混合模型进行参数估计的通用算法, 然而标准EM算法中所需的混合模型分量数实际上往往是未知的. 研究并改进了一种采用惩罚性最小匹配距离估计分量数的方法, 结合贪婪EM算法框架, 提出一种可以在进行参数估计的同时, 快速准确地自动估计高斯混合模型分量数的算法. 通过一元和二元的高斯混合模型的仿真实验, 验证了算法的有效性. 关键词：有限混合模型; 分量数; 惩罚性最小匹配距离; 贪婪EM; Parzen窗; 带宽     

基于集合经验模态分解和 BP 神经网络的北京市 PM2.5 预报研究

利用集合经验模态分解算法(EEMD)和 BP 神经网络组成的混合模型, 对北京城区PM_2.5浓度值进行短期预报。结果表明, 与单独使用BP神经网络模型相比, EEMD-BP混合模型的预报准确率更高; 混合模型高频部分的预报误差是整体误差的主要方面; 混合模型的输入变量中需包含输出变量的信息; 前期污染物浓度的数值对模型的预报结果有较大的影响。     

基于混合DEM数据存储结构的三维地形可视化

为了解决三维地形可视化中的海量数据快速高精度渲染问题,基于创建三维地形所使用的两种主要数字高程模型TIN（Triangulated Irregular Network）和GRID,研究了模
型采样点的分布特征、各自优缺点以及存储数据结构,给出了构建混合DEM（Digital Elevation Models）模型的方法,详述了构建混合模型,计算地形复杂度的方法,混合模型的数据结构及三角网生成算法。通过实验说明了混合模型用于三维地形可视化的优势。     

Prophet-LSTM混合模型对卷烟投放的预测

建立Prophet-LSTM混合模型,预测烟草公司卷烟投放策略对卷烟市场的影响.采用湖北省十堰市2019年7月到2020年12月的卷烟投放数据,建立Prophet-LSTM混合模型.实验结果表明,ProphetLSTM混合模型有着较好的预测精度,适合对卷烟投放进行预测.     

混合模型固定效应的影响分析

混合模型在许多方面有着广泛的应用，混合模型参数的传统估计方法对于数据点都十分敏感．文中采用数据删除方法来判别混合模型的强影响点和异常点，推出了较为方便的计算公式，最后将此方法用于一例