基于NP算法的CRM中客户识别特征的选择

客户识别对于CRM的实施具有重要意义，客户特征选择是客户识别中的重要问题．嵌套分割算法（NP算法）是一种新型的系统优化方法，通过对其四个算子进行确定，将其应用于具有组合优化特征的CRM中客户识别中的客户特征选择问题．并通过将NP算法应用于某人寿保险公司的客户特征选择问题，说明了该方法的有效性．该方法不但能够保证以概率1收敛于最优解，而且能够提高客户特征选择的效率．     

基于重要抽样技术的稀有事件仿真方法

传统的Monte Carlo方法仿真稀有事件需要较长的时间,而重要抽样技术可以有效的缩短仿真时间,提高仿真效率。因此,提出一种新的重要抽样实现方法,用来估计仿真模型中的稀有事件的概率。先选取经典的指数变换方法构造重要抽样分布类,再利用极小化重要抽样估计量方差的方法寻找最优重要抽样分布函数。仿真结果显示了该算法在估计稀有事件概率方面的有效性。     

基于MH抽样的Bayesian方位估计快速算法

针对Bayesian方位估计计算量大的问题,将马尔可夫蒙特卡罗方法与Bayesian方位估计相结合,提出一种基于MH(Metropolis-Hastings)抽样的Bayesian方位估计新方法(简称MHB).该方法将Bayesian算法的空间谱函数作为信号的概率分布函数,并利用MH抽样方法从该概率分布函数中抽样.研究结果表明,MHB方法不但保持了Bayesian方位估计方法的优良性能,而且大大减小了计算量.     

改进自适应重要抽样法在水文极限分析中的应用

提出了一种改进的自适应重要抽样方法, 以广义极值分布为例, 引入L-矩法, 建立样本统计特性与分布参数的联系, 估算极限事件的 发生概率. 以浙江省云港流域的24h设计暴雨为例, 计算金竹岭和仙人潭两个站点降雨量分别大于213mm和200mm的概率. 计算结果表明 改进的自适应重要抽样方法能很好地模拟水文极限事件, 叠代次数随着抽样个数的增加逐渐减小. 与常规的MC法比较, 重要抽样的效率 有显著提高. 另外, 此改进的自适应重要抽样方法还能推广到其他的分布函数.     

装卸混合车辆路径问题的模拟退火算法研究

提出了更具一般性的装卸混合车辆路径问题，建立了该问题的基于直观描述的数学模型．通过设计一种新的解的表示方法构造了求解该问题的模拟退火算法，并进行了实验计算．计算结果表明，用设计的模拟退火算法求解装卸混合车辆路径问题，不仅可以取得很好的计算结果，而且计算效率较高，收敛速度较快，计算结果也较稳定．通过对双向配送策略与单向配送策略计算结果的比较，说明了采用双向配送策略求解装卸混合车辆路径问题对于配送企业节省配送车辆、减少配送里程，从而降低配送成本、提高经济效益的重要意义．     

基于模拟退火的复合嵌套分割算法

介绍了嵌套分割算法(NP)的基本思想,从理论上分析了NP算法的计算效率,提出了提高其优化效率的途径。介绍了模拟退火算法(SA),并将模拟退火的思想引入嵌套分割算法的抽样和选取算子中,给出了复合嵌套分割算法(SANP)的具体寻优思路,SANP算法将嵌套分割算法的全局寻优能力和模拟退火算法的局部搜索能力结合起来,具有可行性和科学性。通过一个优化算例验证表明,该算法大大提高了计算效率和收敛速度。     

用模拟退火差异进化算法进行匹配场反演

分析了模拟退火算法与差异进化算法单独应用于匹配场反演时的局限性，构造一种结合两种算法优点的混合算法。模拟退火算法对差异进化算法的种群进行扰动，保留了差异进化算法的并行特性；在差异进化算法中引入模拟退火算法的重要性抽样思想，增强其逃离局部最优的能力，差异进化算法对目标函数梯度信息的利用仍然保留。仿真研究表明，混合算法在寻优时间与效率上达到了较好的平衡。     

最大熵分布算法及其应用

分布估计算法是一种新的基于种群进化的算法,它通过统计当前群体中较优个体的信息构建其概率分布模型,然后对模型进行抽样生成下一代群体。针对分布估计算法在求解搜寻最优网络结构的NP-Hard问题,提出一种新的最大熵分布算法,该算法以Jaynes原理为依据,利用随机变量的最大熵估计随机变量的最小偏见概率分布,并以此作为算法的进化模型,有效地降低了算法的计算复杂度。以旅行商问题和误导问题为例所进行的计算结果证明了该算法具有更高的全局搜索能力与更稳定的收敛性。     

大系统优化有效算法的研究

将极大熵方法和有限内存的ＢＦＧＳ方法结合起来可以大大提高算法的计算效率，节省计算机内存，为求解大型约束非线性规划提供了一种新途径．计算实例说明，该方法确是一种有效的大系统优化算法     

单参数支持向量回归算法

支持向量机是一种基于统计学习理论的新颖的机器学习方法，由于其出色的学习性能，该技术已成为当前国际机器学习界的研究热点．这种方法已广泛用于解决分类和回归问题．在回归中，标准的支持向量回归算法在采用ε-不敏感损失函数时引入两个参数．为了减小学习复杂性，给出一种单参数约束下的支持向量回归算法，该算法能够减少支持向量的数量，提高程序的运行速度．最后，以一个混沌时间序列预测为例，所给方法同标准支持向量回归算法进行了比较，运行速度明显提高．     

Bayesian empirical likelihood estimation of quantile structural equation models

Structural equation model (SEM) is a multivariate analysis tool that has been widely applied to many fields such as biomedical and social sciences. In the traditional SEM, it is often assumed that random errors and explanatory latent variables follow the normal distribution, and the effect of explanatory latent variables on outcomes can be formulated by a mean regression-type structural equation. But this SEM may be inappropriate in some cases where random errors or latent variables are highly nonnormal. The authors develop a new SEM, called as quantile SEM (QSEM), by allowing for a quantile regression-type structural equation and without distribution assumption of random errors and latent variables. A Bayesian empirical likelihood (BEL) method is developed to simultaneously estimate parameters and latent variables based on the estimating equation method. A hybrid algorithm combining the Gibbs sampler and Metropolis-Hastings algorithm is presented to sample observations required for statistical inference. Latent variables are imputed by the estimated density function and the linear interpolation method. A simulation study and an example are presented to investigate the performance of the proposed methodologies.     

COMPARING THE INDEPENDENCE OF DIFFERENT RANDOM NUMBER GENERATORS

Pseudo-random number generators have always been important in experimental design, computer simulation, cryptography and statistical analysis. This paper presents a method of comparing the degree of independence exhibited by various random number generators, a procedure, based on consideration of the largest (in modulus) non-unit eigenvalue of the observed Markov transition matrix, is used to assess the ‘randomness‘ of a random number generator.     

结构VAR模型辨识的条件互信息图模型

在结构向量自回归(VAR)模型辨识的图模型中引入信息论方法.定义了线性条件互信息图,图中的结点表示时间序列不同时刻的随机变量,结点间的边表示随机变量之间存在的因果相依关系.提出了随机变量之间条件线性联系存在性的信息论检验方法.图中边的存在性用基于线性条件互信息的枢轴量检验,枢轴量的显著性用置换检验决定.用统计分析的方法确定当前变量之间联系的方向,建立了有向非循环图.最后以模拟序列为例,验证了所提出的方法是可行且有效的.     

用于估计信号交叉口行人延误的微观仿真系统

针对发展中城市中由定周期两相位交通灯控制的交叉口，建立了用于估计行人延误的微观仿真系统。信号灯周期被划分为一系列分相位，每个分相位持续1s。仿真系统包括车辆发生器、行人发生器、行人模型、统计模块等。其中，车辆发生器用于估算各分相位穿越人行横道的车流率，进而产生车辆序列；行人发生器用于产生到达人行横道的行人序列；行人模型包含若干行人行为规则；统计模块用于统计各分相位到达行人的平均延误，以及总的行人平均延误。最后，微观仿真系统用采集自西安市一个信号交叉口的数据进行了验证，结果表明它能比较准确地估计行人延误。     

Langevin桥过程及其在脉冲无线信道建模中的应用

使用Langevin方程构造Langevin桥过程,给出Langevin桥过程的解析表达式,在此基础上可以生成有约束Langevin桥过程。使用Langevin桥过程产生建模无线信道特征参量的基本随机变量,使用仿真方法研究其统计特性。仿真结果表明,在有约束环境中该基本随机变量的概率密度分布显示出明显的局部偏好性。使用由Langevin桥过程构造的基本随机变量研究脉冲无线信道的传播特性。     

灵敏度关系求取的多变量摄动法及其应用研究

提出了一种灵敏度关系求取的多变量摄动法.利用该方法,根据历史数据可方便地求取被研究系统中控制量和被控制量之间的灵敏度关系;利用冗余数据,根据最小二乘法推导出了可消除历史数据中随机干扰影响的计算公式.对不同规模电力系统的仿真试算证明,所提出的多变量摄动法正确.由于可利用历史数据,故所提算法较常规的单变量摄动法更具实用性.     

关于Zipf律的一点注记

为了弄清Zipf律是否如有些学者所说的那样只是一种普通的统计规律，采用数值模拟方法，对服从不同分布随机数的大小和其位序之间的关系在双对数坐标系上分别作了回归分析。结果显示：服从幂律分布的随机数在该坐标系上呈现出显著的线性特征，而服从其它分布的随机数则均显示出显著的非线性特征，从而进一步证实了Zipf律与幂律分布的统计等价性，它所描述的是一种特殊的统计现象。     

多进制准循环LDPC码满秩校验矩阵构造及系统编码

提出了一种多进制准循环低密度奇偶校验（low-density parity-check, LDPC）码满秩校验矩阵的构造方法。该方法基于循环置换方阵,利用随机掩蔽的方法构造出满秩校验矩阵,从而得到具有循环阵形式的系统生成矩阵,并设计出具有线性复杂度的串行和并行多进制LDPC码编码器。仿真结果表明,由此构造出的规则和非规则多进制准循环LDPC码相比于掩蔽前的码字取得了更为优越的误码和收敛性能。     

Strong Law of Large Numbers for Weighted Sums of Random Variables and Its Applications in EV Regression Models

This paper mainly studies the strong convergence properties for weighted sums of extended negatively dependent(END, for short) random variables. Some sufficient conditions to prove the strong law of large numbers for weighted sums of END random variables are provided. In particular, the authors obtain the weighted version of Kolmogorov type strong law of large numbers for END random variables as a product. The results that the authors obtained generalize the corresponding ones for independent ra...     

基于遗传算法和分类树的信用分类方法

银行信贷信用评估本质上是个分类问题,已有统计和非统计的各种方法应用于信用评估,其中分类树方法,也称为递归分割法,比较适用于处理定性变量,而作为非统计方法之一的遗传算法则适用于处理连续型定量变量之间的非线性关系,但无法处理定性变量,利用这两种方法特点的互补性,构建了一种分类树和遗传算法相结合的信贷信用评估方法,先用分类树方法按照定性变量分类,然后在每个叶结点上用遗传算法按照定量变量分类.实证分析表明,该方法比单独使用分类树方法或遗传算法的分类准确率高.