基于分形插值的多重分形降趋波动分析法及其有效性检验

利用分形插值拟合替代多重分形降趋波动分析法(MFDFA)中的多项式拟合,给出基于分形插值的多重分形降趋波动分析法(FI-MFDFA),并以经典的二项式多重分形序列(BMS)为例,检验该方法的有效性.结果表明,FI-MFDFA方法能有效识别序列多重分布奇异性的程度,随着BMS模型参数的减小,序列多重分形特征越明显;通过与...     

多重分形去趋势波动分析的振动信号故障诊断

针对基于配分函数的多重分形分析不利于局部标度特性突显的问题,把多重分形去趋势波动分析(MF-DFA)方法引入到振动诊断领域,提出对振动信号进行多重分形谱参数(|B|,α0,Δα和Δf)故障特征分析,并将α0用于故障诊断.首先分析了振动信号的多重分形特性;然后提取振动信号的4种多重分形谱参数特征,并进行了比较;最后用支持向量机算法实现振动故障诊断.研究表明:去除趋势后,振动信号的波动呈现显著多重分形特征,正常状态振动信号的α0明显大于故障状态,而振动信号的|B|,Δα和Δf特征变化规律则不明显;α0作为故障特征量,能有效地区分正常状态与故障状态,有效实现了振动故障诊断.     

基于多重分形去趋势波动分析的视网膜图像分割

引入善于描述非稳定图像的多重去趋势波动理论,提出一种基于多重去趋势分析的视网膜图像分割方法.该方法采用直方图均衡化对图像进行预处理来增强血管影像,然后采用多重去趋势波动分析计算图像的广义赫斯特指数,并利用血管指数特性来分割血管,最后用形态学进行图像后处理,得到最终的血管图像.基于DIARETDE0和DIARETDE1两个数据库进行实验.结果表明,该方法在处理视网膜病变图像时有较好的完整性和连通性,能够较好地提取血管主体,具有很好的临床应用价值.     

基于多重分形模型的非高斯信号建模

在小波域中,研究了基于β分布、点集分布和β分布与点集分布的混合多重分形模型（β－MWM．pm-PWM和β－pmMWM）;运用相关性检测和多重分形奇异谱检验方法分析了这3种模型对实际的水声非高斯信号的逼近性能。探讨了非高斯信号的多重分形分布特性,将研究结果应用于水声噪声的分析中,发现其多重分形分 布与环境有密切的关系;应用于水声噪声的识别研究中,取得了较好的实验结果。     

股票收益率序列的多重分形特征分析

运用多重分形消除趋势波动分析法,研究中石油和中石化两个上市公司股票收益率的多重分形特征,并结合多重分形谱方法,比较两股票收益率序列的多重分形性的强弱及风险大小.结果表明,两个公司的股票收益率序列均具有明显的多重分形特征,且中石化收益率序列的多重分形性更强,波动复杂程度更高.总体相比,买入中石化股票获利的空间更大,但风险也较买入中石油的更高.     

多重分形表面的吸附模型

讨论了吸附剂表面的多重分形特征并进行了描述,并在分形吸附模型的基础上提出了多重分形吸附模型,对其进行了分析、讨论。多重分形吸附模型能很好的解释压力区间不同,测得分维值不同的原因,并更具普适意义。     

大鼠初级视皮层神经元整合野调制的多重分形去趋势波动分析

初级视皮层(V1区)神经元整合野的外周调制作用是动物执行视觉图像-背景分割和目标识别的神经基础。采用多重分形去趋势波动的方法,分析了整合野调制下神经元响应的多重分形性,并分析了其与整合野抑制作用的关系。结果表明:不同模式下神经元的响应信号均具有多重分形特征,谱宽Δα能显著区分两种典型的整合野调制状态,且神经元的分形性强度与整合野的抑制指数呈正相关。该研究表明整合野的调制作用改变了神经元响应的复杂程度,提高了其携带信息的能力。     

基于EMD与多重分形去趋势法的轴承智能诊断方法

引入经验模态分解(EMD)方法去除故障信号的趋势项,提出EMD-MFDFA(multifractal detrended fluctuation analysis)的多重分形分析方法,并通过仿真分析EMD方法去趋势效果的有效性。然后将采用EMD-MFDFA方法提取的电机滚动轴承振动信号的多重分形特征向量作为训练集,利用混合遗传算法搜索全局最优的能力优化支持向量机(SVM)模型参数,建立电机滚动轴承的智能诊断模型。最后,通过对电机滚动轴承不同状态的振动信号进行分析。研究结果表明:EMD-MFDFA方法能很好地揭示滚动轴承的振动信号多重分形特性,对滚动轴承正常状态、单一故障与多故障耦合等状态具有很强的辨识能力;所建立的智能诊断模型可以有效地诊断滚动轴承不同的故障状态,能够作为滚动轴承故障在线监测的有效工具。     

股市时间序列的多重分形消除趋势分析

为了探索股票时间序列的无标度性,应用多重分形消除趋势分析的方法(MF-DFA)来研究沃尔玛指数(WMT)日收盘价.研究结果表明,沃尔玛指数日收盘价的变化具有多重分形的特性,广义Hurst指数显著依赖于波动函数的阶数,并随之变化;尺度函数表现出明显的非线性性质;多重分形谱呈现单峰钟形图像.     

基于多重分形降趋算法与改进的K均值聚类滚动轴承故障诊断

针对滚动轴承振动信号非线性、非平稳的特点,提出采用多重分形降趋算法计算多重分形谱参数作为特征参数,对比分析了多重分形降趋波动分析法及多重分形降趋移动平均法提取轴承故障特征的优劣性.并提出改进的K均值聚类分析对多重分形降趋算法提取的特征参数进行分类,从而实现轴承故障诊断的目的.运用滚动轴承公开数据对方法进行验证,提取时域特征与多重分形谱参数进行对比分析,并对两种多重分形降趋算法的效果进行对比分析,验证了多重分形降趋波动分析法与改进K均值聚类相结合对轴承故障诊断的有效性,为轴承故障诊断方法提供了一种新的尝试.      

基于不同消失矩的多分形小波模型对网络流量的合成和分析

多分形小波模型（MWM）是一种比较理想的模型,能够较好地刻画网络流量的多分形特征. 小波基的选择影响着模型对原始流量多分形特征的刻画精度,Daubechies小波根据其消失矩分类,在小波函数中具有代表性. 使用不同消失矩的Daubechies小波来讨论多分形小波模型的小波基选择问题,根据对几种流量仿真结果的分析讨论,找到了合适的小波基.     

基于分形V/S技术的沪深股市长记忆性研究

将Cajueiro和Tabak提出估计Hurst指数的新方法即V/S分析引入我国沪深股票市场非线性特征的研究.比较研究表明V/S分析不易受短期相关性的影响,较R/S分析更为稳健和有效.通过对沪深两市综合指数的日收益率和周收益率序列的V/S分析,得到沪深两市的Hurst指数均小于0.5,这表明我国股票市场呈现出反持久性特征而不是长记忆性.     

A New Mean Reversion Model of Close-End Fund

On the basis of fractal theory, one of the nonlinear theories, this paper studies the validity of Chinese fund market fractal time sequence through Hurst exponent, calculates the H value and proposes a new close-end fund mean reversion model. Meanwhile, this paper validates the mean reversion time sequence for consecutive 54 week data of fund market. The result indicates that this model can effectively prove that Chinese close-end fund market follows the biased random walk. The research also proves that the fund discount does have mean reversion tendency and averagely the fund with high discount has a higher excess yield than that of the fund with low discount. The mean excess yield and the ratio between discount rate deviation and standard deviation demonstrate a descending relationship. The optimum investment period based on ＂mean reversion＂ is one month. Consequently this model provides a new arbitrage method through the discount of close-end fund.     

基于多重分形谱的碳纤维复合材料表面评定方法

碳纤维复合材料（CFRP）表面的多重分形谱能表征其表面形貌特征.用TalyScan 150表面测量仪测量了CFRP的表面形貌,使用小波变换算法计算了其多重分形谱.结果表明,CFRP 3D表面的形貌与其多重分形谱密切相关,Lipschitz指数的范围可以表征表面的粗糙度,多重分形谱的数值可以表征表面的波峰和波谷的分布.同传统表面粗糙度分形维数表征方法相比,多重分形谱能表征加工表面形貌的局部特征.     

基于 CVaR 与平均离差波动性限制的多阶段投资组合模型

提出了一种基于CVaR的多阶段投资组合模型,用离散型动态规划把各阶段投资过程整合为一个整体,对组合资产收益率做正态分布假设,用拉格朗日乘子法将平均离差MAD模型写入目标函数,实现波动性度量限制.实验结果表明,该模型满足实际投资要求,符合实际投资规律,与原始多阶段CVaR模型相比具有资产组合收益率波动性较小的优势.     

基于摄像机模型的运动车辆车道偏离检测

针对车道偏离检测中较难解决的车载摄像机标定问题,从分析摄像机成像模型入手,根据图像中3条或3条以上车道线的消失点位置以及车道线斜率关系,在道路现场调整摄像机安装位置,以实现对摄像机外部参数的直接设定,从而避开了繁琐的摄像机参数标定过程.同时,推导出图像内车道线斜率比与车道偏离程度的简单函数关系,该函数与摄像机内外参数无关.因此,行车过程中只需测量图像中车道线的斜率,即可计算出车辆当前的车道偏离量.现场试验结果表明,在车辆直行时采用该方法测得的车道偏离率与手工实测结果相比,其相对误差小于5%,具备了较高的检测精度.     

基于ARMA与BP神经网络模型的产品质量安全风险预测

主要通过对产品伤害人数的预测来表征产品质量安全风险。依据产品伤害人数的时间序列数据,建立较为稳定的ARMA模型和BP神经网络模型对产品伤害人数做出了科学的预测;并对两种预测方法进行了实证结果比较与分析,为管控产品质量安全风险提供方法支持。     

基于PCNN的高斯混合模型运动检测改进方法

针对同定摄像机的视频监控系统,提出了一种改进的基于混合高斯模型的运动目标检测方法.改进方法引入PCNN算法,针对模型匹配问题,提出自适应局部阈值算法并结合区域增长思想,利用PCNN的迭代计算,逐步检测出运动目标.实验表明,改进的方法与传统方法相比具有更好的运动目标检测能力,在运动目标和背景的灰度值差别比较小的情况下,能改善其运动目标检测的效果.     

一种混合高斯背景模型下的像素分类运动目标检测方法

运动目标检测在智能视频监控、人机交互、目标导航等诸多领域有着广泛应用.背景减法是运动目标检测中应用较广泛的一种方法.在该方法中,背景建模和阈值化分割是最重要的步骤,直接决定了检测效果的好坏.当目标本身变化比较大时,若利用传统的基于全局阈值的分割法,分割效果并不理想.针对基于全局阈值分割差分图像存在的问题,本文提出了一种基于混合高斯背景模型的像素分类运动目标检测方法.该方法首先利用混合高斯模型对背景建模,克服了场景变化等因素带来的影响;其次,利用背景减法得到差分图像并对像素进行分类,最后对分类后的像素集分别进行阈值化分割,得到前景目标.实验结果表明,与传统的基于全局阈值的分割法相比,本文算法能够获得更好的检测效果和鲁棒性.     

上海股票市场非线性和状态持续性的R/S分析

对近年来上证综合指数的收盘价进行R/S分析,揭示了上海股票市场波动的非线性、状态持续性和非周期性循环,并分段重新估计Hurst指数.结果为Hurst指数大于0.5,隐含今天的事件确实影响明天.通过双重对数图发现上证股市存在一个195d的非周期循环,表明Hurst指数在证券投资中有一定的参考价值,对长期的投资决策可以发生影响.