可靠性增长数据突变点的辨识方法

对可靠性增长数据的突变点,本文提出了一种客观而精确的辨识方法。该法是基于Ｃｒａｍｅｒ－ＶｏｎＭｉｓｅｓ拟合优度检验统计量上的最优化技术。     

线性光放大器交叉相位调制波长转换仿真研究

运用Simulink可视化仿真系统,建立基于线性光放大器(LOA)的交叉相位调制波长转换模型。模型考虑了纵向载流子密度变化引起的有源区折射率的改变、相位调制、端面反射、放大的自发辐射噪声和横向的垂直光场(VCL)的增益钳制作用。仿真了LOA的增益钳制特性,模拟计算了信号光功率和速率对转换后信号的消光比、啁啾和眼图张开度的影响。仿真结果表明,LOA具有增益钳制作用,对输入信号的扰动具有不敏感性。提出了合理控制输入信号光和探测光的功率,调整干涉仪两臂LOA偏置电流的强度,可在较高的信号速率下,获得良好的转换信号。     

时序立体数据多元线性回归建模方法

在信息技术快速发展的今天,数据形式的多样性使得对问题和现象的研究不再局限于单纯利用截面数据或时间序列数据进行分析,而是从多角度、多维度等方面对这些自然问题、经济问题和社会问题进行深入的分析和探讨。本文所研究的是一种由截面数据和时间序列数据共同组成的具有立体结构的三维数组,即时序立体数据,并以定义的点积和常数型均值为基础,试图从理论上推导出时序立体数据的回归模型。同时,以我国现代服务业的实际数据进行相应的实证分析。     

基于SMC的分布式隐私保护数据发布研究

针对垂直分布式存储结构的隐私保护数据发布问题,基于元组等价群的概念给出全局k-匿名化的定义和充要条件,采用集合多项式表示方法求解出全局元组ID等价群;并基于多方安全计算的同态加密协议构建了具有隐私性、准确性和公平性的分布式隐私保护k-匿名模型,从而实现了各微数据提供方不泄露本地隐私信息的前提下由半可信第三发布方发布出可供统计分析和数据挖掘等需求的真实有效数据集。实验结果表明,该模型具有很好的安全性、准确性和适用性。     

基于χ2拟合优度检验的席位公平分配模型

针对社会生活中的资源合理分配问题,利用数理统计中的χ²拟合优度检验法,建立了席位公平合理分配的数学模型,讨论了公平分配标准的若干条性质,证明了分配方法满足多条理想化公理,并给出了不违反公平分摊性公理的充分条件. 仿真实验与多种分配方法进行了比较,结果显示了该方法的合理性和可操作性. 提出的标准量可用于多种资源的合理分配问题.     

基于随机网格的位置隐私保护方法

针对当前已有的基于位置服务隐私保护技术在用户较少的情况下很难保障用户隐私保护级别的情况,借鉴网格计算和密码学理论,提出了一种改进的位置隐匿方法。该方法利用随机变化的网格区域,在移动节点之间进行简单位置计算并实时进行用户位置更新,通过移动终端和匿名服务器之间的协同计算完成位置隐匿。最后,通过理论分析阐述了该方法所具有轨迹不可追踪性和身份不可关联性等特点。同时,仿真实验进一步表明该方法的计算复杂度和通信复杂度满足位置服务中的即时通信的要求。     

基于敏感等级的云租户数据安全保护模型研究

为云计算提供有效的租户数据安全保护,提出一个第三方租户数据安全保护模型,解决租户数据的存储和检索安 全问题. 模型采用隐藏数据间关系的方法,对租户数据进行切片,利用单向函数混淆切片关系;结合租户对数 据的隐私需求和安全等级定义,给出租户数据的分级方法;依据安全等级对分割后的子表内容进行局部加密或匿名,实 现云端数据存储安全;结合私有信息检索技术,利用云端加密数据的关键字检索算法,隐藏租户搜索请求,保护云端数据 的检索安全. 实验表明,该模型能满足租户数据在未知云环境中的存储和检索安全要求.     

基于线性海浪理论的海浪数值模拟

概述了海浪理论发展的历史和现状，对几种海浪研究方法进行了简要说明。详细论述了基于线性海浪理论进行海浪数值模拟的线性叠加法和线性过滤法，给出了具体的数值算法，讨论了工程应用数值模拟与视觉效果模拟之间的区别及各自的处理方法。并分析了工程应用领域内进行海浪数值模拟所采用的其他一些理论和方法，指出了现有海浪数值模拟方法存在的局限性。最后，对海浪数值模拟研究的发展趋势进行了展望。     

基于最小化信息损失的用户隐私保护方法

在新兴电子商务发展过程中,对用户数据的收集、使用、开放与共享达到了前所未有的程度,给个人隐私安全带来了极大挑战.为了解决数据效用与个人隐私之间的矛盾,本文提出基于k-匿名原则的最小化信息损失隐私保护方法.首先结合属性阈值特征提出一种新的记录排序算法;接着将隐私保护过程转化为对各条记录与各个候选匿名函数之间的最优分配问题,构建最小化信息损失的优化模型,并设计启发式方法快速求解最优匿名函数的选择与分配方案,实现对数据的匿名处理.在三个不同规模的真实数据集上,通过与目前最有效的多个隐私保护方法进行数值实验比较.结果表明本文方法在满足相同隐私保护水平下可产生最佳的数据效用且具有较快的计算效率.本文方法为新兴电子商务中用户数据隐私保护研究提供了理论和技术上的创新,为大规模数据的隐私保护应用提供了有效的解决方案.     

描述知识不确定性的一种数值方法

本文模仿人类认识客观规律的假设法原理,提出一种描述知识(规则)不确定性的数值方法,推导了该方法的若干性质和结论。     

基于SMC的隐私保护聚类模型

隐私保护数据挖掘指在实现准确挖掘知识的同时确保敏感数据不泄露。针对垂直分布式数据存储结构的聚类隐私保护问题,提出基于全同态加密协议和数据扰乱方法的隐私保护聚类模型。该模型通过采用安全比较协议解决了垂直分布式聚类的两个隐私保护关键步骤：求解最近簇和判断质心变化,从而实现了数据的有效保护。理论证明了该模型的安全性并分析了其时间复杂度和通信耗量,实验结果表明该隐私保护聚类模型是安全有效的。     

基于线性回归分析的快速搜索聚类中心算法

针对一种可快速搜索和寻找到聚类密度峰值点聚类算法的缺陷,利用线性回归与残差分析的方法进行改进,可自动、快速地确定聚类中心且优化样本点密度值。算法利用样本点的近邻信息重新度量点的密度值,提高聚类中心点位置稳定性;利用一元线性回归与残差分析,快速、自动地选出聚类中心点,去除了人为选择的主观性。通过理论分析以及在人工数据集和真实数据集的对比实验表明,提出的基于线性回归分析的快速搜索聚类中心算法能够克服原有算法的缺陷,并且在聚类效果和计算时间上优于原有算法、基于密度的带有噪声的空间聚类算法(density based spatial clustering of applications with noise, DBSCAN)以及K-means算法。     

基于线性变换的阵列幅相误差自校正算法

针对天线阵列的幅相误差严重影响阵列测向算法估计性能的问题,提出了一种基于线性变换的阵列幅相误差自校正算法。该方法通过利用幅度相位特性一致的辅助阵元,进行矩阵的正交线性变换,并结合最小二乘法算法,有效地估计阵列的幅相误差系数和入射信号的波达方向。其不需要谱峰搜索,无特征分解运算,计算量小,复杂度低,可实现对阵列幅相误差的快速校正。计算机仿真实验结果验证了该算法估计性能的有效性。     

Combined model based on optimized multi-variable grey model and multiple linear regression

The construction method of background value is improved in the original multi-variable grey model (MGM(1,m)) from its source of construction errors.The MGM(1,m) with optimized background value is used to eliminate the random fluctuations or errors of the observational data of all variables,and the combined prediction model together with the multiple linear regression is established in order to improve the simulation and prediction accuracy of the combined model.Finally,a combined model of the MGM(1,2) with optimized background value and the binary linear regression is constructed by an example.The results show that the model has good effects for simulation and prediction.     

Linear regression of interval-valued data based on complete information in hypercubes

Recent years have witnessed an increasing interest in interval-valued data analysis.As one of the core topics,linear regression attracts particular attention.It attempts to model the relationship between one or more explanatory variables and a response variable by fitting a linear equation to the interval-valued observations.Despite of the well-known methods such as CM,CRM and CCRM proposed in the literature,further study is still needed to build a regression model that can capture the complete information in interval-valued observations.To this end,in this paper,we propose the novel Complete Information Method(CIM) for linear regression modeling.By dividing hypercubes into informative grid data,CIM defines the inner product of interval-valued variables,and transforms the regression modeling into the computation of some inner products.Experiments on both the synthetic and real-world data sets demonstrate the merits of CIM in modeling interval-valued data,and avoiding the mathematical incoherence introduced by CM and CRM.     

基于结构元理论的模糊多元线性回归模型

针对系数为模糊数的多元线性回归模型, 运用基于模糊结构元理论的最小二乘法, 研究模型的解析表达式. 首先运用模糊结构元方法定义了模糊数距离公式, 该公式与文[1]给出的距离公式在一定条件下等价, 但避 免了后者因区间运算而带来的不便. 对模糊参数用结构元理论表示, 得到了模型的解析表达式. 再根据 定义的距离公式采用最小二乘法得到了估计模糊参数的方法. 根据该方法得到系数为LR-型模糊数的回归模型. 最后给出一个应用算例, 说明本文方法的简便性.     

基于代数变换求解P*(к)阵线性互补问题的新算法

基于代数变换和不可行内点方法的思想,首次对P*(к)阵线性互补问题提出了一种宽邻域不可行内点算法,并在较弱的条件下,证明了算法的全局Q-线性收敛性和多项式复杂性.该算法可看作关于线性规划不可行内点算法的推广,也是关于单调线性互补问题不可行内点算法的推广.     

基于Box-Cox变换分位数回归与负荷关联因素辨识的中长期概率密度预测

中长期电力负荷预测是电力部门制定电力系统发展规划和稳定运行的重要前提.针对影响中长期电力负荷预测精度的多个因素,本文利用逐步回归方法,从众多影响负荷预测精度的关联因子中,对关键的影响因子进行辨识,并提出基于Box-Cox变换分位数回归和核密度估计相结合的概率密度预测方法,得出不同分位点下未来连续几年的概率密度预测结果,实现了对未来年用电量准确波动区间的预测.以安徽省的历史用电量和社会经济数据为例,进行仿真实验.结果表明:该方法不仅实现了中长期电力负荷概率密度预测,而且利用强关联因素提高了中长期电力负荷概率密度预测的精度,有效解决了考虑多因子的中长期电力负荷概率密度预测问题.     

Remaining useful life prediction based on nonlinear random coefficient regression model with fusing failure time data

Remaining useful life(RUL) prediction is one of the most crucial elements in prognostics and health management(PHM). Aiming at the imperfect prior information, this paper proposes an RUL prediction method based on a nonlinear random coefficient regression(RCR) model with fusing failure time data.Firstly, some interesting natures of parameters estimation based on the nonlinear RCR model are given. Based on these natures,the failure time data can be fused as the prior information reasonably. Speci...     

线性回归模型参数变点的在线监测

在线监测金融时间序列并尽早发现变点,对减小金融风险有重要的意义. 通过引进一个窗宽参数,对线性回归模型系数变点提出了一种改进的在线监测方法,并将此方法进一步 用于模型方差变点的监测.在无变点的原假设下给出了监测统计量的渐近分布及经验临界值 表,在备择假设下证明了该方法的一致性.模拟结果表明新方法比已有的方法势高且平均运行 长度短,最后通过两组股票价格变点监测的实例, 进一步说明了该方法的有效性.