基于FDM的多进制多用户DCSK

基于传统的多用户差分混沌移位键控(differential chaos shift keying,DCSK),本文提出一种新型的多进制多用户DCSK 混沌扩频通信方案。该方案在发送端将二进制码元转换为多进制码元,极大提高了二进制码元的传输速率,并利用频分复用实现多用户传输。接收端将所有用户参考信号合并作为新的参考信号,分别与各个用户进行相关解调。仿真结果表明,增加用户数可以有效改善多进制多用户DCSK系统的误码性能,该方案具有一定的实际应用价值。     

Measuring and locating zones of chaos and irregularity

The new measures computed here are the spectral detrended fluctuation anatysls （sDFA） and spectral multi-taper method （sMTM）. sDFA applies the standard detrended fluctuation analysis （DFA） algorithm to power spectra, sMTM exploits the minute increases in the broadband response, typical of chaotic spectra approaching optimal values. The authors chose the Brusselator, Lorenz, and Duffing as the proposed models to measure and locate chaos and severe irregularity. Their series of chaotic parametric responses in short time-series is advantageous. Where cycles have only a limited number of slow oscillations such as for systems biology and medicine. It is difficult to create, locate, or monitor chaos. From 50 linearly increasing starting points applied to the chaos target function （CTF）; the mean percentage increases in Kolmogorov-Sinai entropy （KS-Entropy） for the proposed chosen models; and p-values when the models were compared statistically by Kruskal-Wallis and ANOVA1 test with distributions assumed normal are Duffing （CTF： 31%： p 〈0.03）; Lorenz （CTF： 2%： p 〈0.03）, and I3russelator （CTF： 8%： p 〈0.01）. Principal component analysis （PCA） is applied to assess the significance of the objective functions for tuning the chaotic response. From PCA the conclusion is that CTF is the most beneficial objective function overall delivering the highest increases in mean KS-Entropy.     

协同过滤推荐算法研究: 考虑在线评论情感倾向

协同过滤推荐算法通常是基于兴趣相似的用户行为来实现个性化推荐, 其核心义用户之间的兴趣相似度. 本文在传统的协同过滤推荐算法基础上, 考虑在线评论对用似度识别的影响. 在混合商品推荐中, 粗粒度识别评论情感极性; 而在同类商品推荐中, 细粒别每个商品特征的情感极性. 如果用户对产品的某个特征评价次数大于平均次数, 表明用户对征较关注; 如果对产品的某个特征评价低于平均评价, 表明用户对该特征较挑剔. 进而根据用户评论来建立用户偏好模型, 用户在评论中反映出来的相似度越高, 表明用户之间的偏好越. 实验表明, 同传统的协同过滤算法相比, 基于在线评论情感分析的用户协同过滤算法在率和召回率指标上有显著提升.     

基于BEMD-Copula-GARCH模型的股票投资组合VaR风险度量研究

鉴于股票波动具有显著的多尺度特征,本文引入二元经验模态分解(EMD)与二元CopulaGARCH算法,提出一种新的VaR风险度量模型,即BEMD-Copula-GARCH模型.具体地,新BEMD-Copula-GARCH模型可分为三个主要步骤:数据分析,分风险估计和总风险集成.首先,基于二元EMD模型,将复杂且相互作用的股票对分解为若干组较为简单且相互独立的分量,以降低建模难度.其次,引入二元Copula-GARCH模型,刻画各组分量间的相互关系,以度量股票投资组合在不同尺度上的分VaR值.最后,集成各分VaR值以得出最终VaR风险度量结果.实证研究以恒生指数与上证综指为数据样本构造投资组合,结果表明:本文所构建的新模型能有效度量投资组合风险,其估计精度显著优于DCC-GARCH和Copula-GARCH等现有模型.     

基于子空间方法的自适应半盲多用户检测

提出MC-CDMA系统下一种基于子空间方法的自适应半盲多用户检测算法。该算法通过利用小区内所有用户的扩频码设计了一种基于MOE准则的半盲检测器。针对Chebyshev逼近算法受到来自噪声子空间分量的影响导致性能下降的问题,提出一种子空间约束Chebyshev逼近算法,并使用该算法自适应得到权向量。为了减少计算复杂度,采用修正的PASTd算法自适应跟踪信号子空间。仿真实验验证了该算法的有效性和可行性。     

基于模糊推理的人工鱼嗅觉感知研究

“人工鱼”利用人工生命方法实现计算机动画。为了丰富人工鱼的感知能力，提高对自然鱼的逼真动画效果，文章在分析“自然鱼”嗅觉机制、参考“机器鱼”感知系统的基础上，研究并实现了人工鱼的虚拟嗅觉感知．首先在人工鱼体系结构基础上建立了人工鱼嗅觉感知模型，并仿照生物嗅觉形成机理设计了三层嗅觉识别模型，采用基于主成分分析的模糊推理方法实现了嗅觉感知．经动画仿真，得到满意结果。嗅觉感知的研究和实现为人工鱼多感知融合系统提供了基础，也可为机器鱼嗅觉研究提供软件仿真平台。     

基于云模型的主观信任管理模型研究

在开放网络中,信任管理是信息安全的重要前提与基础。主观信任具有模糊性和不确定性的双重特征。将定性定量转换模型-云模型引入主观信任管理研究中,提出了一种新的主观信任的表示方法,较好地解决了信任表达中的模糊性和不确定性难题,进而提出了一种灵活直观,描述能力较强的形式化定性信任推理机制,为主观信任管理研究进行了有益的探索和尝试。     

基于子空间和LMS的线性共轭半盲多用户检测

针对实际的多载波码分多址上行链路,在基于最小均方实现的最小输出能量盲多用户检测(LMS-MOE)的基础上,提出MC-CDMA系统下一种基于子空间跟踪和LMS的线性共轭半盲多用户检测算法。该算法充分利用小区内所有用户的扩频码和伪自相关矩阵的信息使系统的性能得到了提高,采用修正的紧缩近似投影子空间跟踪信号子空间,从而避免特征值分解使计算复杂度显著降低。仿真实验验证了该算法的有效性和可行性。     

一种基于新的条件信息量的属性约简算法

为了获得决策系统中更好的相对约简,讨论了属性约简与条件信息量的关系,提出了新的条件信息量,由此定义新的属性重要性。统一了一致决策表和不一致决策表属性约简方法,以新的属性重要性为启发信息,给出了计算新的条件信息量的高效算法。理论分析和实验结果表明,与现有的基于条件信息量的约简算法相比,该算法时间复杂度较低,同时约简后的属性数目更少。     

基于局部二元图的视频对象阴影检测方法

针对在视频对象分割时,运动投影常被误分为视频对象,给出一种新的视频阴影检测方法,该算法基于在灰度图像中阴影区域和背景相应位置具有相同纹理这一事实,其中利用自适应高斯混合模型进行背景建模,利用局部二元图(local binary patterns,LBP)来表征纹理。首先,进行基于自适应高斯混合模型的背景提取,获得包含运动投影的前景分割,分割时加入了LBP纹理相似性判断,减少了分割出的目标内的孔洞提高了分割的精确度。然后利用阴影区域和已获取背景相应位置的LBP纹理相似性,可较好的对视频阴影进行检测。通过实验,获得了不错的阴影检测实验结果,可较好地应用于运动目标检测分割及跟踪等领域。