中国大额实时支付系统参与者的流动性管理

文章度量了中国主要商业银行在RTGS系统中流动性管理水平,通过与发达国家商业银行的流动性管理状况比较,发现我国商业银行在流动性管理方面存在很大差距,并深入分析了造成这种状况的主要原因.文章进一步讨论了提高流动性管理水平的方法,建立了单个商业银行流动性管理的理论模型,最后给出了流动性管理的最优水平.     

改进TLBO的相关反馈图像检索方法

针对当前基于进化算法的相关反馈图像检索方法无法很好地结合用户偏好信息和设置参数过多的问题,提出一种基于改进教与学优化的相关反馈图像检索方法。根据图像检索问题的特定环境,对教与学优化算法进行了一系列改进:首先,结合最近邻分类法构造适应度函数的约束条件,使之更好地反映用户偏好信息;其次,通过在教阶段将相关图像集的中心图像作为教师以及在学阶段将相关图像作为学员学习的对象,使算法快速收敛到相关图像区域;最后,结合约束处理技术Deb准则进行学员的选择操作。将该算法与目前效果优异的3种基于进化算法的相关反馈技术在两套标准图像测试集上进行对比。结果表明,所提算法相较于另外3种算法具有明显的优势,能更好地结合用户偏好信息提高图像检索性能。     

雷达下视环扫成像分辨率研究

雷达下视环扫成像作为一种特殊的成像方式,可在较大地域范围对感兴趣的目标快速成像,继而对飞行器定位并精确制导.对下视环扫DBS和环扫SAR两种成像模式进行了分辨率研究,纠正了一些文献在DBS分辨率计算时存在的混淆;对两种环扫模式的理论方位分辨率进行了比较;建立了飞行器末段环扫成像参数的优化模型,给出优化方法.分析了不同环扫模式的适用性,并指出相比全程环扫SAR模式,高程环扫SAR+低程环扫DBS的成像模式可为定位增加信息量,但改善量不大.     

一类动态多尺度系统的模型和估计算法

多传感器信息融合是信息学科的重要研究方向,本文的目的就是对分布在多个尺度上的传感器信息进行融合。本文针对一类动态多尺度系统,在国内外相关研究的基础上,提出一种新的动态多尺度系统建模方法。该模型满足标准卡尔曼滤波条件,给出了基于Haar小波的实现方法,基于此可以获得各个尺度上目标状态线性最小方差意义下的最优估计值。仿真结果令人满意,最细尺度上用本文方法进行估计优于直接进行卡尔曼滤波的效果。     

一种基于小波网络模型参考自适应控制系统的设计与应用

根据神经网络内模控制的思想,提出了一种基于小波网络的模型参考自适应控制方法。该方法选用两个小波神经网络,分别作为系统模型的辨识器和控制器。此外,为了减小系统误差,在控制器和辨识器之间加入一个小波神经网络,作为非线性自适应滤波器。仿真结果和应用实例表明了该方法的有效性和合理性。     

基于知识和独立成分的人脸检测

为了提高人脸检测速度及鲁棒性,提出了一种基于知识和独立成分分析(ICA)相结合的人脸检测算法。通过对人脸简化模型的分析,扩充了原有的粗检测规则;为了进一步加快检测速度,采用了先利用知识后利用独立成分分析的两级检测步骤,且在粗检测中采用了几何广义投影法,取得了良好的效果,同时利用最大类间方差法实现了阈值的自适应选择。实验结果表明了该算法的有效性和正确性。     

庄家控股模型的解法及解的性质

在对庄家控股模型进一步细化的前提下，讨论了模型的求解限制条件，并在给定参数下，利用制约函数法得到了模型的数值解．通过对其数值解的对比分析，进一步了解了非有效证券市场条件下庄家的控股规律，并证实了模型是对现实市场中庄家控股行为的较为合理的描述．最终指出，模型中的参数研究将是把模型用于现实分析中的关键．     

基于模糊神经网络的商业银行信用风险评估模型研究

在确立了商业银行信用风险评价指标体系的基础上,建立了基于模糊神经网络的商业银行信用风险评估模型.该网络具有四个因子输入,一个衡量商业银行信用风险的输出,总共六层的结构,且模糊规则层具有根据具体问题情况进行调节的能力,优于神经网络完全黑箱操作的特点.利用Matlab6.1对167组样本数据进行实证分析,训练结果表明网络预测误差小.     

基于特征人脸和肤色统计的人脸检测

提出一种在视频中检测人脸的新方法,该方法首先用特征人脸检测第一帧画面中人脸的位置和大小,将它作为卡尔曼(Kalman)滤波的初始值和肤色分布统计的训练样本,然后利用卡尔曼滤波预测人脸,最后用肤色分布模型确定人脸,就可以检测到人脸。这种方法的优点是可以在复杂背景下快速准确地检测到人脸位置和大小。实验结果表明使用该方法可以实时准确地检测到视频中的人脸。     

一种灵活的相控阵雷达采样周期自适应算法

相控阵雷达的波束资源具有很大的灵活性。设计了雷达资源调度仿真模块 ,分析了对雷达波形、波束指向、采样周期等参数实施控制的意义和原则。重点研究了一种基于参数的采样周期自适应策略 ,并提出了改进算法。仿真研究表明 ,参数λ使得采样周期自适应策略更加灵活、有效。