融合机器学习算法的期权定价

设计了融合参数模型和非参数机器学习模型进行训练的算法,利用非参数模型拟合参数模型,将其作为先验分布,然后采用贝叶斯学习方法进行优化,并在训练中实现分布的动态调整。该方法在训练过程中有助于避免模型参数过度波动,提升模型泛化能力。针对期权定价,在BS、Heston等参数模型及神经网络等机器学习模型基础上,构建了相应的融合模型BS＿BR和HS＿BR,并利用市场数据进行了实证分析。研究表明,融合模型可以较好地发挥两类模型的优势,无论是在样本内拟合效率,还是样本外预测能力方面都具有更好的表现。     

K-means聚类优化井底压力修正模型研究

在钻井过程中,由于井底压力计算模型误差大,而井下实测井底压力时数据容易失真、甚至无数据,因而不能准确测定井底压力,对钻井作业带来极大的安全风险.针对此类问题,提出了一种用K-means聚类方法优化朴素贝叶斯模型,结合井底压力监测原理,形成一套实现井底压力智能动态分析K-means聚类优化的朴素贝叶斯模型,利用该模型修正...     

基于JSP的动态树型菜单实现

随着Internet的迅速发展,对基于B/S模式的信息系统的需求越来越大.JSP技术在Web开发中有着强大的优势,而树型菜单具有界面结构性强、层次性好、使用方便等特点,这使得JSP系统大大增色.本文详细介绍了一种采用JSP技术和JavaScript技术实现动态树型菜单的方法.     

基于分布式网络资源的分配求解模型

针对计算机网络资源分布式优化问题建立了多维弹性网络的物理模型和数学模型,将优化分配计算机网络资源问题转变为计算多维弹性网络空间的形变过程.该模型和方法能够刻画多维弹性网络空间中的基类节点之间的复杂的社会交互行为,并能描述基类节点随着局势的变化各自采取的动态策略和自治行为.     

基于遗传算法构建大学数学课程贝叶斯网

基于某高校统计学院自1984~2005年间学生所学10门课 程的成绩, 利用K2算法并结合自适应遗传算法构建了课程贝叶斯网. 用学生成绩样本的信息将有向无环图与概率理论有机地结合, 直观地揭示了各门课程之间的依赖关系, 通过条件概率表体现了依赖关系的强弱程度, 不仅对学院不同学期课程的设置有一定的参考价值, 而且对学生进一步学习而选择适合自己的研究方向提供权衡依据.     

红外空空导弹抗干扰性能评估方法研究

为解决红外空空导弹抗干扰性能难于定量评估问题,给出了一种新的评估方法,用于在定型阶段对导弹的抗干扰性能进行鉴定。该方法首先规划了导弹抗干扰试验。为便于对试验结果进行深入研究,将导弹抗干扰试验分解为导引头抗干扰试验和导弹控制系统抗干扰试验。导引头抗干扰试验分为数字仿真、半实物仿真、系留飞行和靶场发射试验,导弹控制系统抗干扰试验分为数字仿真、半实物仿真和靶场发射试验,通过多层贝叶斯估计分别得到了导引头和控制系统抗干扰概率模型,再利用二阶矩等效方法,推导出了由导引头和控制系统串联组成的导弹系统抗干扰评估模型。算例分析表明,该方法与传统统计方法相比,具有结果可靠、精度高的优点,且能给出抗干扰概率的置信区间。     

左截断右删失数据中泊松分布的贝叶斯推断

研究了左截断右删失数据中泊松分布的贝叶斯推断问题.主要给出了参数的极大似然估计和贝叶斯估计,同时给出了相应的置信区间.最后给出了贝叶斯推断的随机模拟检验,通过检验发现:在小样本的情况下,贝叶斯估计精度比极大似然估计的精度高一些,而在大样本的情况下,这2种估计的精度相差不大.在置信区间的构造方面,不论是小样本还是大样本,...     

集成学习在电网假数据入侵检测中的应用

人工智能和机器学习的发展为入侵电网数据采集与监视控制(supervisory control and data ac-quisition,SCADA)系统的虚假数据检测,提供了新的高效解决方案.目前,针对运用机器学习中的单分类器对电网中虚假数据的检测,出现的准确率低、误检率高、模型区分能力差等问题,提出了一种基于集成学...     

中国教育网拓扑结构比较研究

将2007年的中国教育网作为复杂网络对象进行研究.通过编写网络机器人,追踪了在.edu.cn域名下的高校网页,共获取了2 354 934个网页和26 816 209条链接.分析了该复杂网络的拓扑结构,探讨了度分布、平均最短路径等特性,并将结果与2004年对中国教育网的研究进行了比较,以此观察该复杂网络的发展变化.     

森林资源动态预测的理论与方法

在用一维Kalman滤波研究森林资源动态基础上,介绍了二维Kalman滤波的原理与方法,并以浙江省丽水市森林资源连续清查样地的地理坐标建立二维坐标系,以样地森林面积和森林蓄积为状态向量,应用二维Kalman滤波研究森林资源动态。结果表明：对森林蓄积动态及样地个数较多、面积较大的用材林和防护林的面积动态预测效果良好,而对于样地个数较少、变异系数较大的样地如特用林和未成林造林林地的面积动态预测误差较大,如要作准确预测,则需要加大这些样地的抽样个数。