基于改进K最近邻算法的中文文本分类

针对文本分类存在的高维文本问题,提出文档频率(DF)-卡方统计量特征提取方式,对特征项进行有效约减,降低文本维度,提高分类精度.在K最近邻(KNN)算法的基础上,针对待分类文本需要和大量训练集样本进行相似度计算的问题,提出一种基于分组中心向量的KNN算法,对类别内的样本集分组求出各组中心向量,使其重新代表训练库计算相似度,降低计算复杂度,提升算法的分类性能.通过实验表明:相较传统KNN算法,改进的算法在准确率、召回率及F值方面都有提升,与其他分类算法相比,具有一定的优势.     

基于最优划分的多传感器多目标跟踪NNJPDA算法

传统的最邻近联合概率数据关联算法(NNJPDA)不能直接用于多传感器对多目标的跟踪。针对这一问题,提出了一种适用于多传感器多目标跟踪的最邻近联合概率数据关联算法,它以极大似然估计完成对来自多传感器的测量集合进行同源最优划分,然后采用NNJPDA方法对多目标进行跟踪。经过理论分析和仿真试验,证明了该方法能有效地进行多传感器多目标的跟踪,且具有算法简单、跟踪精度高、附加计算量小等优点。     

电力生产预测计划软件设计

根据电力系统生产的特点，本文给出了电力系统生产指标的定量预测和计划编制算法，介绍了软件系统设计的思路和特点。     

张量空间中可合元素图的基本结构

应用诱导生成子图的方法,研究了可合张量的图论性质。通过讨论一个顶点和它的两个相邻顶点的诱导生成子图的结构,指出三角形和平形四边形结构是可合张量的图的基本结构,得到了由图论语言表达的可合张量的充分必要条件。     

非平稳时间序列的组合预测建模条件及应用

本文考虑当被预测的时间序列变量为非平稳过程时,由单项预测构成组合预测的条件。研究发现组合预测中的任何一个单项预测,与被预测变量具有协整关系是构成组合预测的重要条件。最后,讨论汇率预测的组合建模问题。     

三化螟发生趋势的灰色预测

本文应用灰色系统理论的GM(1,1)建模方法,对丰城县26年的虫情历史资料,应用电子计算机组建了该地区三化螟发生趋势的预测模型: 模型Ⅰ x(t+1)=71.2131e~(0.1136t)-68.2131 模型Ⅱ x(t+1)=58.2206e~(0.1254t)-55.2206 经检验,两模型合格,并用此模型对1985—2000年丰城地区三化螟危害比较严重的年份进行预测,其结果将有助于该地区的螟害防治。     

中国股市波动性过程中的长期记忆性实证研究

应用一类描述金融市场波动性过程的长期记忆特征的分整自回归条件异方差模型(FIGARCH模型)，研究了中国股票市场波动性过程的长期记忆性，实证结果表明中国股市波动性过程具有明显的长期记忆特征；文章还分析了FIGARCH模型与传统的条件方差模型相比，在模型描述和预测上所体现出的优越性。     

How accurate are the U.S. Bureau of the Census projections of total live births

"The accuracy of total live birth forecasts issued by the U.S. Bureau of the Census was analysed. Forecast accuracy has not improved significantly since 1950. Further, the forecasts are not more accurate than several naive alternatives. Moving from a period methodology to a cohort methodology improved forecast accuracy for certain forecasts. [It is demonstrated that] the Bureau of the Census systematically underestimated total births in the upswing and overestimated in the downswing."     

非参数小波算法的交通流预测方法

及时准确地进行交通流短时预测是智能交通系统,尤其是其先进的交通管理系统与先进的出行者信息系统研究的关键内容之一.随着预测时间跨度的缩短,交通流量的变化显示出越来越强的不确定性,使得一般方法的预测精度大大降低.本文应用非参数回归理论并结合小波分析算法,将交通流数据按不同频道分解,然后重构信号时舍去噪音频道,得到光滑的交通信号曲线,进而利用非参数方法中的最近邻规则对未来交通流进行预测.经过实测数据验证,算法能对交通参数做出很好的预测.     

改进的神经网络最近邻聚类学习算法及其应用

提出了一种改进的RBF(Radial Basis Functions，径向基函数)神经网络最近邻聚类学习算法。并将其应用于股市预测问题。模拟结果表明，改进算法的拟合效果与拟合误差均明显好于常规最近邻聚类学习算法，可以较大幅度提高RBF神经网络的预测性能。