污染环境中具有Markov切换的随机互惠三种群生存分析

研究污染环境下受到毒素和双重噪声(白噪声和有色噪声)作用的随机系统,建立污染环境中具有Markov切换的随机互惠三种群模型。利用随机微分方程相关理论和分析方法,考虑系统同时受到白噪声、有色噪声、毒素浓度及种群间相互作用因素对种群生存状态的影响,得到随机互惠三种群系统中各种群趋于灭绝、随机非平均持久、随机弱平均持久和随机强平均持久的充分条件。数值模拟验证了理论结果的正确性。     

基于混合高斯模型的储物柜存取货行为检测方法

针对储物柜存取货物场景的实际情况和人员行为的特点，提出一种通过融合时间调整机制控制前景融入背景的改进型混合高斯建模检测方法，并引入手臂识别机制。融合时间调整机制减小了由于人员停止运动而错误决策为背景的可能性；手臂识别算法模型有效地识别人员伸手动作。实验结果表明，该方法可以简单有效地从连续的图像序列中检测出人员在储物柜场景下的存取货物行为。     

具有Logistic增长项的两种群竞争Keller-Segel模型的稳定性分析

应用线性化方法研究两种群竞争的Keller-Segel模型常数平衡解的个数及其稳定性问题.     

侦察员还是教练员:风险投资家的角色研究综述

有风险投资参与的企业往往表现出更出色的业绩,风险投资家在投资过程中既可能扮演侦察员角色又可能担当教练员角色,学术界对于风险投资家的哪种行为是影响企业业绩的主要来源存在争议;针对风险投资家这两种角色的相关研究成果进行了系统梳理和初步探讨,发现大部分文献对于风险投资家的培育作用持肯定态度。     

雾霾污染的危害与治理支付意愿研究进展

雾霾污染问题是当前研究的热点问题。雾霾污染会导致出行障碍、相关疾病发病率及死亡率上升、动植物生长受阻、旅游业产值下降、社会经济发展受影响和社会稳定度下降等。可见,治理雾霾污染刻不容缓。雾霾治理的费用相当高,公众参与治理雾霾是一种有效的缓解雾霾治理资金紧张的有效途径之一。由此,本文以我国雾霾污染治理的支付意愿为研究对象,利用文献研究和归纳总结方法,系统介绍了雾霾治理支付意愿的相关问题、雾霾治理支付意愿的评估模型以及雾霾治理支付意愿的影响因素,以期为我国雾霾治理费用的分摊提供重要的理论参考。     

基于后验风险确定故障样本量的Bayes方法

针对目前测试性故障样本量的确定方法过于粗糙和试验样本量过大的问题,提出了合理运用信息熵方法对装备系统各单元的测试性先验信息进行信息融合,得到装备系统级测试性试验数据。在此基础上得到测试性指标的先验分布,并进一步通过Bayes后验风险准则确定故障样本量及试验方案。以某型电动舵机系统各模块的试验数据为例,以故障检测率为测试性指标,经过分析和计算,发现运用所提方法得到的故障样本量相比传统方法明显减少,从而减少了试验成本,同时得到的测试性指标相对误差较小,保证了可信度。     

基于联合违约概率的资产组合投资优化方法

投资组合的资产联合违约概率(joint,probability of default,JPoD)是一种有效的系统风险测度工具.基于JPoD分析,提出了一种新的资产组合选择优化方法,即通过计算资产池中每两种资产的JPoD值得到JPoD矩阵,利用遍历算法逐次筛选,得出具有最小系统风险的多资产组合.实证分析首先利用2014 2015年的上证综指和深证成指数据验证了JPoD方法的有效性;其次,分别利用中国股票市场数据和美国股票市场数据将所提出的资产组合选择方法与马科维茨均值-方差组合理论、随机组合方法进行比较,结果表明无论是在中国股票市场还是美国股票市场,JPoD方法都明显优于其他两种方法.     

工程弹性系统与系统弹性理论研究综述

工程弹性系统(engineered resilient system,ERS)是美国国防部(department of defense,DOD)应对越来越不确定的任务和环境而提出的未来国防系统发展战略,对复杂系统的工程实践与系统弹性理论都带来新的挑战。首先,对ERS提出的背景和相关概念进行介绍,重点对美国国防领域对ERS的一些观点进行分析,包括ERS的关键属性、弹性工程与现役系统关系、ERS设计中考虑的因素和ERS与系统工程的关系等,并对美国DOD优先立项的ERS项目研究进展进行了的研究。其次,对弹性相关的学术研究进行了述评,包括不同领域中弹性的概念、系统弹性不同的评价方法以及系统弹性设计方法,以便于对ERS的发展有一个较为全面的了解和借鉴。最后,在ERS发展研究基础上,从理论和应用角度对ERS和系统弹性理论面临的挑战进行了讨论。     

VaR模型在股票风险管理中的应用研究

采用VaR模型对股票进行风险管理.介绍了VaR的3种主要计算方法,分别是参数模拟法、历史模拟法和蒙特卡罗模拟法,选取2016年沪深300指数每日收盘价序列作为分析目标,采用参数模拟法,通过MATLAB软件估计VAR值,计算出在一定的持有期内,在相应的置信度水平下的最大损失.对股票市场的风险管理提出了相关建议,并提出VaR模型未来的发展方向.