基于双相移组合全相位法的FIR陷波器设计

提出新的双相移组合全相位设计FIR陷波器算法。根据单窗情况下全相位滤波的3个重要性质,利用两个互为对称的陷波频率向量用全相位方法设计出两个子滤波器,并构造两个互为共轭的相移向量分别对两个子滤波器进行相移,再将两者进行组合即可生成陷波器。通过理论证明:陷波器的设计可通过代入一简单公式来实现,计算复杂度非常低。实验表明:通过改变相移参数值,在任意频率点上陷波器的衰减值可达-330dB。     

判断矩阵的Hadam ard凸组合

给出了具有实际意义的判断矩阵 Hadamard凸组合的定义 ,并证明了判断矩阵 Hadamard凸组合的一个性质 .     

基于GAs/PSO组合算法的水轮机调速系统PID参数寻优

提出了一种基于GA s/PSO组合算法的P ID控制器参数自整定方法,这种方法兼有遗传算法(GA s)和粒子群算法(PSO)的优点。组合算法种群由GA s和PSO的最佳个体迁移形成,其中GA s采用了实数编码和变异概率自适应,PSO算法采用了带指数衰减的惯性因子的速度更新算法,以加快收敛速度。通过对水轮机调速系统P ID控制器参数寻优仿真比较表明,该组合算法寻优性能比单独的GA s和PSO表现更为优异,且所得系统具有更好的动态性能。     

关于Bernoulli多项式与Euler多项式线性组合的积和式

讨论了Bernoulli多项式与Euler多项式线性组合的乘积问题,给出了一组关于Bernoulli 多项式与Euler多项式乘积和的恒等式及一个推论.     

孪生组合恒等式(十六)--混合类型

孪生组合恒等式的混合类型简称孪生混合恒等式,这里每个恒等式中包含2种组合记号n与n,获得3组孪生混合恒等式.     

不完备广义多尺度决策系统的逐步最优尺度选择

现有的最优尺度选择算法有可能无法得到全局最优尺度组合,且具有较高的时间和空间复杂度。针对该问题,提出了不完备广义多尺度决策系统的逐步最优尺度选择算法。介绍了不完备广义多尺度决策系统,给出了上下近似集的性质;采取属性约简与尺度选择同步优化策略,以得到全局最优尺度组合;给出了一个快速的求相容类方法,并提出了不完备广义多尺度决策系统的逐步最优尺度组合选择算法,该算法显著降低了时间复杂度与空间复杂度。数值实验表明所提出的算法是有效的。     

基于凸组合技术的加速FR型共轭梯度算法

为高效求解非线性方程组问题,利用凸组合技术设计一个新型搜索方向,同时结合加速线搜索技术,提出一个新的加速FR型共轭梯度算法.在合理的假设下,新算法拥有全局收敛的良好性质.数值试验结果表明,新算法总体上优于经典FR算法和三项FR算法.新算法继承了修正FR方法的良好数值效果、充分下降性及信赖域特征,并具有计算简单和存储量小...     

系统非线性组合预测方法及在黄河凌汛预测中应用

为了提高预测的精度,尤其是冰凌中长期预测的精度,基于工程模糊集、人工神经网络、遗传算法与组合预测理论,提出了系统非线性组合预测方法,给出了黄河内蒙段冰凌三种单一预测模型的非线性组合预测值．结果表明,所建立的非线性组合预测方法物理意义明确,数学推导过程严谨,预测精度高于任意单一预测模型．     

证券投资组合的解析算法

给出了证券组合模型, 在其使对称矩阵与对角矩阵合同的可逆阵的一般规律基础上, 推导出证券投资组合给合权数的解析表达式, 并给出实例验证.     

Does a lot help a lot? Forecasting stock returns with pooling strategies in a data‐rich environment

A variety of recent studies provide a skeptical view on the predictability of stock returns. Empirical evidence shows that most prediction models suffer from a loss of information, model uncertainty, and structural instability by relying on low‐dimensional information sets. In this study, we evaluate the predictive ability of various lately refined forecasting strategies, which handle these issues by incorporating information from many potential predictor variables simultaneously. We investigate whether forecasting strategies that (i) combine information and (ii) combine individual forecasts are useful to predict US stock returns, that is, the market excess return, size, value, and the momentum premium. Our results show that methods combining information have remarkable in‐sample predictive ability. However, the out‐of‐sample performance suffers from highly volatile forecast errors. Forecast combinations face a better bias–efficiency trade‐off, yielding a consistently superior forecast performance for the market excess return and the size premium even after the 1970s.