PSO高斯诱导核模糊c均值聚类算法*

为了避免陷入梯度法局部极值以提升模糊聚类算法聚类性能,提出PSO高斯诱导核模糊c均值聚类算法(PSO Gauss-induced kernel fuzzy c-means clustering algorithm, PSO-GIKFCM)。首先将高斯核函数应用于模糊c聚类算法(FCM)目标函数,得到高斯核模糊聚类目标函数。然后在高斯核特征空间和输入空间利用梯度法得到两空间聚类中心,将特征空间聚类中心与样本的内积核矩阵代入输入空间聚类中心,从而得到高斯诱导核的聚类中心。最后在解空间利用粒子群算法(PSO)对模糊隶属度进行寻优估计,并结合目标函数和聚类中心构成PSO-GIKFCM参数估计迭代流程。PSO-GIKFCM算法基于粒子群算法保证其收敛性,聚类中心仅为模糊隶属度的函数,PSO生物进化算法在解空间全局寻找优解,且将模糊指标扩展为大于0的情况。通过仿真实验验证了所提出算法的有效性。     

VMD与Cohen核结合的时频分布交叉项抑制方法

在非平稳信号时频分析中,使用Cohen核所得时频分布的交叉项抑制与时、频分辨率难以兼顾。针对此,提出一种将变分模态分解（VMD）与Cohen核相结合的时频分析方法。首先对信号进行VMD分解,得到一组具有不同频率成分,相互独立的固有模态函数（IMF）分量,然后对每个IMF分量进行Cohen核时-频变换,再线性叠加重构出原始信号的时频分布。通过仿真分析,结果表明：该方法可以在保持时频分布中较高时、频分辨率的基础上,有效消除交叉项的干扰。     

服役结构超前载荷实时预测方法的研究

为保证关键结构疲劳寿命的实时监测,以动态随机载荷为监测条件,准确预测超前载荷谱对实际工程分析十分重要.针对服役设备难以实时监测并准确反应载荷真实规律等问题,提出一种基于数值分析的概率密度预测方法,结合机器学习BP神经网络智能算法建立预测模型.应变传感器采集随机载荷进行预处理得到随机载荷谱,利用蒙特卡洛法分析模型载荷波形走势及波动范围的预测精度.结果表明:超前预测载荷谱的核密度拟合曲线与真实数值相似性较大,为大型复杂服役结构件的超前载荷监测提供了理论支持与实际工程应用.     

一类具有非齐次核的Hilbert型积分不等式成立的充要条件及其应用

利用实分析方法和技巧,讨论一类具有非齐次核K(x,y)=G(x~(λ1) y~(λ2))的Hilbert型积分不等式成立的充要条件及最佳常数因子,并研究其在算子理论中的应用.     

具有齐次核的奇异积分算子的范数及其应用

设K(x,y)满足K(x,y)=K(y,x)和K(tx,ty)=t^λK(x,y).定义奇异积分算子T，T(f)(y)=∫^+∞₀K(x,y)f(x)dx,y∈(0,+∞)，推导出获得算子T的范数的充分条件.利用这个结果,证明了一些新的积分不等式.     

文昌鱼内胚层发育相关核心调控基因的表达

研究了脊椎动物内胚层发育的核心调控基因Sox2,Pdx1和Cdx1在文昌鱼胚胎发育过程中的表达形式.结果显示:与脊椎动物相比,Sox2基因在文昌鱼前肠内胚层的表达区域具有较大的阴性范围,这一阴性区域与文昌鱼的鳃弓原基相对应,说明原索动物的内胚层衍生鳃弓与脊椎动物的神经脊鳃弓在演化上并不具备器官层次的同源性;文昌鱼Pdx1基因阳性的前-中肠消化内胚层的表达状态与脊椎动物高度同源,对应于盲囊的内胚层发育原基,说明文昌鱼盲囊与脊椎动物的胰腺具有演化同源关系;Cdx1基因的表达状态也与脊椎动物高度同源,说明脊椎动物的复杂肠道系统是从较为简单的后肠器官演化而来的.     

一个半离散且非齐次核的Hilbert型不等式

通过引入参数和应用权函数的方法,建立了一个具有最佳常数因子的、半离散的且非齐次核的Hilbert型不等式及其等价形式,并考虑了特殊结果。     

Forecasting Performance of Nonlinear Models for Intraday Stock Returns

We studied the predictability of intraday stock market returns using both linear and nonlinear time series models. For the S&P 500 index we compared simple autoregressive and random walk linear models with a range of nonlinear models, including smooth transition, Markov switching, artificial neural network, nonparametric kernel regression and support vector machine models for horizons of 5, 10, 20, 30 and 60 minutes. The empirical results indicate that nonlinear models outperformed linear models on the basis of both statistical and economic criteria. Specifically, although return serial correlation receded by around 10 minutes, return predictability still persisted for up to 60 minutes according to nonlinear models, even though profitability decreases as time elapses. More flexible nonlinear models such as support vector machines and artificial neural network did not clearly outperform other nonlinear models. Copyright © 2011 John Wiley & Sons, Ltd.     

一种应用于文本相关说话人确认的L-向量表示和改进的余弦距离核函数

提出了一种用于文本相关说说话人确认技术的i-向量提取方法和L-向量表示.一段用于注册或识别的语音可以用i-向量和L-向量联合表示.同时提出了一种改进的用于支持向量机(SVM)后端分类的核函数,改进的核函数可以同时区分说话人身份的差异和文本内容的差异.在RSR 2015语料集合1和集合2上验证系统的性能,实验结果显示改进的算法相对于传统的i-向量系统的基线能提高至多30%的识别率.     

粗糙核极大算子交换子的加权有界性

对粗糙核分数次极大算子与BMO函数生成的m阶(m∈Z+)交换子MmΩ,α,bMmΩ,α,bf(x)=supr>01rn-α∫|x-y|1,b∈BMO(Rn),且m∈Z+,如果p,q,s,ω满足下述条件之一,那么存在与f无关的常数C,使得‖MmΩ,α,bf‖q,ωq≤C‖f‖p,wp(i)s>q,ω-s’∈A(q’s’,p’s’);(ii)αn+1s<1p<1s’,存在1相似文献