求解Bessel方程的边值问题的相似结构法

对Bessel方程的一般边值问题进行求解,得到了解式的相似结构和相似核函数及求解Bessel方程边值问题的一个新思想和新方法:相似结构构造法.该方法有利于进一步分析解的内在规律、解决相应的应用问题、方便编制相应的分析软件.     

正则化学习算法的误差分析

给出了一类正则化样本学习算法的误差分析. 借助于大数定律给出了样本误差, 用一种K-泛函给出了逼近误差的估计.

Abstract：

This paper proposed the error analysis on a kind of regularization learning algorithm, offered the sample error by the large number law, and provided the estimation for approximation error with a K-functional.     

样本依赖型最小平方回归学习算法的收敛速度

目的研究基于样本依赖型的范数正则化学习算法的收敛性分析。方法概率论与数理统计的方法。结果给出了一种用K-泛函表示的收敛速度。结论文中的研究表明,样本依赖型学习算法与通常的核学习算法具有相同的收敛速度。     

Gorenstein内射模

Gorenstein内射模是Gorenstein同调代数中最基本的三大模类之一。文章利用经典同调代数中基础的方法,证明Gorenstein内射模类的性质,得到Gorenstein内射模类是内射预解子范畴的结果。     

基于核拉普拉斯稀疏编码的图像分类

使用稀疏编码解决计算机视觉问题可以取得良好的效果.然而,以往的稀疏编码都是在原始特征空间进行.受核方法可以获得特征的高维非线性映射的启发,扩展了拉普拉斯稀疏编码(LSc),提出了核拉普拉斯稀疏编码(KLSc),它可以降低特征量化误差,增强稀疏编码的性能.在3个标准数据集上的实验结果表明,所提出的基于KLSc的图像分类算法具有良好的分类效果,分类正确率优于LSc.     

基于一种自适应核学习的KECA子空间故障特征提取

核属性约简方法对于去除冗余信息,调整数据非线性结构具有独特的优势.针对航空电子设备故障诊断中有效特征提取困难,核属性约简方法中核函数与核参数选择繁琐等问题,提出了一种基于自适应核函数优化学习的核熵元分析（kernel entropy component analysis,KECA）特征提取方法.首先针对一种自适应核函数基于改进的Fisher核矩阵测量准则建立了一种面向多分类任务的核函数优化框架,然后将优化结果与KECA相结合,通过在KECA特征子空间中选择对输入数据Renyi熵估计有较大贡献的核矩阵特征向量来实现故障特征提取.实验结果表明,本文方法不仅提升了分类精度,而且对噪声具有一定的抑制作用,具有良好的泛化性能.      

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   

pSOS操作系统任务管理的分析

本文对pSOS实时微内核操作系统的任务状态、任务调度方式、优先级别进行了分析,并对有关任务的数据结构及系统调用进行了详细的阐述。     

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.     

基于MM-算法的局部常数核加权分位数回归估计及应用

提出了一种新的基于MM-算法的局部常数核加权计算法,使用该方法得到的分位数回归估计曲线在比较弱的条件下是连续光滑的．讨论了核方法中协调参数的选取问题．最后,数值模拟和实证研究的结果表明,利用所提出的计算方法所得到的非参数曲线估计在重尾误差的情况下具有一定的稳健性．