无标度网络拓扑结构非均匀性研究

利用网络结构熵定量分析了无标度网络拓扑结构的非均匀性.通过引入度秩函数,解析地给出了无标度网络的网络结构熵.研究发现当标度指数大于2时,无标度网络的网络结构熵仅与标度指数有关,与网络规模及最小度无关.在给定网络规模及最小度条件下,无标度网络的网络结构熵在标度指数等于1.7附近取最小值,即此时网络最不均匀,当标度指数大于1.7时,无标度网络的网络结构熵随标度指数单调递增.     

基于Bagging-SVM动态集成的多极化HRRP识别

针对多极化高分辨率一维距离像（high range resolution profile, HRRP）在目标识别过程中存在计算量和数据量大、识别算法复杂的问题,提出一种基于Bagging-SVM动态集成的目标识别方法。该方法首先提取多极化HRRP平移不变特征向量,然后运用Bagging方法结合基于动态互信息的特征选择方法生成基分类器,最后引入基分类器差异度进行选择性集成。实验验证该方法在缩减数据规模和计算量的同时,能有效利用多极化特征信息,得到较高的分类正确率,并且松弛了HRRP目标的姿态敏感性。     

短期电力负荷的小波——混沌时序预测

提出了一种基于2层小波分解的混沌时序相空间重构预测模型.该模型利用小波分解原始负荷时间序列为周期项、趋势项和随机项,采用不同的混沌相空间重构高低频信号,再分别用相应的小波神经网络工具箱拟合混沌吸引子,将其输出进行信号重构得到最终预测结果.该方法兼有频率特征提取和相空间重构的优点,使短期电力负荷时序列的动力学系统得到更加细致的恢复.通过对欧洲电力负荷竞赛数据的实验证明了所提方法的有效性,仿真结果表明方法预测精度优于常规混沌时序预测方法.针对神经网络预测不稳定的问题给出了一种种解决措施,并提出了一种小波神经网络工具箱,该方法比编程实现的小波网络可以大幅度提高训练速度,尤其适合于大批量数据的训练,对小波神经网络的推广应用和混沌时序预测具有重要意义.     

盘式电流变传动机构的动态模型研究

电流变流体是一种智能软物质，圆盘式电流变传动机构是电流变技术的主要应用领域，利用时间序列模型，对电流变传动机构的动态模型进行理论和实验研究，提出用时间序列模型和功率谱密度，来确定实际系统的动态参数，测试和控制过程采用NI虚拟仪器构建的系统自动进行，这是一个通用的动力学实验平台。     

正交约束PARAFAC的DS-CDMA盲接收机

根据平行因子(PABAFAC)模型,研究多用户DS-CDMA系统的盲检测算法.利用DS-CDMA系统中扩频码正交或近似正交的性质,提出了一种基于正交约束PARAFAC(OC-PARAFAC)的DS-CDMA盲接收机,给出了正交约束情况下三线性分解的克拉美-罗界的解析表达式.实验表明正交约束三线性最小二乘(OCTALS)算法在处理DS-CDMA信号时比传统的TALS算法具有更低的克拉美-罗界.与传统的PARAFAC接收机相比,OC-PARAFAC接收机改善了误码率性能,具有更快的收敛速度.     

共轭对称和共轭反对称新序列的构造与应用

本文通过对共轭对称序列和共轭反对称序列的分析,指出了一种构造新序列的方法,新序列保持了原序列的性质,用途却比原序列要广。文章着重讨论了新序列在DFT(Discrete Fourier Transform)方面的应用,通过计算一个复序列的N点DFT,便可获得四个实序列的N点DFT。     

台湾工业技术研究院的成功经验

从时间序列来看，台湾工研院的成长历程可以分为五个阶段：     

运动目标识别与跟踪系统实现方案探讨

本论文主要研究视频序列图像中运动目标识别与跟踪的基本原理及实现方案。运动目标识别与跟踪系统是主要是通过对成像设备所获取的图像序列进行处理,力图从复杂的背景中识别出目标,并对目标的运动规律加以预测,实现对目标的连续、准确的跟踪。系统的算法涉及目标图像的预处理、目标识别与目标跟踪等。     

随机狄里克莱级数收敛性

在（Ｘｎ）独立，且满足Ｅ／Ｘｎ－ＥＸｎ／＾４≤∞条件下：（ｃ为一正数Ｖ为方差）用对称化方法和了随机狄里克莱级数∑ＸｎＥ＾λｎ＾ｓ在Ｌ２中收敛与ａ．ｓ．收敛等价性，并将∑Ｘｎｅ＾－λｎ＾ｓａ．ｓ．收敛性转化为级数∑Ｖ（Ｘｎ）ｅ＾－λｎ＾ｓ与∑ＥＸｎｅ＾－λｎ＾ｓ收敛性予以解决得到了新形式的瓦里隆公式，克诺普－柯基马公式及附带的有趣结果。     

Lorenz系统混沌解序列可预报性的统计检验

利用Lorenz简化热对流模式产生了吸引子区域内的混沌解序列，对截取的序列进行了乎稳性和正态性检验．按照3种情形分别选取样本，并应用统计预报中的ARMA模型、多元线性回归模型、多项式回归模型和均值生成函数模型等作出项报。比较分析表明：所选取方程组产生的混池解序列，呈现非周期、非乎稳、非正态特性等极不规则的分布，导致几种统计模型对于两个不稳定平衡状态间的不确定的突变情形基本失去了预报能力，系统行为几乎无法预测，其根本原因在于系统的混沌特性。但在某一不稳定平衡状态内，序列段呈现振幅不断放大的准周期振荡，具有一定的规律性，几种统计模型预报的效果较好，说明在应用统计方法进行预报的前提下，系统行为存在着局部时段的有限的可预报性。