非对称结构振型向量的海森阵算法

由于结构系统的非对称性,导致其振型向量的正交性变得不完整,为此引入左特征向量,从而修复了系统振型向量的正交性;提出了多元向量值函数的海森矩阵的概念;利用振型向量的正交性推导出计算其海森阵算法,从而构成了非对称结构系统的设计参数发生扰动后振型随之发生改变的改变量的二阶泰勒近似式,由于算法灵活紧凑,易于在大型工程结构动力分析中使用。     

弧齿锥齿轮的向量式有限元静态啮合分析

针对目前向量式有限元的类型和应用范围,根据向量式有限元的基本理论推导了八节点六面体实体单元的基本理论计算式,阐述了逆向运动和单元内力的求解过程,将向量式有限元的应用范围拓展到空间和工程应用领域。对于空间实体结构的接触行为,采用主从面算法和内外算法分别进行了全局搜索和局部搜索,以实现碰撞检测,并通过罚函数法来处理接触问题。以一对弧齿锥齿轮为例,建立了向量式有限元模型,利用该模型进行了分析和计算,并将计算结果与传统有限元计算结果进行了对比,结果表明:通过向量式有限元计算得到的接触力、接触应力以及齿面印痕等与传统有限元方法计算的结果吻合程度较高,并且可以在网格单元较少的情况下得到较为精确的结果。     

随机巨灾索赔相依风险模型的动态最优再保险

在索赔风险时变、相依条件下,建立随机巨灾的可调态再保险模型.在指明超额赔款再保险为最优分保形式的基础上,讨论并发现目标函数随自留巨灾风险水平的增大,在任意相依结构下均先减后增的变化定理,从而获得了自留向量的一般性显式表达式.根据巨灾风险的特征,还在一类特定的相依结构下,以自留风险的期望效用和方差为优化目标,对自留向量进行了更为明确的表示并给出具体示例.结果表明,随着巨灾风险相依强度的上升,分保的满意度降低,经营稳定性减弱,对保险公司的负面影响很大.此时,为实现客观风险下的分保目标最优,常规风险的自留水平应随之增大,体现了动态再保险的优越性.     

线性变换关于向量的指数

引入线性变换关于向量的指数概念,并对其进行探讨,得到了若干结论。通过线性变换关于向量的指数,刻画了幂幺线性变换的等价条件。     

基于小波变换和支持向量机的心电信号ST段分类

摘要: 为完成ECG(Electrocardiogram)信号特征点提取, 并对ST 段分类, 提出了一种基于离散小波变换和支持向量机的ST 分类算法。首先对信号进行预处理, 完成噪声消除, QRS 波群检测和提取特征值; 然后计算ST段平均值、曲线面积和标准差, 并结合使用SVM(Support Vector Machine)对ST段进行分类。Matlab 仿真结果表
明, 小波去噪效果明显,ST 段未出现失真现象, 特征点提取完整。经MIT鄄BIT 数据库验证, 分类结果显示交叉验证准确率平均值为80. 70%, 训练准确率平均值为91. 83%, 测试准确率平均值为74. 28%。     

产生式与判别式分类方法比较研究

分类是数据挖掘领域研究的热点,产生式与判别式是数据挖掘中两种不同的分类模型。产生式模型具有通用性、灵活性及清晰的分层结构,学习得到的模型很容易满足模型解释要求;判别式模型没有明显的对系统中变量的基本分布建模的企图,仅仅对输入到输出之间映射的最优化感兴趣,可以提供更好的分类性能。从准确率、建模时间及渐进误差等方面对产生式与判别式分类方法进行了分析与比较,为研究人员在分类模型的选择上提供了参考。     

通货膨胀与股票收益:需求冲击与供给冲击效应分解

将影响宏观经济波动的冲击分解为两类:供给冲击和需求冲击,并考察它们对通货膨胀和股票收益关系的影响.一个简化的理论模型表明,供给冲击导致通货膨胀与股票收益负相关,而需求冲击则导致通货膨胀与股票收益正相关;供给冲击下通货膨胀和价格水平都是逆经济周期的,而需求冲击下通货膨胀和价格水平则是顺经济周期的.以上结果也得到中国经验数据的支持.中国的经验还表明,短期股票收益动态更大程度上由供给冲击决定,而短期通货膨胀动态则主要由需求冲击决定.在总体或长期上,实际股票收益和通货膨胀呈现负相关关系,归因于两类冲击中供给冲击的效应占相对主导地位.     

基于正交试验设计的区间数立体决策方法

为了减少决策信息损失,针对区间数决策问题,提出了一种立体决策方法。将m维区间数决策向量看作具有2m个顶点的超矩形。利用Ls(2m)正交表在超矩形上均匀、分散地选取s个顶点代表该超矩形,再根据不同超矩形对应顶点之间的相对熵度量超矩形之间的差异,最后利用各决策方案同理想解的贴近度进行决策方案排序。实例验证表明该文方法有效、可行。由于选取了多个多维实数点代表区间数决策向量,在丰富了决策信息的同时也增加了计算量。     

一种参数自调整风电功率预测模型

为了提高风电功率预测精度,提出一种参数自调整风电功率预测模型.通过加权递推最小二乘(SWWRLS)方法建立预测模型,侧重当前数据对预测结果的影响,排除了历史数据对预测结果的干扰.模型通过加权递推的方法节省了存储空间,并且提高了模型对外界环境数据变化的自适应性.最后,分别采用支持向量机(SVM)方法、卡尔曼滤波(KF)方法和本文SWWRLS方法,以辽宁省某风电场的真实历史数据进行风电功率预测对比实验,实验结果表明,本文方法建立的模型具有较高的预测精度.     

基于用户移动行为相似性聚类的Markov位置预测

由于采集点丢失或出现新用户等原因,GPS轨迹数据往往具有稀疏性,使得基于单个用户数据的位置预测准确率较低.针对这种情况,提出了基于移动行为相似性和用户聚类的Markov位置预测方法.首先,基于Voronoi图和原始GPS轨迹进行区域划分,位置预测基于区域轨迹进行;其次,提出了同时考虑用户转移特性和用户区域特性的移动行为相似性计算方法;再次,根据移动行为相似性对用户进行聚类,并在聚类的用户组上采用一阶Markov模型进行位置预测,提高了位置预测的准确性.真实GPS轨迹数据上的实验表明了所提出方法的有效性.