利用多正弦窗谱分析检测色噪声中的谐波信号

利用最小化代价函数推导了一种谱分析的多窗口方法 ,得到了一组彼此正交的、具有简洁正弦窗形式的多窗口序列。以此为基础 ,结合统计分析的假设检验方法 ,可以利用多正弦窗谱分析技术对色噪声中的谐波信号进行检测 ,准确地估计信号包含的谐波频率及各个谐波的幅度。仿真实验证明了该方法的有效性和正确性。     

统计学习在假设稳定下推广误差的界

统计学习理论已经是近来的热点研究问题,而算子的推广性能是统计学习的一个十分重要的部分。本文指出算子的推广误差界可以归结为期望误差估计子的偏置和方差的问题,在这些假设稳定概念下,得到了估计算子的偏置和方差,并证明了＂几乎处处＂稳定算子的广义有界差分不等式,在一致稳定假设下得到推广误差的指数界。     

无套利假设在资产定价中的运用

随着股票市场的火爆,各类金融资产的使用愈发频繁。但是无论使用何种金融资产,都需要对其进行有效的定价,而无套利假设在其中的作用是至关重要的。本文深入分析了无套利假设在资本资产定价模型、资产定价基本定理及金融资产的估价过程中的重要作用,旨在促进金融市场健康、稳定发展。     

一种移动机器人SLAM中的多假设数据关联方法

针对移动机器人同时定位与建图(SLAM)中的局部数据关联问题,提出一种基于粒子滤波的多假设数据关联方法.该方法将数据关联问题转换成离散优化问题,利用多个粒子来维持多种数据关联假设,通过计算关联代价来获得粒子权重,用基本剪枝技术在粒子重采样过程中滤除错误的数据关联假设.研究结果表明:该方法弥补了经典的数据关联方法中关联假设一旦确定就不能修改的不足;与ICNN和JCBB数据关联方法相比,该方法能获得更正确的数据关联结果和更高的定位精度.     

基于混合模型的多重故障诊断

介绍了基于模型的多重故障诊断，它可通过ＡＴＭＳ来实现，能克服基于规则的诊断系统的一些局限性，但当运行模型和故障模型同时被运用或者等级模型被运用时，普通ＡＴＭＳ不能处理这种情况．本文应用分层ＡＴＭＳ来实现基于混合模型的故障诊断方法，同时给出广义最小诊断的定义，从而克服关于最小诊断定义中的不足．由于分层ＡＴＭＳ能表示和处理论据之间的优先级，因而能运用混合模型，能结合基于模型和基于规则的诊断，及提高诊断效率．     

集成有限个专家意见的在线投资组合策略

基于弱集成算法的在线学习特征,该文探讨了它在在线投资组合选择中的应用,考虑了根据有限个专家意见进行决策的情形.首先将弱集成算法应用到投资于单只股票的专家意见,得到了在线投资组合的单一集成策略,并给出了该策略的竞争性能分析,证明了单一集成策略能够追踪最好的股票,实际投资决策中,投资者可能会选择多只股票进行组合投资,进一步将弱集成算法应用到投资于不同股票数目的专家意见,得到了在线投资组合的混合集成策略;证明了混合集成策略实现的累积收益与最优专家意见实现的累积收益相当.在长期投资组合上的数值算例表明了该文给出的单一集成策略能够实现与最好股票相当的收益;混合集成策略能够实现与最优定常再调整策略相当的收益,且与泛证券投资组合策略相比,能够获得更多的收益,具有较好的竞争性能.     

基于尺度相似假设的大涡模拟动力方法

当前的大涡模拟动力方法对G erm ano等式中的两个尺度的亚格子应力均使用相同的亚格子基模型。这样为求得基模型系数,必须假定该系数在测试滤波操作下保持不变。但实际上该系数存在剧烈的脉动,与假定并不一致。该文提出的方法对以上两个应力分别应用亚格子基模型和尺度相似假设。这样就无需对系数分布做出假定并保证了方法的内在一致性。用该方法对R e为104的方腔流动进行了大涡模拟。结果表明该方法对流动统计量的预测有所改进,并可有效消除亚格子模型系数的奇异性。     

注入到外电场的正负电子对的静电不稳定性

出于脉冲星中粒子加速问题,讨论外电场中注入的正负电子对静电不稳定性.对很强的电场,不能在等离子体振荡尺度的0阶分布函数忽略空间变化效应.假设在加速(减速)电子(正电子)的恒定外电场以四维速度u0＞0单能地注入电子对.通过解决场的线性扰动和对的分布函数,发现了一个新型不稳定性.u0和外电场确定的制动时标与等离子体的时标之比R描述不稳定性的性质.这种情况下,增长率是等离子体频率的几倍.     

概率假设密度滤波的谱聚类目标状态提取方法

提出了一种谱聚类目标状态提取方法来实现概率假设密度(PHD)滤波中序贯蒙特卡罗(SMC)实现方式的多目标状态估计.该方法利用PHD滤波SMC实现方式输出的大量的加权粒子点间的相似度关系建立相似矩阵,通过变换得到拉普拉斯矩阵,进而对拉普拉斯矩阵进行特征分解,以实现粒子点的聚类,再在每类中寻找粒子的聚类点作为多目标状态的估计值,同时为了减小计算量,利用Nystrm逼近方法求解特征向量.仿真实验表明,PHD滤波的谱聚类目标状态提取方法的估计精度比k均值目标状态提取方法提高了60%以上.     

优化问题的序列线性方程组解法

拟牛顿算法是求解无约束优化问题的有效算法.序列二次规划方法是将拟牛顿算法应用于求解约束优化的推广与发展,它保持了拟牛顿算法的超线性收敛速度而成为约束优化的重要算法类.序列线性方程组方法则是它的进一步发展,目的在于每步求迭代方向dk时避免求解计算量较大的二次子规划.现在序列线性方程组方法仍在研究和发展,目的是简化算法结构、减少计算量,同时保持算法的优良性质.