一种基于混合模型WRC的流量预测方法

针对当前网络流量预测方法在刻画网络流量多重特性方面存在的准确性及噪声干扰的问题,提出了一种基于混合模型WRC的流量预测方法,该方法利用小波分解将网络流量混沌时间序列分解为流量特性不同的近似时间序列和细节时间序列,并利用RBF神经网络和混沌模型分别对这两种时间序列进行处理,得到预测时间序列后再进行小波重构,得到最终的预测值.仿真实验结果表明模型预测有效,且预测精度较高.     

光滑曲线去噪算法在分段线性拟合时间序列中的应用研究

时间序列在经济社会等多个领域发挥着重要的作用。然而,时间序列通常含有较多不规则波动,这些不规则波动易对时间序列数据挖掘造成影响。因此,对时间序列进行降噪处理则是一个亟待解决的问题。该文介绍了一种基于光滑曲线去噪算法在分段线性时间序列中的应用方法。通过对时间序列进行光滑去噪处理,从而得到去噪后的光滑曲线数据,再通过时间序列分段线性的方法找出该序列数据的关键点,进行时间序列的线性分段拟合。实验表明:与直接分段拟合相比,先通过光滑去噪后再进行分段线性拟合得到的结果更好。     

基于宽窗口和PAST算法的扩频序列盲估计

针对DSSS信号的盲估计问题,结合投影逼近子空间追踪算法(PAST)和滑动窗技术,对接收信号进行宽窗口划分,实现了非同步接收信号的扩频码的恢复。该方法只需要提取信号的主特征向量,然后利用滑动窗的方法实现码同步。PAST方法避免了特征值的求解,降低了计算量,易于硬件实现,解决了传统的特征分解方法实时处理的困难以及相位模糊的问题,并且能在低信噪比下实现扩频码的估计。     

中国与海外股指的混沌特征的比较实证

通过深沪综合指数的5天收益率分布规律以及用R／S方法研究收益率序列得出这样的结论,即深沪综合指数的收益率不服从正态分布,并且收益率是负斜,呈现出胖尾和峰态;中国股票市场不是一个有效的市场,其收益率序列均为服从分形概率分布的持久性时间序列,它们遵循有偏随机游动,市场表现出较强的趋势行为;深综指的赫斯特指数H为0．87,非周期循环为16周(4个月),而沪综指的赫斯特指数H为0．85,非周期循环为25周(6个月)。也就是中国股市呈现出长期记忆等非线性的混沌特征。     

蛋白质二级结构中同义密码子与氨基酸上下文关联的偏好型

通过对人(Homo sapiens)的117个蛋白质和大肠杆菌(E．coli)的87个蛋白质的统计分析，发现mRNA序列中的同义密码子与氨基酸的上下文关联是和蛋白质二级结构有关的，并给出了各二级结构中有意义的上下文关联型．讨论了该结果对蛋白质结构预测的改进意义及其在基因工程领域可能的应用。     

任意二值随机序列的一个强极限定理

给出了任意二值随机序列随机稀疏的一个强极限定理的信息条件，是Borel强大数定理的推广。     

二元序列的翻转与对换排序

序列的翻转与对换的排序问题因在基因组比较中的应用而受到关注．考虑二元序列的翻转与对换的排序问题，分别给出了二元序列的翻转排序与对换排序的近似算法．     

直接序列扩频通信中基于循环累积量的自适应干扰对消技术

在可以获得与干扰强相关的参考信号的扩频通信系统中，自适应干扰对消器是常用的抗干扰技术．为在保证对消器性能的同时，减少运算量，提出了一种基于二阶循环累积量(SOCS)自适应干扰对消器(AIC-SOCS)，利用源信号和参考信号的循环二阶累积量，自适应调整对消器中滤波器系数．与基于四阶累积量的自适应干扰对消器(AIC-FOS)相比，乘法次数减少50％，加法次数减少60％．仿真实验表明，AIC-SOCS的性能和AIC-FOS的干扰抑制性能相当，表现出比基于二阶累积量的自适应干扰对消器(AIC-SOS)更优良的干扰抑制性能．     

四阶非线性抛物方程的渐近吸引子

考虑了四阶非线性抛物方程ul σux^4 αu uux=f(x)的渐近吸引子，即构造了一个有限维解序列．首先利用数学归纳法证明了该解序列不会远离方程的整体吸引子；其次，证明了它在长时间后趋于方程的整体吸引子，并且给出了渐近吸引子的维数估计．     

混沌算子网络在经济数据预测中的应用研究

采用多个混沌算子单元组成一种新的预测网络,实现经济数据的预测分析.利用已知数据构造出训练样本,通过调节混沌算子单元的控制参数来控制其动力学特性,以此改变预测网络的动力学行为,使预测网络的动力学特性逐渐逼近被预测系统,并随之一致变化,从而实现时间序列的动态预测分析.利用该方法对国内生产总值和国民总收入等经济数据进行了预测...