信息在证券投资决策中的量化模型

讨论了信息在证券市场投资决策中的量化模型。给出了错误信息造成的损失和正确 信息带来的收益的定量分析公式。     

基于数据水平分割的ETL执行优化

提出了一个ETL优化框架,并指出"单视图单衍生"、"多视图单衍生"、"单视图多衍生"和"多视图多衍生"4种模式在加载和增量维护时都可以采用数据水平分割的方法来加快ETL过程的响应时间,理论分析和实验表明其具有良好的效果.     

Gauss过程的增量与轨道性质

介绍Ｇａｕｓｓ过程的增量理论和样本轨道性质这一研究领域的最新成果,其中大部分是我们的结果。     

支持向量机增量学习算法综述

支持向量机增量学习算法,有效的解决了因数据集庞大而引起的内存不足问题,改善了因出现新样本而造成原分类器分类精度降低、分类时间延长的局面。本文阐述了几种具有代表性的增量学习算法,比较了它们的优缺点,给出了进一步的研究方向。     

连续型野值判别的新方法

针对连续型野值严重影响卡尔曼滤波器可靠性这一情况,提出一种新的野值判别方法,即正交模型参数变化判别法.当新息序列满足以下3个条件即信号是有穷均值,观测噪声是均值为零的独立分布过程,信号与噪声互不相关时,卡尔曼新息序列估计值具有正交性质.正交模型参数变化判别法的实质是通过判断卡尔曼滤波新息序列估计值的正交性质是否丧失而判别出观测值中是否存在野值.通过仿真结果表明,新的方法对于连续型野值的判别方便易行,快捷有效.     

绿色建筑增量成本影响因素分析

目前绿色建筑在我国的发展潜力巨大,而没有准确地把握绿色建筑的增量成本是制约绿色建筑发展的重要原因.对绿色建筑增量成本的影响因素进行分析,提出了技术措施、项目所在地域、项目定位及可行性研究开展的时间这四个影响因素,并在此基础上提出了减少绿色建筑增量成本的途径,为绿色建筑的发展提供了一定的理论依据.     

基于增量式随机森林的燃气负荷预测方法

随着智能燃气网概念的普及和燃气智能表的发展,燃气负荷数据量呈指数级增长,燃气负荷预测面临新的挑战,传统的基于离线批量学习的数据预测方法已无法满足大数据量的实时数据预测需求。针对燃气负荷数据增量到达的预测场景,提出了一种增量式的随机森林回归(Incremental Random Forest Regression,IRFR)算法。该算法将一定量的样本存储在叶节点,通过衡量样本集变异系数来控制叶节点分裂;针对大数据量的情况,设计了样本丢弃策略来控制内存空间。在对上海市燃气负荷数据进行特征选择、提取并建模后,将IRFR算法应用于燃气负荷预测。实验结果表明,IRFR算法相比于传统的随机森林算法具有相当的准确率,同时所需训练时间较短,更适用于大数据量的增量学习场景。     

超市消费行为分析中的增量挖掘系统原型

介绍了一个应用增量更新技术开发的超市消费分析系统原型,源数据库已有的分析模型,对新数据进行增量挖掘,减少了对数据库扫描的次数,提高运行效率,加快了系统的反映速度,符合CRISR-DM模型的要求,具有一个实用的数据挖掘系统的特征.     

智能水温控制系统的设计及实现

以89C52单片机为基础设计出一种智能型水温控制系统,智能水温控制系统主要采用逐次逼近式算法和增量式PID控制算法实现水温的定时加热以及恒温保持等功能。经过实验测试,系统运行稳定,控制效果良好。     

多维层次聚集cube的可扩展存储结构

采用多维层次式B ＋树作为多维数据集的索引结构,并在此基础上创建了一种可扩展的存储结构——多维层次聚集cube(MH-cube).基于MH-cube的层次特性,可以高效地对多维数据集进行快速查询、数据更新与模式更新,分析表明MH-cube在性能上优越于其他cube.