关于股票价格的二阶模糊时间序列

由于股票价格的时间序列具有不确定性,股市的真实模型不容易建立,而模糊时间序列在解决模糊性数据和不确定性数据方面具有较大优势;因此,本文首先将数据进行预处理并改进论域划分的方法,然后利用三角隶属度函数进行数据的模糊化处理,再利用模糊化后的数据建立三层BP神经网络,最后,应用广义的逆模糊数公式将预测模糊集进行逆模糊化,从而得到预测结果.应用本文方法对印度国家银行(SBI)股票价格和Alabama 大学的入学人数进行预测,预测结果精度较高.     

基于XGBoost的短时交通流预测模型

为提高路段短时交通流的预测精度,选取路段平均旅行时间作为预测指标,建立了一种基于极端样度上升(extrem gradient boosting,XGBoost)的短时交通流预测模型。首先通过对交通流数据的分析,在考虑交通流时空特性的基础上,分别构建目标路段时间序列训练集、测试集以及时空序列训练集、测试集,然后基于XGBoost模型以及构建的训练样本集建立时间序列预测模型以及时空序列预测模型,并利用训练好的模型进行预测,最后将模型预测结果与线性回归模型、神经网络模型预测结果进行比较。实验结果表明:基于XGBoost的短时交通流预测模型能够对路段未来时段平均旅行时间进行比较准确的预测,其中时间序列预测模型均方根误差为5. 32,时空序列预测模型均方根误差为4. 82,均低于线性回归模型和神经网络模型,且相比于仅考虑时间因素的短时交通流预测模型,同时考虑时空因素的预测模型得到的误差更低,预测效果更好。     

瞬态喷雾冷却中使用导热逆问题求解热边界条件

随着电子器件的散热需求越来越大,关于液体冷却系统的研究愈发增多．瞬态喷雾冷却(ISC)是一个新颖高效的冷却IC芯片的方法．导热逆问题(IHCP)是一种通过测量介质内部的温度分布来估计表面热流密度的方法．采用IHCP计算喷雾冷却过程中随时间变化的表面热流密度．选用一维未来序列函数(SFS)方法由测量内部温度而估计表面热流密度．使用模拟温度数据来检查该计算方法的精度和误差,得到各个参数的影响规律以估计该方法对实验中求解热流密度的影响．     

基于栈式稀疏自编码多特征融合的快速手势识别方法

针对复杂背景下手势分割提取效果不佳、图像识别率不高、识别困难等问题,研究多特征融合的快速手势识别方法.利用YCbCr颜色空间模型,构建肤色分布模型,从复杂背景中去除大部分非肤色的干扰,从而实现手势分割;接着采用5层栈式稀疏自编码网络框架,分别提取手势感兴趣区域（region of interest,ROI）的纹理图像、形状图像和显著视觉图像作为自编码网络输入,将提取到的不同类型的特征进行线性融合;最后使用基于径向基核函数（radial basis function,RBF）的支持向量机（support vector machine,SVM）分类器进行融合特征数据分类,从而实现不同类型的手势识别.实验结果表明,相比其他手势识别方法,本文方法识别率较高,提取特征更具有代表性,平均识别率可达95.05%.      

基于门控循环单元神经网络的金融时间序列预测

针对循环神经网络(recurrent neural networks,RNN)网络结构存在的长期依赖问题,门控循环单元(gated recurrent unit,GRU)神经网络作为RNN的一种变体被提出。在继承RNN对时间序列优秀记忆能力的前提下,GRU克服了时间序列的长期依赖问题。本文针对金融时间序列数据存在的依赖问题,将GRU扩展应用到金融时间序列预测,提出了基于差分运算与GRU神经网络相结合的金融时间序列预测模型。该模型能够处理金融时间序列数据的复杂特征,如非线性、非平稳性和序列相关性。通过对标准普尔(SP)500股票指数的调整后收盘价进行预测,实验结果表明,所提出的方案能够提高GRU神经网络的泛化能力和预测精度,并且与传统预测模型相比该模型对金融时间序列的预测拥有更好的预测效果和相对较低的计算开销。     

采用时间序列突变点检测的滚动轴承性能退化评价方法

以滚动轴承为研究对象,根据性能退化曲线的现实意义定义了对性能退化特征提取具有指导意义的评价方法,该方法由初始退化点、初始敏感性、失效突变性和趋势一致性4个指标构成,并根据性能退化曲线的物理特性设计了性能退化特征评价的定量化指标;利用时间序列线性化突变点检测的方法给出了评价指标的计算过程,为性能退化特征的选取提供了更为直观的依据。使用国际通用的Swiss数据集进行验证,实验结果表明该评价方法可以全面评价各个性能退化特征对性能退化过程的表征效果。为了更好地保持原始高维数据的空间位置关系,提出了基于邻域参数自适应选取的局部线性嵌入(LLE)算法,通过自适应局部权值向量来保存高维空间数据的局部线性结构,将多个局部线性进行叠加来不断地逼近全局的非线性,有效提高直接使用高维数据反映原始状态性能的可靠性和稳定性。使用滚动轴承加速寿命试验数据,对比邻域参数自适应LLE算法和常规LLE算法所提取的性能退化特征,验证了邻域参数自适应LLE算法可以保留更多原始高维数据的信息。     

椭圆曲线y2=x3+135x-278的整数点

运用同余、递归序列等初等方法讨论了椭圆曲线y~2=x~3+135x-278上整数点的问题,证明该曲线仅有整数点(x,y)=(2,0),(14,±66),(284 594,±151 823 364).     

基于像素值排序最值阶跃响应的可逆信息隐藏

针对现有明文域可逆信息隐藏方案对于单个像素值修改过程中仅嵌入单比特秘密信息,提出一个基于像素排序值(pixel value ordering,PVO)阶跃响应的可逆信息隐藏方案。PVO对像素块排序后的最值进行预测和修改实现秘密信息的可逆嵌入,具有高保真的特性。利用PVO后的参考像素来确定高保真阶跃修改量,然后通过阶跃处理进行块内冗余像素的选择,最终通过排序序列与像素位置的映射关系来实现信息的嵌入。方案每修改单个像素值信息能够实现多比特秘密信息的嵌入,并且由像素排序确定得到的阶跃修改量能够保证信息提取后图像的无损恢复。经仿真实验验证,在达到同样嵌入容量要求条件下,研究结果较先前基于预测扩展处理的像素值排序方案能够大幅减少像素修改的数量,并且低负载条件下峰值信噪比性能指标得到显著提升。     

基于时间序列InSAR技术的川东红层滑坡识别及变形规律

针对川东红层滑坡典型易发区域,采用小基线集(SBAS)时间序列的InSAR(interferometry synthetic aperture radar)方法进行了解译,并采用Google Earth可视化展示,有效圈定并复核了潜在隐患区域。提取了采矿引起斜坡失稳及牛马场滑坡的变形位移曲线,揭示了其变形规律。研究结果表明:解译区滑坡基本都发育在形变速率较大的黄色欠稳定和红色不稳定区域,区域形变位移值大小与滑坡发育比例成正比关系,35%的解译面积滑坡发育比率可以达到70%以上。同时通过野外调查发现4个潜在不稳定隐患斜坡,极大地提高了红层滑坡的早期识别能力。InSAR解译显示研究区西北区由采矿引起的斜坡失稳,与干涉图上的条纹位置对应较为一致,形变位移最大能达到视线向20 mm/a;牛马场滑坡范围均为垂直形变速率较大的黄色和红色解译点,变形位移曲线显示滑坡发生前已经处于蠕变变形阶段,累计变形量可以达到500 mm左右。     

毛竹LhcaPe03基因在不同组织中的表达量

摘取毛竹苗幼嫩新鲜叶片,提取RNA,反转录进行RT-PCR,先克隆捕光叶绿素a/b结合蛋白基因Lhca3片段,采用RACE扩增全长,获得一条1 149 bp cDNA的基因,检测后定名为LhcaPe03。从毛竹未出土的笋芽、叶(顶端第一片新叶、老叶)、茎(茎尖、茎秆)中提取RNA备用,根据已测的毛竹LhcaPe03基因序列设计引物,采用实时荧光定量PCR技术,检测毛竹LhcaPe03基因在不同部位的相对表达量。结果显示:LhcaPe03基因在毛竹不同部位的表达差异明显,茎尖和新叶中表达水平较高,在老叶和茎秆中表达量相当低,在笋中几乎没有表达。这说明毛竹新叶的光合能力比老叶强;茎尖和茎秆呈绿色,具有光合能力,茎尖光合能力较强;未出土的笋芽几乎不参加光合。