基于熵测度的多元化模式研究

为了分析国内企业集团多元化经营的基本模式及战略选择方法,本文采用熵测度与Rumelt鲁梅尔特分类方法相结合,通过矩阵法构建了国内企业集团多元化的分类模型及战略选择模型,确立了国内企业集团多元化经营的九种模式.在此基础上,基于国内60个上市公司的数据对国内企业集团多元化经营模式进行了评析.研究表明,国内有57%的企业集团采用了非关联高度与关联高度多元化,采用非关联低度和关联低度多元化的企业极少,企业集团的多元化经营模式存在着很大差异.企业集团的多元化经营的模式演进要根据其市场与竞争地位选择不同多元化经营模式.     

基于广大极值分布的高频极值条件VaR模型

在考虑当前预期和波动性条件下,为了有效地捕获极端条件下收益率时间序列动态特征,提高VaR的度量精度,建立了基于高频数据的条件极值VaR模型.应用智能优化算法对条件极值分布的时变参数进行估计,考察了在不同样本容量分块下的条件极值VaR,并对VaR计算结果的精度进行了Kupiec-LR检验和动态分位数检验.研究结果表明,基于高频数据的条件极值分布较好地拟合了极端条件下的收益率特征,与McNeil提出的传统条件极值VaR相比,应用高频数据建立在条件广义极值分布基础上的条件极值vaR的Kupiec检验DQ检验值都较为理想,表明该模型能够捕捉到我国市场风险特征,提高极端情况下风险测度能力.     

基于平方根UKF的多传感器融合跟踪

为了提高融合算法的精度,将UKF(Unscented Kalman Filter)算法与多传感器顺序滤波融合跟踪算法相结合,提出了基于UKF的多传感器序贯融合算法.UKF算法利用非线性方程自身的传播,估计系统状态,避免了对非线性方程线性化的过程.顺序滤波融合算法用同一时刻的量测依次更新状态,计算复杂性低.仿真结果表明,UKF顺序滤波融合跟踪算法比传统的扩展卡尔曼滤波(EKF)算法有更高的跟踪性能,是一种有效的非线性融合算法.     

基于SVM数据融合的实时粒子滤波算法

采用粒子滤波的目标跟踪算法在粒子数目较多时计算量大、实时性差,针对该问题提出了一种新的基于支持向量机数据融合的实时粒子滤波算法。该算法在估计窗实时粒子滤波的基础上,使用支持向量机融合窗内不同时刻粒子集,并根据融合的结果更新粒子权值,实现对目标状态的快速跟踪。相对于原算法采用最小化Kullback-Leibler距离来调整估计窗混合分布的权值,该方法的计算复杂度低、速度快,进一步提高了算法的实时性。对纯角度目标跟踪问题的仿真结果表明了该算法的可行性和有效性。     

对数学质量的指标体系的分析

用属性识别的理论研究数学质量的指标体系 .提出了一种直观简捷的属性测度函数的确定方法及三个数学质量的评价准则 .     

半马氏市道轮换利率期限结构模型——基于最小Tsallis熵鞅测度

基于Ho-Lee模型,讨论零息债券价格的演变,应用无套利原理和鞅测度的方法,建立了一个离散时间半马氏过程控制的市道轮换下的二叉树期限结构模型.运用最小Tsallis熵鞅测度(the minimal Tsallis entropy martingale measure,MTEMM)处理上述模型,并在马氏和半马氏市道下给出在欧式债券期权定价方面的应用.研究发现模型结果与最小熵鞅测度下的结果具有一致性.     

多光谱和全色图像融合适用的超复数主元加权方法

提出了一种适用于多光谱与全色图像融合的超复数主元加权方法.该方法首先对全色图像的每个像素值进行矢量化,然后对由RGB表示的多光谱图像和矢量化的全色图像分别用超复数矩阵进行表示,该表示方法考虑了由RGB表示多光谱图像的矢量性,从而避免了IHS和PCA融合方法由于忽视多光谱图像的矢量性而导致的色彩失真.通过对超复数矩阵表示的全色图像和多光谱图像分别进行超复数奇异值分解,分别获得了这两个超复数矩阵的超复数奇异值,并对得到的奇异值进行主元分析,提出了用最大特征值对应的特征向量作为权值进行加权图像融合的方法.分析和仿真的结果表明:提出的方法不存在人眼可见的光谱畸变.而用各种现有图像融合评估方法的评估结果也表明:提出的方法优于IHS、PCA和小波变换等融合方法.     

基于模糊信息融合的燃压机组定量HAZOP分析

针对传统计算机辅助HAZOP分析中定量信息的丢失现象以及多危险源系统安全决策的困难,提出了基于模糊信息融合的HAZOP建模与推理方法.构建了系统HAZOP有向图知识模型,针对模型中不同属性的节点分别采用相应的模糊定量化处理方法;同时基于D-S证据理论,利用危险传播路径上相关节点之间的定量偏差信息进行模糊融合推理,给出系统存在的危险原因与后果, 以及各自的融合信度,为系统安全决策提供依据.利用该方法对"涩-宁-兰'管线压气站燃压机组的运行状态进行模糊信息融合HAZOP分析,最终给出了系统各危险原因与后果的融合信度及排序,采取有效的安全措施避免事故发生. 与传统HAZOP分析进行比对,工程应用结果证明了该方法能解决传统HAZOP定性分析的局限性与不确定性难题;当系统存在多危险源时, 增强了系统安全决策的合理性.     

基于低维SOM的可观测度分析方法及其应用

针对卡尔曼滤波器中状态可观测度的定量分析问题,提出了基于低维条带化可观测矩阵(strippedobservable matrix,SOM)的可观测度分析方法。该方法通过建立分段式定常系统(piece-wise constant system,PWCS)模型,证明了SOM与系统总的可观测矩阵具有同等的观测效力,在此基础上将PWCS模型的分段间隔作为SOM的区间分割单位,降低了其维数,进而用低维SOM的奇异值定义系统状态的可观测度。为避免定义中可能出现的基准值不确定性问题,将基准值的可信度及其影响因子引入到系统状态可观测度的定义中,给出了一种新的定义模式。最后以无源北斗/SINS深组合导航系统为例验证了该方法的有效性。     

基于粗糙集理论的多源信息融合故障诊断方法

在故障诊断中,从包含冗余和不一致信息的数据中获取简单有效的诊断决策规则是一个难题.首先,针对完备信息系统和不完备信息系统分剐提出了相应的融合算法,为解决数据超载以及不完整信息融合问题提供了有效的方法.其次,提出了基于粗糙集理论的多源信息融合故障诊断模型.该模型从包含冗余和不一致信息的原始数据出发,利用基于改进属性重要度的方法实现故障征兆属性约简;然后通过给出的值约简算法进一步产生最大广义决策规则集,建立了用于故障诊断的规则库.最后,在应用该模型进行故障诊断时,用待诊断实例的离散化了的故障征兆属性与规则库中的诊断决策规则进行匹配,对返回的诊断决策规则依据置信度、覆盖度和支持度进行综合评价,并得出诊断结论.给出的诊断实例验证了该方法的可行性和有效性.