基于组合预测的间断性需求器材预测

为了提高间断性需求装备器材的预测精度,提出一种组合预测模型。该模型从解释变量序列和自相关序列两个方面进行组合预测,对解释变量序列采用Logistic回归模型预测提前期非零需求发生概率,对自相关序列采用Markov过程估计提前期非零需求发生概率,整合两个预测结果得到最终的提前期需求。实验结果表明,该预测模型具有较高的预测精度。     

基于延时相关处理的ESPRIT算法

为了提高旋转不变子空间(estimation of signal parameters via rotational invariance techniques, ESPRIT)算法的分辨力和测角精度,充分利用非零延迟相关函数中信号入射角度的信息,提出了基于延时相关处理的ESPRIT算法。根据所有阵列间延时相关信息,构造新的阵列输出矩阵,并且得到新的协方差矩阵。对新的协方差矩阵进行特征值分解得到特征向量,通过将特征向量划分得到含有入射角度信息的子阵,最终求得信源的入射角度。仿真结果表明,该算法的分辨力和测角精度均优于原ESPRIT算法,并且在小角度间距情况下也有较好的分辨性能。     

基于区块自适应网格的全球地形快速绘制算法

在基于球面剖分的全球地形数据组织模型基础上,实现了一种视点相关的全球地形数据快速调度与可视化的算法。提出了一种基于区块纹理分辨率的自适应目标层次模型提取方法,能够快速准确地得到视点相关的正确细节模型,且算法的时间空间复杂度与全球地形模型的数据量无关。进而通过利用区块结构的一致性进行高效的外存数据调度,尽可能地减少了系统I/O带来的性能瓶颈,在实现数据重利用的同时很好地管理了内存消耗。实验表明,基于该算法可以实现全球地形的高效绘制,并且对硬件配置要求很低,具有很好的实用性。     

基于粒子群算法的图像相关反馈研究

在浩如烟海的图像库中按用户的需求去搜索图像,传统的做法是基于图像的视觉低层特征进行检索。但是由于视觉低层特征与高层语义之间存在语义鸿沟,因此检索结果往往不尽如人意。研究者发现,将相关反馈技术引入图像检索中则能提高系统的检索性能。提出将粒子群优化算法(Particle Swarm Optimization)[1]引入基于内容的图像检索之中,通过用户对检索结果进行评价,系统通过学习来动态修改各特征的权值,从而达到模拟人类的思维,提高图像检索系统的检索性能,并通过实验证明该算法的可行性和有效性。     

模糊推理在系统预测中的应用

将模糊推理应用于系统预测,使用正态分布原理对变量进行区分,并用模糊聚类中的相关系数法选择特征因子,建立了模糊推理预测模型。并将其应用于能源消费量的预测。     

我国通货膨胀的混合回归和时间序列模型

回归模型的残差项反映了对被解释变量有影响但未列入解释变量的因素所产生的噪音 ,这部分噪音可由时间序列模型进行拟合 .本文对通货膨胀建立了一个混合回归和时间序列模型 ,并将该模型的预测结果与单纯用回归模型的预测结果进行了比较.     

循环平稳性与随机共振理论的非绝热描述

噪声背景中周期信号的循环平稳性是信号处理中一个重要的特征.本文利用随机循环平稳过程的有关理论研究复杂随机动态系统中的随机共振现象.依据系统输出的一维准稳态概率密度近似理论,本文推导了系统输出二维跃迁概率密度、稳态自相关函数和系统输出信噪比的公式.输出信噪比随着输入噪声强度增加而呈现的随机共振现象,理论分析和数值试验结果非常吻合.此理论为随机共振理论的一种非绝热描述,不仅能够解释经典随机共振现象,而且能够描述驻留随机共振现象,对于复杂随机动态系统的信息处理机制具有重要理论指导意义.     

基于最大间距准则(MMC)新的有效特征提取方法

基于最大间距准则(Maximum Margin Criterion,MMC)下,提出一组具有标准正交性的最佳鉴别矢量的计算方法和一组具有统计不相关性的最佳鉴别矢量的计算方法。这种方法的目的是寻求一组最佳鉴别矢量既要使投影变换后的特征空间的类间散度最大,而类内散度最小;又要减小最佳鉴别矢量间的统计相关性。与原MMC特征提取方法相比,新的特征提取方法降低了甚至消除了最佳鉴别矢量间的统计相关性,提高了识别率。通过分别在ORL人脸库和NUST603人脸库上实验结果表明提出的具有统计不相关性的MMC特征提取方法在识别率方面整体上好于原MMC特征提取方法和常用的主成分分析(PCA)法。另外,揭示了MMC准则特征提取与Fisher准则特征提取的内在关系。     

多渠道分销库存系统成本模型

考虑由一个制造商、多个分销中心、多个零售商组成的多级分销系统。针对多渠道分销问题,在周期检查库存策略的前提下,分别建立分销中心持有库存和分销中心不持有库存两种情况下,零售商具有随机需求及相关需求的多级库存系统成本优化模型。最后,通过算例,从系统总成本最小的角度出发,给出了这两种条件下库存成本随需求相关系数的变化情况,证明了此模型可用于库存决策。