基于信用评级的商业银行贷款风险定价模型

建立了一个基于信用评级体系的风险定价模型.通过模型证明一笔贷款的价格不仅与借款人的预期违约率和贷款回收率有关,而且与借款人在贷款期间信用等级的变化有关.贷款的价格(利率)与借款人信用恶化的程度和发生的概率正相关.利用实际数据求出了各信用等级借款人的利率、风险价值和经济资本等参数.     

一类矩阵方程的最小二乘双对称解及其最佳逼近

构造了一种迭代法求一类矩阵方程的最小二乘双对称解.研究了迭代序列的若干性质,证明了算法的收敛性.数值算例表明,这种迭代法是有效的.     

网络化控制系统连续动态输出反馈控制器设计

研究一类网络化控制系统的连续动态输出反馈控制器的设计问题.假设网络化控制系统的被控对象为一个定常时滞系统,其网络诱导时滞是随机的且小于一个采样周期的情况下,将此类网络化控制系统模型化为一个混合系统.然后采用李亚普诺夫函数、线性矩阵不等式的方法推导出了该网络化控制系统渐近稳定的充分条件.根据此充分条件,给定一个等式约束,然后通过求解一组线性矩阵不等式,获得了连续动态输出反馈镇定控制器.最后给出一个具体的数值和仿真实例说明了此设计方法是有效的.     

关于量子导引的一些刻画

文章根据有限维两体系统量子导引的局域不确定定理,提出了检测量子导引的非线性判据。补充证明了判断量子态不可导引的协方差矩阵判据和局域不确定定理的等价关系。     

基于低秩稀疏表示的子空间学习研究综述

以基于低秩稀疏表示的子空间学习为研究对象,对近几年的相关研究工作进行了归纳总结.首先,阐述了子空间学习及低秩稀疏表示的概念;然后,根据迭代更新的方法,将基于低秩稀疏表示的子空间学习分为基于矩阵分解的子空间学习和基于谱聚类的子空间学习两大类;其次,对它们各自算法的核心思想进行了详细介绍,并对这些算法的优缺点进行了对比分析...     

基于共形阵的角度和极化信息联合估计算法

针对复杂载体上共形阵列存在多极化接收和遮挡效应的问题,本文提出一种基于方向图矩阵重构导向矢量的改进极化多重信号分类(multiple signal classification, MUSIC)算法。首先对共形天线阵列进行建模,在获取各个阵元的方位和俯仰分量方向图数据后,将方向图数据分解并重构阵列的导向矢量矩阵,最后结合极化MUSIC算法进行波达方向(direction of arrival, DOA)和极化参数联合估计。相对于理论导向矢量的极化MUSIC算法,本文所提改进算法在解决了遮挡效应的同时具有更高的估计精度,并可有效降低运算量。仿真实验结果验证了这一结论。     

基于DSM与信息熵的装备体系结构贡献率分析

针对装备体系构成复杂等特点,构建了基于设计结构矩阵(design structure matrix, DSM)和信息熵的装备体系结构贡献率评估模型。首先,基于“整体、动态、对抗”的思想,建立装备体系贡献率评估的动态—静态DSM评价模型;其次,以单一能力最小为粒度对作战过程进行分解,依据元活动序列对装备体系能力结构进行网络化建模;然后,采用信息熵方法计算装备能力灵敏度。以某航空作战装备体系为例,验证了本方法的可行性和合理性。     

基于灰关联分析和时空偏好特征的兴趣点推荐算法

为了提高动态推荐效果,从时间个性化和连续性的角度出发,细化了签到用户的时间特征,利用灰关联分析度量时间向量的相似度,与矩阵分解算法结合,给出了一种新的矩阵分解算法。该算法可缓解时间戳细化签到矩阵后带来的数据稀疏的影响。同时为了提高个性化推荐,采用自适应核密度估计方法捕捉用户的空间偏好,增强用户的个性化体验,进而提高推荐质量。在此基础上,设计了一种新的兴趣点推荐算法。实验结果表明,该算法能有效地提高推荐准确率和召回率。     

基于群体共识的语言直觉模糊三支决策方法

针对基于语言直觉模糊数评价损失函数的三支群决策问题,提出一种具有群体共识的语言直觉模糊三支决策方法.首先,基于海明距离定义了语言直觉模糊相似测度(语言直觉模糊数),进而构建基于非相似度最小的最优集成模型并导出权重迭代公式.在此基础上,设计一种实现语言直觉模糊综合损失函数一致性的迭代算法且理论上证明了该算法的收敛性.依据迭代算法获得满足一致性的综合损失函数,建立确定语言直觉模糊三支群决策阈值的单一优化模型,并提出基于群体共识(即所谓群体一致性)的语言直觉模糊三支决策方法.最后,算例分析和仿真实验验证了所提出方法的有效性.     

自校正信息融合Kalman预报器

对含未知噪声统计的多传感器系统,用现代时间序列分析方法,基于滑动平均（MA）新息模型的在线辨识和求解相关函数矩阵方程组,可在线估计噪声统计,进而在按矩阵加权线性最小方差最优信息融合准则下,提出了自校正信息融合Kalman预报器。证明了它的收敛性,即它具有渐近最优性,且自校正融合Kalman预报器比每个局部自校正Kalman预报器精度高。一个目标跟踪系统的仿真例子说明了其有效性。