非线性时间序列建模的混合GARCH方法

在文献[1]的基础上，首次提出混合广义自回归务件异方差（Mixture Generalized Autoregressive Conditional Heteroscedastic Model简记MGARCH）模型；给出并证明了MGARCH模型的一阶平稳性的充分必要条件及二阶平稳性的充分务件；给出该模型参数估计的EM算法：利用BIC定阶准则对MGARCH模型的各成份进行定阶；计算结果表明该模型对金融非线性时间序列中存在的变异率现象具有较强的描述能力，有广阔的应用前景。     

真空条件下自组装PEDOT/PSS-ZnO纳米线

通过sol-gel法制备了PEDOT/PSS-ZnO纳米复合材料, 在真空中使其自组装得到了外径约为100 nm, 具有电缆形貌的一维纳米线. 经TEM和EDX光谱测定, 该纳米线的有机外壁是导电高分子PEDOT/PSS, 内芯是多晶结构的ZnO. 研究表明: 环境的真空度和放置时间极大地影响该纳米线的自组装形貌.     

静电自组装纳米Pd颗粒对Nafion®膜的阻醇修饰

以聚二烯丙基二甲基氯化铵为修饰离子合成了阳离子化的Pd颗粒，颗粒粒径为~2nm；采用静电自组装的方法将这种纳米粒子组装到Nafion®112膜表面的磺酸根团簇上，在1.73µg/cm2的超低Pd载量下达到了甲醇渗透率下降8个数量级、电导率几乎没有下降的优异效果。     

表面粗糙度的综合评定及混合谱模型

采用自回归谱分析结合改进周期图检验的方法，建立表面粗糙度的混合谱模型，以分离其中表现为离散谱的确定性谐波成分和表现为连续谱的随机性成分，并在此基础上提出综合评定表面粗糙度各种参数的方法，同时对AR模型的阶数与谐波成分识别给出较有效的经验判定方法．     

基于自识别水印模式的抗几何攻击水印算法研究

提出了一种不依赖于同步性的抗几何攻击的水印算法,通过对水印模式结构进行精心设计,使得其自身具有可识别性,通过对不同结构的水印模式进行识别,从而判断对应的水印信号.算法从根本上消除了同步性的依赖,也不需要对图像进行区域剖分和规范化,因此大大节省计算消耗.实验结果表明,该水印算法对旋转、缩放、裁剪、改变纵横比等几何操作具有鲁棒性,同时对高斯噪声、低通滤波等信号处理操作也具有鲁棒性.     

一种基于自组织分级聚类的数据挖掘方法

针对传统自组织聚类方法处理数据在多维空间中存在多样性和从基本或低层次概念上发现强关联规则中的不足，提出了一种基于自组织分级聚类的数据挖掘方法．该方法采用最大似然分类自组织特征网络（MAXNET）聚类过程，利用自下而上聚合层次聚类方法，对有畸变的二值化输入模式作最大似然分类．最后对一个销售电脑商场中，与任务相关的交易数据集进行了分析，描述了从低层次概念到高层次概念的相互关系．并用matlab仿真软件把该方法和传统方法进行比较，表明了该方法的有效性．     

空间自回归模型中的强相合性

(n,n)表示在空间自回归模型Zij=αZi-1,j βZi,j-1-αβZi-1,j-1 εij中参数(α,β)的Guass-Newton估计,根据已知的结论:当α=β=1时,{n3/2)((^αn)-α,(^β)n-β)}收敛于二元正态随机向量分布即limn{n3/2(^αn)-α,(^β)n-β))′}(D→)N2(0,Γ),其中Γ=diag(2,2).利用双参数强鞅收敛定理,可以证明,当r<(3)/(2)时,nr(n-α,n-β)→(-0).a.e.     

自组装纳米模体

自组装已成为纳米技术制造工具系列中的一种关键性方法。在纳米领域中探索的科学家和工程师推断，与构成雪花同样类型的力——其自然的推斥吸引促使分子形成复杂的形状——可建构出有用的结构，比方说医疗器械或电芯片元件。但至今为止，大部分的纳米结构自组装研究只能在大学实验室演示。     

类差分平衡函数的性质及其应用

定义了布尔函数的类差分和类差分平衡函数，研究了类差分平衡函数的密码学性质以及构造方法。作为类差分平衡函数的应用， 给出了Z24上逻辑函数是完全非线性函数的充要条件，并在首先分析得到所有四元类差分平衡函数的基础上，编程搜索出Z24上所有的完全非线性函数。     

动态的 SDN 网络流量模式增量学习算法

针对基于人工神经网络的流量统计特征学习算法在动态适应性和可扩展性等方面尚显不足.提出了一种基于增长型自组织映射(GSOM)的增量学习算法,对软件定义网络(SDN)数据平面交换机的流表统计信息进行持续学习,动态获取网络流量的GSOM神经网络模型.基于DARPA99数据集的实验结果表明:所提出的算法能够通过学习确认安全的SDN流量,获得稳定、可塑的流量模式,对异常流量也有较高的敏感度.