隐Makrov机制转移与随机时间水平下的多期资产配置

在状态部分可观测的金融市场中,研究了投资活动终止时间不确定的多阶段均值-方差投资组合选择问题。假定市场存在有限个不可观测状态,利用离散时间时变隐Markov链描述不可观测状态的变化过程;无风险资产在各个阶段的收益率依赖于可观测市场状态;风险资产在各阶段的收益率同时依赖于可观测和不可观测市场状态。通过构造充分统计量,部分信息下的投资组合选择问题等价地转化为了完全信息下的优化问题。再利用动态规划方法和拉格朗日对偶原理,得到了最优资产组合策略和有效边界的解析表达式。     

基于改进的隐马尔科夫模型的中文命名实体识别算法

文章主要讨论了自然语言处理中的关键技术中文命名实体识别.在总结中文命名实体识别的特点和难点的基础上提出了三种常用的识别方法.重点研究了基于统计方法的隐马尔科夫模型在命名实体识别中的应用,同时指出传统的隐马尔科夫模型在实体识别中存在的局限性,对其进行分析并作出进一步改进.     

福建霞浦海区刺激隐核虫虫株鉴定及生活史观察

分离患"白点病"的大黄鱼(Pseudosciaena crocea)鱼鳃上的刺激隐核虫(Cryptocaryonirritans),提取基因组DNA,PCR扩增rDNA-ITS-1基因并进行序列分析.结果显示:该虫的rDNA-ITS-1序列与刺激隐核虫PYH4.12株及Chiayi虫株完全一致,表明福建霞浦流行的"白点...     

状态反馈控制器对闭环极点的敏感性分析

本文利用隐函数理论，计算闭环系统的极点对反馈控制器K的偏导数矩阵，即闭环极点对控制器中的各个参数的变化率阵。从这个变化率阵我们可以了解到这些参数对闭环系统的极点的敏感程度，以便在实现控制器时，对那些敏感程度大的参数多加关照。     

一类求解刚性常微分方程的半隐式多步RK方法

将线性多步方法与Ｒｏｓｅｎｂｒｏｋ和Ｈａｉｎｅｓ等提出的半隐式ＲＫ方法相结合,构造了一类求刚性常微分方程的半隐式多步ＲＫ方法。该方法具有Ａ稳定性,比普通的多步ＲＫ方法稳定性更好,同时,在求解过程中不必求解非线性方程组,大大减少了计算量,和普通的半隐式ＲＫ方法相比,该方法具有更高的阶。数值结果也表明了这类方法在求解非线性刚性常微分方程方面的优越性。     

隐参数曲线曲面的微分几何

基于参数表示和隐式表示的优点提出了一种新的曲线曲面表示方法———隐参数曲线曲面,并给出了新表示形式下曲线曲面的相关微分几何概念.这种表示在整体形式上为参数形式,但定义域为隐函数形式.从而不仅易于计算曲线、曲面上的点及其他信息,而且可以表示一些具有复杂拓扑的曲线曲面.最后通过实例展示了它在表示复杂拓扑形状和形状作局部控制等方面的应用.     

一种基于混合蛙跳优化的JPEG图像隐写算法

在JPEG图像中隐写会引起图像DCT系数直方图变化和分块效应比,分析者可以根据这些特征变化察觉到秘密信息的存在。为了提高隐写的安全性,提出了一种基于混合蛙跳优化的JPEG图像隐写算法。对图像进行分块处理后,在每个块中采用混合蛙跳优化算法,寻找最优的置换矩阵来替换秘密信息。在隐写过程中,将置换矩阵和置换后的秘密信息隐藏于修改了量化表的DCT系数中,算法不需传递其他边缘信息。仿真实验表明,所提出的隐写算法与修改量化表隐写算法,基于粒子群优化隐写算法相比,在隐写容量增大的同时,具有更高的安全性。     

隐写术安全性度量模型及其应用

关于隐写术安全性的度量,目前尚缺乏有效的模型.文中在建立图像离散余弦变换(DCT)系数统计分布模型的基础上,根据隐写系统安全性的信息论定义,推导和建立了一种DCT域上的隐写术安全性度量模型.利用此模型对常见空域和DCT域隐写术的安全性进行了对比分析,同时进行了模型求解方法、隐藏容量、分块大小、嵌入策略和两次压缩等因素对安全性度量影响的实验.结果表明,文中提出的模型是有效的,能为隐写术和隐写分析算法的设计提供有价值的参考.     

不停跳冠脉搭桥室壁瘤切除术的手术配合

冠状动脉粥样硬化性心脏病是冠状动脉血管发生动脉粥样硬化病变而引起血管腔狭窄或阻塞,造成心肌缺血、缺氧或坏死而导致的心脏病,常常被称为"冠心病"。但是冠心病的范围可能更广泛,还包括炎症、栓塞等导致管腔狭窄或闭塞。世界卫生组织将冠心病分为5大类:无症状心肌缺血(隐匿性冠心病)、心绞痛、心肌梗死、缺血性心力衰竭(缺血性心脏病)和猝死5种临床类型。临床中常常分为稳定性冠心病和急性冠状动脉综合征。手术前的准备,须仔细阅读病例,熟悉并了解病人的病情、心情及体质,进行充分的术前讨论,了解术式,达到协调配合。器械及用物的准备。备齐搭桥手术器械。术中配合,除心内手术操作、心脏切口及所用之缝线与其他冠脉搭桥手术基本相同,开、关胸与其他体外循环手术均相同。     

基于贝叶斯知识跟踪模型的慕课学生评价

将贝叶斯知识跟踪模型应用到Coursera,详细分析出大规模在线公开课程(massive open online courses,MOOC)的数据特点,据此对贝叶斯知识跟踪(Bayesian knowledge tracing,BKT)变形,先后提出Aspect-BKT和History-BKT两套模型,并进行实验检验,根据实验结果分析BKT参数含义。实验结果表明,History-BKT与前人提出的IDEM-Count模型有可比的预测效果。