Backward‐in‐Time Selection of the Order of Dynamic Regression Prediction Model

We investigate the optimal structure of dynamic regression models used in multivariate time series prediction and propose a scheme to form the lagged variable structure called Backward‐in‐Time Selection (BTS), which takes into account feedback and multicollinearity, often present in multivariate time series. We compare BTS to other known methods, also in conjunction with regularization techniques used for the estimation of model parameters, namely principal components, partial least squares and ridge regression estimation. The predictive efficiency of the different models is assessed by means of Monte Carlo simulations for different settings of feedback and multicollinearity. The results show that BTS has consistently good prediction performance, while other popular methods have varying and often inferior performance. The prediction performance of BTS was also found the best when tested on human electroencephalograms of an epileptic seizure, and for the prediction of returns of indices of world financial markets.Copyright © 2013 John Wiley & Sons, Ltd.     

On the Predictive Content of Autoregression Residuals: A Semiparametric,Copula‐Based Approach to Time Series Prediction

This paper proposes an adjustment of linear autoregressive conditional mean forecasts that exploits the predictive content of uncorrelated model residuals. The adjustment is motivated by non‐Gaussian characteristics of model residuals, and implemented in a semiparametric fashion by means of conditional moments of simulated bivariate distributions. A pseudo ex ante forecasting comparison is conducted for a set of 494 macroeconomic time series recently collected by Dees et al. (Journal of Applied Econometrics 2007; 22: 1–38). In total, 10,374 time series realizations are contrasted against competing short‐, medium‐ and longer‐term purely autoregressive and adjusted predictors. With regard to all forecast horizons, the adjusted predictions consistently outperform conditionally Gaussian forecasts according to cross‐sectional mean group evaluation of absolute forecast errors and directional accuracy. Copyright © 2012 John Wiley & Sons, Ltd.     

协同多点传输中迫零预编码和天线选择技术

MIMO无线传输技术极大地提高了系统的容量,在实际通信系统中,整个网络是一个干扰受限的系统,小区间干扰对MIMO系统传输的影响是显著的,每个相邻小区的基站天线都可以看成一个干扰源．由于基站端数据处理能力的提升和回程容量的增加,多个小区协同多点传输技术引起了人们的广泛关注．目前的大部分工作都是集中于研究系统的容量（吞吐量）,而在实际系统中,每个用户的接收等效信噪比（即公平性）对系统的性能如误帧率等有重要的影响．对于每个用户为单天线的情形,研究了总功率受限和每天线功率受限下采用迫零预编码的系统容量和公平性．对两种功率约束条件下的公平性进行了分析,得到了公平性算法的闭式表达式．当每个用户为多天线的情形,为了降低计算的复杂度,引入了信道范数最大的接收天线选择算法,把每个用户为多天线的情形转化成等效的每个用户单天线情形,推导的每用户为单天线的公平性算法仍然适用．仿真结果显示,采用迫零预编码的多小区协作可以使系统性能显著提升．在相同的迫零预编码下,不同的功率分配策略对系统的容量和公平性有显著的影响．和用户为单天线相比,采用天线选择算法可以提升系统的容量和公平性．考虑了用户公平性时的吞吐量和最大系统吞吐量之间的折中关系,并给出了仿真结果．     

市盈率变动与盈余管理的关系

分析盈余管理的涵义,从契约论与信息经济学2个角度诠释盈余管理产生的理论基础;借助Edwards-Bell-Ohlson（EBO）模型阐述市盈率P/E的涵义及其与公司业绩的关系;从市盈率变动、公司成长性以及公司价值可能被错误评价角度,分析市盈率变动与盈余管理的关系,提出防范盈余管理的建议.     

基于互信息的Web文档聚类方法

由于网络信息的激增,如何充分利用大量的信息,并有效地为Web用户服务成为一个急需解决的问题。相关研究表明利用Web文档聚类的方法可以缩小信息检索的范围,提高查询准确率。通过分析Web文档的特征以及常用Web文档聚类方法的优缺点,提出了一种基于互信息理论的Web文档聚类的方法。在聚类的过程中,计算特征词之间的互信息值,根据阈值判断特征词是否属于同一类别。实验结果表明,该方法与K-Means聚类算法相比较,在准确率和召回率方面均有提高。     

一种组合型中文文本分类特征选择方法

根据基于频数分布和基于互信息的特征选择模式的特点,将传统的tf-idf因子以及基于互信息的特征选择方法分别进行了改进,并在此基础上提出了一种新的组合型特征选择方法。试验结果表明,该算法提高了文本分类的准确率。     

数据仓库中实视图的选取

基于AND-OR ViewGraph,应用视图选择的代价模型,提出了利用遗传算法实现实视图选择的方法和策略,实验结果证明这种算法结果更优效率更高.     

产业发展理论回顾及应用研究——以盐城市盐都区产业发展定位为例

产业发展定位合理与否,关系到城市产业发展策略的选择,影响到城市化进程的速度与质量.以盐城市盐都区为例,回顾了城市产业发展中的经典理论与常用理论,如产业结构演变理论、区域分工理论和产业发展阶段理论,以期为产业发展理论的合理应用起到抛砖引玉的示范作用.     

一种基于免疫抗体聚类算法的复杂函数寻优

通过在克隆选择过程中引入抗体聚类机制,提出了一种用于复杂多模函数优化的新算法.通过聚类将抗体群分成多个子种群来实现其克隆选择策略,加速克隆扩增,从而提高抗体成熟力及亲和性.采用了混合超变异算子,使其能快速获取全局及局部最优.实验仿真结果表明:该算法对复杂函数寻优的过程是相当有效的,具备良好的全局和局部收敛可靠性.     

双向认知网络物理层安全策略建模及仿真研究

为提高移动通信系统的性能,构建了一个存在主网络干扰和窃听者时双向认知中继网络时物理层安全传输模型,设计了一种中继选择和功率分配的联合优化策略,用于对抗窃听者,保护收发节点的信息传输.通过仿真分析得出,此非凸优化问题限制条件较多,难以保证粒子群优化算法随机生成的初始解的可行性,从而造成求解困难.提出了一种基于可变网格优化...