关于两个线性递推序列

用发生函数的办法考察了线性递推关系bi,j=αbi-1,j βbi,j-1和ci,j=αci-1,j βci,j-1 αβci-1,j-1的特殊情况所确定的矩阵B和C,得到了矩阵B,C的分解B=P[α](bo,oI ωE)PT[β],C=P[α]DPT[β]和相应行列式的值.发现B,C与Pascal矩阵P有着紧密的联系.     

面向三维信号的分组码

设Z[3√2]是代效效域Q（3√2）的代效整效环．把商环Z[3√2]／(2^Z)的乘法单位群分解为群的直积．由此获得三维信号空间并可用来构造分组码．这些码能够改正某些错误．     

四元数矩阵的左（右）加权＊-序

利用四元数矩阵的加权共轭转置定义了四元数矩阵的加权左(右)*-序，给出了加权左(右)*-序的一些等价刻画．推广了以往文献的相应结果．     

Sn中元素的左、右逆的研穷

对次随机矩阵半群的正则元作了研究。文章将对随机矩阵半群中元的随机左、右逆进行了探讨。首先给出了Sn中元有随机右逆的充要条件以及元有唯一随机右逆的充要条件，其次，给出了Sn中元有随机左逆的充要条件。本文在最后给出了比Sn更广的一类半群T，它的幂等元、正则元就是Sn中的幂等元和正则元。     

基于区间灰数预测模型的天猫“双十一”物流需求量预测

基于天猫"双十一"包裹量增长呈"S"形和连续动态变化的特性,对"双十一"包裹量进行预测;首先将天猫历年"双十一"包裹量划分成几个连续区间,然后通过信息分解法对连续区间灰数进行白化处理,将区间灰数分解成白部序列和灰部序列,最后建立基于信息分解的连续区间灰数离散Verhulst预测模型;经误差检验分析,该模型预测结果精度较高,可以作为天猫平台第三方物流企业对物流资源进行合理、有效调配的依据。     

基于二层分解技术和改进极限学习机模型的PM_(2.5)浓度预测研究

准确的PM_(2.5)浓度预测对于保护公众健康和提高空气质量有重要意义,然而,由于PM_(2.5)浓度序列的随机性、非线性以及非平稳性等特征增加了对其准确预测的难度.本文提出了一种基于二层分解技术和改进极限学习机(ELM)模型的PM_(2.5)浓度预测方法,该方法融合了快速集成经验模态分解(FEEMD)和变分模态分解(VMD)两种分解技术以及经过差分演化(DE)算法优化的ELM模型.为了验证所提出预测方法的有效性,本文使用该方法对北京市和石家庄市的PM2.5浓度序列进行了预测研究.结果表明:1)相比于单层分解技术,本文提出的二层分解技术可以更加有效地降低PM2.5浓度序列的非线性及非平稳性特征;2)基于二层分解技术的DE-ELM预测模型可以显著提高PM_(2.5)浓度的预测精度.     

雾霾约束下的长江经济带能源效率的空间差异研究

运用非径向、非角度的SBM模型,将雾霾因素作为非期望产出纳入能源效率中,对长江经济带地区11省2006—2015年能源效率水平进行测度,并运用离差分解模型对省际之间的差异性进行分析。研究表明:在考虑雾霾因素后长江经济带地区的能源效率水平均有所下降;长江经济带能源效率水平总体差异是由上、中、下游地区内部带来的,而上游地区内部差异是影响长江经济带总体差异的主要来源,地区内的发展水平差距大制约了长江经济带绿色可持续发展。因此在雾霾硬约束下协调三大地区内部省际间经济、环境以及能源消费之间的关系是实现区域协调、健康的发展的关键。     

Batcher—Banyan交换网络的一种竞争分解机制

文章针对ATM交换机中广为采用的Batcher-Banyan交换网络,探讨其存在的内部竞争问题,提出采用优先级输入、输出与中央混合缓存机制解决其内部竞争的一种模型。     

捷联惯导系统的可观测性和可观测度研究

可观测性和可观测度分析是确定动态系统卡尔曼滤波效果的重要环节．本文首次提出了一种时变动态系统可观测性矩阵的奇异值分解分析方法，应用于捷联惯导系统初始对准过程中系统状态的可观测度分析取得显著效果，该方法为初始对准中载体最佳机动方案选择提供了依据．计算机仿真结果表明了该方法的有效性．     

基于流形正则化判别的因子分解

通过对非负矩阵分解(non-negative matrix factorization,NMF)和因子分解(concept factorization,CF)的分析,针对它们无法核化或忽略数据几何结构和判别信息的问题,提出了基于流形正则化判别的因子分解算法(manifold regularized-based discriminant concept factorization,MRCF).该算法用CF算法对数据进行低维非负分解时,根据流形学习的图框架理论,构建邻接矩阵保持数据局部几何结构;利用样本的标签信息,进行监督学习,给出算法多步更新规则,理论上证明了MRCF算法的收敛性.在人脸数据库ORL、图像库COIL20和手写体数据库USPS上的仿真结果表明,相对于NMF、CF及其一些改进算法,MRCF均具有更高的聚类精度.