基于改进型BP算法的外债风险指标预测

利用人工神经网络进行时间序列预测是一种较新的方法,它具有不需建立复杂的数学模型以及非线性映射能力强等优点。采用动量法和学习率自适应调整的改进型BP算法对外债风险的各项指标进行了非线性时间序列的预测。仿真结果表明神经网络模型对外债风险的各项指标预测的结果是准确可靠的。     

基于连续谱特征提取的被动声纳目标识别技术

目标噪声特征提取和目标分类器设计是被动声纳目标识别系统的关键技术 .针对被动声纳目标识别 ,提出了一种新的连续谱特征提取方法 .此外 ,为了训练神经网络目标分类器 ,将遗传算法和 BP算法相结合 ,提出了一种新的自适应遗传 BP算法 .最后 ,对海上实录的三类目标噪声进行了分类识别 .实验结果表明 ,设计的被动声纳目标识别系统具有很好的分类效果     

一种基于小波变换的矢量量化算法

提出了一种基于波变换的矢量量化逄法，算法利用小波变换后各子带间的相关性，合理地构造矢量。采用最优矢量量化器设计原则，给出了小波域的误差竞争学习算法（DCL）。实验表明，这种算法获得的码本优于其它几种算法。     

多阶段均值-绝对偏差投资组合优化研究

建立了具有交易成本和交易量限制的多阶段均值-绝对偏差投资组合模型,并利用离散近似迭代法对其进行求解.离散近似迭代法的基本思路是:将连续型状态变量离散化,根据网络图的构造方法将组合模型转化为多阶段赋权有向图;运用极大代数求出起点至终点的最长路程,获得模型的一个可行解;以可行解为基础,继续迭代直至前后两个可行解非常接近.证明了离散近似迭代法的收敛性、复杂性和线性收敛,并通过实证验证了其算法的有效性.     

TRP激光陀螺温度控制系统的参数辨识

针对全反射棱镜式激光陀螺腔长控制系统的特殊性及其模型参数辨识的必要性，给出TRP激光陀螺温度控制系统的数学模型，并基于最小二乘法从理论上分析推导出3种新型参数辨识法：直接辨识算法、辅助变量法和递推算法。指出3种参数辨识法各自的优缺点及适用场合，并用具体实例证明了该辨识算法的正确性和实用性。     

蚁群算法在WTA中的应用与研究

WTA问题是现代战争中指挥决策最为关键的一个问题,传统的算法无法解决目标数目较多的WTA问题,必须对算法进行改进、优化,甚至提出新的算法以求解WTA问题,随着科学技术的进步,蚁群算法的出现为WTA问题的求解带来了崭新的手段以及解题思路,在WTA问题的研究领域获得了广泛的应用。     

基于密度聚类的模糊神经网络和CHP分解过程建模

针对基于样本数据的复杂系统建模问题,提出了基于密度聚类的模糊神经网络(DFNN)的建模方法,研究了利用密度聚类原理提取数据样本的内在规则的理论和方法,提取的规则能较好地反映样本数据输入输出的对应联系,根据提取的规则给出了模糊神经网络的模型结构.本文以化工生产过程过氧化氢异丙苯(CHP)分解反应过程为对象进行仿真建模,结果显示在模型精度和可靠性上均优于基于c均值聚类提取规则的模糊神经网络模型(CFNN).     

有序分布式正三角形小区结构的功控算法和中断容量分析

正确选择小区内部的分布式天线模块可以提高覆盖区的通信质量,如果各分布式天线模块之间没有能量协作,也即每个天线模块都有自己的功率限制,那么天线模块的覆盖范围会小于只有和功率限制的天线模块的覆盖范围.综合考虑分布式天线模块选择和天线模块的功率限制,提出了一种正三角形小区通信系统(triangular cellular communication system, TCCS)和相应的下行功率控制策略.基于多小区环境和单用户系统的假设,研究了TCCS的中断容量.仿真实验表明,TCCS在小区的不同部分都具有平坦的容量分布.实验数值分析进一步说明,即使各天线模块都有功率限制,TCCS仍然可以增大覆盖面积,并且TCCS的容量高于使用传统分布式功控策略系统.     

分数傅里叶变换离散化（DFRFT）算法和应用研究

分数傅里叶变换是传统傅里叶变换的发展和推广,在信息处理中有非常广泛的应用。文章对已发展的四种分数傅里叶变换离散化算法进行了系统的归纳和总结,重点比较了几种算法的优缺点,指出了适用范围,并对其中三种主要方法给出了计算机模拟结果;在此基础上,用解啁秋法对chirp信号进行了检测和滤波,并给出了仿真结果。     

一种改进的Gardner定时恢复算法研究

为了提高基于Gardner算法的定时同步系统的性能,采用Matlab和Simulink对该算法进行建模和仿真,针对定时同步环路中能够影响环路等效带宽的环路滤波器,提出了一种在定时同步的捕获和跟踪阶段具有不同等效带宽的环路滤波器结构,从而在缩短定时捕获时间的同时提高了跟踪阶段的同步精度（即减小了定时抖动）。通过与经典Gardner定时恢复算法的对比分析,验证了该结构的有效性。