利率期限结构的样条估计模型及其实证研究

以B样条为基点，综合研究利率期限结构的样条估计模型，对多种样条模型进行理论推导和参数估计求解，并在此基础上做出实证比较分析。通过比较分析各个模型在利率曲线估计、债券定价和收益率估计等方面的实证结果，可以发现较少节点的三次样条模型是最为理想的。     

基于B样条对国债利率期限结构的实证研究

应用样条函数研究国债利率期限结构是近年来金融界研究的一个热点,本文使用B样条来研究中国国债市场的利率期限结构,在论文中,我们提出了使用删除学生化残差的方法剔出了里面一些可能存在错误定价的债券,通过样本内和样本外检验,得出B样条方法是切实可行的,并给出相应的即期利率曲线.     

抗差样条模型对我国国债利率期限结构的建模与实证

针对我国国债市场部分债券价格扭曲的情况,提出一种基于抗差估计的样条期限结构模型,来拟合我国国债利率期限结构.实证的结果表明,这种方法具有优良的样本内、样本外性质,并且对错误定价的债券有一定的甄别能力.     

向量空间模型在藏文文本信息检索中的应用

基于向量空间的信息检索模型VSM,以其简洁直观、检索结果和排序效果良好等优点,在信息检索领域得到普遍的应用。文章结合藏文文本的特点,研究VSM在藏文文本信息检索中的应用方法。     

基于自动编码器和长短时记忆网络的智能汽车故障诊断方法研究

智能汽车故障诊断技术对于保障智能汽车安全行驶具有重要意义,本文针对智能汽车传感器数据异常检测和车辆运动的异常检测提出了一系列故障诊断方法. 针对非时序传感器数据,采用基于超限学习框架的自动编码器,对正常数据进行特征压缩学习其特征表示,再利用压缩的特征重构数据,根据重构误差的大小判断数据是否异常. 针对时序传感器数据,采用多层长短时记忆网络学习时序数据之间的时间依赖关系来预测当下时刻的数据值,根据预测误差的大小判断数据是否异常. 提出一种阈值随误差大小动态变化的自适应阈值确定方法,使得决策变量对于异常值相对敏感. 进一步地,采用车辆自行车运动学模型和Kalman滤波,利用Jarque-Bera测试对预测值和量测值残差的正态性进行检验来检测车辆运动是否异常. 实际场地测试验证了本文所提出的方法可以有效检测非时序或时序传感器数据的异常,并对车辆运动是否异常进行检测.     

基于PULTS优先度的一致准则决策方法

针对准则权重未知的多准则群决策问题,提出了一种新的基于随机优势得到的优先度,在概率不确定语言术语集(Probabilistic Uncertain Linguistic Term Sets,PULTS)环境下,通过充分考虑决策者基于个人偏好对各个准则之间重要性给出的评价来确定准则权重,基于一致准则法提出的一个新的决策方...     

使用AVL数据的公交到站时间CEEMD-LSTM预测模型

准确的公交到站时间预测具有重要意义，但现实公交运行受突发路况影响，运行速度具有非平稳性，本文结合时序特征处理技术和深度学习，建立一种使用AVL数据预测公交到站时间的互补集合经验模态分解-长短期记忆神经网络模型。模型收集公交自动车辆定位数据，经预处理后引入互补集合经验模态分解平稳化公交运行速度，再借助Adam参数寻优后的长短期记忆神经网络对福州市303路公交某日早高峰公交到站时间进行预测。结果表明：优化的公交到站时间预测模型平均绝对误差比单一模型低了1.69min，预测精度高于长短期记忆神经网络模型和经验模态分解的到站时间预测模型，可有效地为安装车载自动车辆定位系统的公交线路预测公交到站时间提供参考。