不完备广义多尺度决策系统的逐步最优尺度选择

现有的最优尺度选择算法有可能无法得到全局最优尺度组合,且具有较高的时间和空间复杂度。针对该问题,提出了不完备广义多尺度决策系统的逐步最优尺度选择算法。介绍了不完备广义多尺度决策系统,给出了上下近似集的性质;采取属性约简与尺度选择同步优化策略,以得到全局最优尺度组合;给出了一个快速的求相容类方法,并提出了不完备广义多尺度决策系统的逐步最优尺度组合选择算法,该算法显著降低了时间复杂度与空间复杂度。数值实验表明所提出的算法是有效的。     

证券投资组合的解析算法

给出了证券组合模型, 在其使对称矩阵与对角矩阵合同的可逆阵的一般规律基础上, 推导出证券投资组合给合权数的解析表达式, 并给出实例验证.     

OBS网络中IP分组长度分布对业务流自相似性的影响

近年来,大量研究发现,网络流量呈现自相似性,自相似会导致数据分组延迟增大,丢包率增加,网络性能 恶化。着重论述了在OBS固定时间汇聚算法下,用于汇聚成突发数据分组的IP分组长度对业务流自相似影响的 问题。突发数据分组的汇聚算法是光突发交换的关键技术之一,其中,固定时间汇聚（FAP）算法可以平滑流量、降 低流量自相似性。用于汇聚成突发数据分组的IP分组,其自身长度对固定汇聚（FAP）算法的流量整形有一定影 响。仿真结果表明,存在最佳汇聚时间门限,能极大地降低业务流自相似程度,且最佳汇聚时间门限与IP分组长     

TD-SCDMA测试仪中Iub接口实现RLC层信令解码

为了更精确地完成TD-SCDMA测试仪中相关信令的解码测试工作,对TD-SCDMA系统的Uu接口RLC 层信令在Iub接口实现的解码进行了深入分析和研究,给出了RLC层的信令消息结构和流程,提出了”RLC解码的 一种算法,并且应用到TD-SCDMA测试仪中,经调试并实际测试后,得到了预期的良好效果。经过再改进,完全可 以满足市场需要。     

孪生组合恒等式(十六)--混合类型

孪生组合恒等式的混合类型简称孪生混合恒等式,这里每个恒等式中包含2种组合记号n与n,获得3组孪生混合恒等式.     

关于Bernoulli多项式与Euler多项式线性组合的积和式

讨论了Bernoulli多项式与Euler多项式线性组合的乘积问题,给出了一组关于Bernoulli 多项式与Euler多项式乘积和的恒等式及一个推论.     

供应链产品质量检查策略的比较研究

研究由一个供应商和一个零售商组成的供应链,建立存在质量不确定与检查错误下的报童模型,比较分析全检、抽检、分批抽检以及组合策略在分散式与集中式供应链中对零售商订购决策与质量控制效率的影响.结果表明,次品率的增加会降低零售商订购产品的动因,但会增加组合策略下零售商的订购量与利润,同时对集中式供应链中全检策略下的零售商有利;比较策略可知,在分散式供应链中,若次品率较低,则分批抽检策略最优,而随着次品率的提高,组合策略会更优,而在集中式供应链中,全检策略最优;此外零售商质量控制策略的选择受到检查精度、责任成本、次品率阈值、抽检数量以及分批次数等诸多因素的影响,最优策略不尽相同,但不会改变零售商利润随次品率变化的趋势.     

Does a lot help a lot? Forecasting stock returns with pooling strategies in a data‐rich environment

A variety of recent studies provide a skeptical view on the predictability of stock returns. Empirical evidence shows that most prediction models suffer from a loss of information, model uncertainty, and structural instability by relying on low‐dimensional information sets. In this study, we evaluate the predictive ability of various lately refined forecasting strategies, which handle these issues by incorporating information from many potential predictor variables simultaneously. We investigate whether forecasting strategies that (i) combine information and (ii) combine individual forecasts are useful to predict US stock returns, that is, the market excess return, size, value, and the momentum premium. Our results show that methods combining information have remarkable in‐sample predictive ability. However, the out‐of‐sample performance suffers from highly volatile forecast errors. Forecast combinations face a better bias–efficiency trade‐off, yielding a consistently superior forecast performance for the market excess return and the size premium even after the 1970s.     

虚拟装配环境体系结构的建模机制与分析设计

虚拟现实技术为产品开发带来了全新的人机界面和强大的功能,虚拟环境将虚拟现实技术与产品的设计、装配和分析紧密地结合在一起。但目前大多数面向产品开发的虚拟环境存在着通用性和可重用性等问题。本文给出了一个虚拟装配环境软件体系结构,该体系结构基于统一建模语言UML和离散事件系统形式化描述体系DEVS思想,采用面向对象、可重用技术对该系统进行了分析设计,实现了软件体系结构的可扩展性、可重用性和易维护性等。     

基于虚拟现实的产品公差分析

在阐述虚拟现实与虚拟装配技术内涵的基础上,重点论述了如何在虚拟现实环境下实现产品公差分析的方法以及对该技术应用前景的展望。