A Time‐Simultaneous Prediction Box for a Multivariate Time Series

A sample‐based method in Kolsrud (Journal of Forecasting 2007; 26 (3): 171–188) for the construction of a time‐simultaneous prediction band for a univariate time series is extended to produce a variable‐ and time‐simultaneous prediction box for a multivariate time series. A measure of distance based on the L_∞ ‐norm is applied to a learning sample of multivariate time trajectories, which can be mean‐ and/or variance‐nonstationary. Based on the ranking of distances to the centre of the sample, a subsample of the most central multivariate trajectories is selected. A prediction box is constructed by circumscribing the subsample with a hyperrectangle. The fraction of central trajectories selected into the subsample can be calibrated by bootstrap such that the expected coverage of the box equals a prescribed nominal level. The method is related to the concept of data depth, and thence modified to increase coverage. Applications to simulated and empirical data illustrate the method, which is also compared to several other methods in the literature adapted to the multivariate setting. Copyright © 2015 John Wiley & Sons, Ltd.     

南淝河水环境质量的改进密切值法综合评价

密切值法是多目标决策中的一种优选法,它适用于多测点、多指标的质量评价;水环境是一个多因素、多因子的复合体,因此可以用密切值法来进行评价。文章对合肥市南淝河水环境质量用密切值法进行了综合评价,评价项目取该河14个监测点的主要污染物CODcr、TP及NH3-N等3项监测指标作为评价因子,得出了评价结果并对污染程度进行了排序;与向量模评价法进行比较,结果表明该方法切实可行。     

基于多剪枝格的频繁项集表示与挖掘

文章在研究基于剪枝概念格的频繁项集表示的基础上,提出了基于多剪枝概念格模型的频繁项集表示与挖掘方法。该方法在多剪枝格基础上进行导出频繁项集的合并,进而获得全局频繁项集,有效地降低了频繁项集表示的规模;理论分析和实验结果表明,该方法能获得满足用户要求的近似所有全局频繁项集。     

基于案例库维护的案例推理分类技术

分类是数据处理和数据挖掘的重要任务之一,文章在建立案例推理分类器之前,先利用相似粗糙集进行案例属性的约简,再利用基于案例分类的删除技术进行案例库的维护操作;不仅减少案例的存储空间,也大大提高分类的精确度;实验结果表明,相比传统的案例推理分类器和神经网络分类器,该分类器在分类精度和速度上都有一定的优势。     

数据挖掘技术在零售业中的应用

利用数据挖掘(DM)技术,从零售业的各种应用系统中采集数据,经条件分类,放到数据仓库里,进行数据多维度加工,最终透过数据找出人与物间的规律,从而更好地为客户提供服务.最后还谈到了数据挖掘在零售业中应用的广阔前景.     

反计算机取证技术研究

分析了反计算机取证的基本概念和方法,比较了反计算机取证所采用的数据擦除、数据加密、数据隐藏、数据混淆和数据转换等主要技术,并提出了一种安全、高效的基于m序列的数据擦除方法.     

半导体晶圆节能分布式制造与预维护联合优化

针对半导体晶圆节能分布式制造与预维护联合优化问题,构建了同时考虑制造阶段和检测修复阶段,以最小化最大完工时间、总碳排放和总预维护成本为优化目标的两阶段绿色调度模型,提出了改进的混合多目标灰狼优化(improved hybrid multi-objective grey wolf optimization,IHMGWO)算法,设计了工厂分配策略、机器分配策略以及考虑维修工人柔性的同步调度维护策略的解码方案。通过设计初始化种群融合策略、捕食行为搜索策略、子种群变异策略,提高了算法的寻优性能。360个测试算例的对比实验表明,所提出的IHMGWO算法针对SP指标能够实现大部分占优,针对IGD和Ω指标能够实现全部占优,对于解决该类问题具有显著的优势和竞争力。     

基于HMM的多维数据下扶贫对象状态预测

针对扶贫领域中贫困、脱贫和返贫状态预测不准确,影响状态变迁的关键因素难以识别的问题,从扶贫基础数据和多个行业数据中提取8个关键特征和22个观测状态,构建观察状态和隐含状态关联关系,建立扶贫对象状态预测隐马尔可夫模型(hidden markov model,HMM)。以某深度贫困县连续3年的数据为样本,进行参数训练、测试实验和结果验证,结果表明该方法对返贫、贫困和脱贫状态有较强的预测能力,误差率较低,且能准确识别出影响返贫的关键要素。该方法对指导精准扶贫工作具有非常重要的实际意义。     

基于无线传输的智能小区门禁系统设计

设计了基于无线传输的智能小区门禁系统,介绍了系统的读卡模块、无线数据传输模块、液晶显示模块、随机密码键盘模块。设计了以大容量串行e-Flash MM36SB020为载体的16×16点阵字库。针对数据传输中易出现的网络冲突问题,在通信协议中提出了随机延时的解决方案。     

基于模糊点数据的线性回归分析

在经典回归分析理论中,假定训练数据是独立同分布的随机样本,并且在回归方程的构建中是同等对待的.然而,在许多实际问题中,训练数据的作用是不同的;通常有些训练数据比其它数据可能更为重要,因而不同的训练数据对曲线拟合的贡献应该不同.人们要求重要的训练数据对曲线拟合做出更大的贡献.实现这一目标的策略是给每个训练数据赋予一个置信权重并且重新推导了经典的最小二乘回归方法,分析了它们的统计性质.受文[1]的启发,将这里的样本称为模糊点样本数据.