交错级数的比值放大判别法

近年来,多种新的有效的交错级数敛散性判别法被提出.从正项级数的比值放大法入手,得出了交错级数的一种新的审敛准则,并将其推广到更一般的形式.最后通过实例表明新的判别法具有一定的应用价值.     

多重分形序列的可见图分析

可见图方法将多重分形时间序列映射为相应的网络,研究并对比了由不同机制产生的多重分形序列的非平凡特征,发现单分形时间序列的简单叠加得到的混合序列有多分形性质,对应的可见图是无尺度网络;而通过模型产生的多分形序列对应的可见图一般不具有无标度性质.为了辨别不同机制生成的多分形时间序列,小波分析和可见图必须联合运用才能识别这两种不同的分形结构,可见图算法作为传统时间序列分析方法的补充在揭示序列产生机制时具有重要的用途.     

二维零相关区周期互补序列偶及其理论界的研究

为了给通信系统提供更多的最佳离散信号,提出了一种新的最佳离散信号,即二维零相关区周期互补序列偶,研究了二维零相关区周期互补序列偶的变换性质,利用矩阵秩的不等式推导出了二维零相关区周期互补序列偶的理论界。基于循环左移算子,以缩小零相关区为代价,给出了一种扩展二维零相关区周期互补序列偶集的方法,该方法可以为通信系统提供大规模的信号集。     

ARIMA模型在股价预测上的应用及其傅里叶修正

ARIMA模型静态预测精确度较高,但是只能预测下一期的值,动态预测可以预测多期的值,但是不能很好的给出股价走势.现以股票价格走势为例,首先利用ARIMA模型动态的预测序列未来多期的值,再结合傅里叶级数预测法建立修正的预测模型,以得到较为准确的股价走势.     

带有时滞的非线性离散系统的持久性

研究了带有时滞的非线性离散系统,借助差分方程理论,通过比较定理和极限理论,获得了保证该系统永久持续生存的充分性条件。最后,举例说明了结果的可行性。     

水声传感器网络节点自定位的遗传算法优化研究

水声传感器网络节点自定位技术是传感器网络在海洋环境监测应用的基础。针对质心算法在随机分布中定位精度较低的缺点,采用信标节点与未知节点之间的距离作为约束,并对该约束采用泰勒级数方式展开;由此建立相应的数学模型,通过遗传算法对该模型进行优化;此外,根据信号传播特点,采用的是等高线传输模型。仿真结果表明,该方法能够实现水声传感器网络未知节点的有效定位。     

零序电流互感器的串联和并联

简要介绍了零序电流互感器的基本原理,对厂矿中普遍采用的6kV、10kV中性点不接地电缆供电系统同一出线使用多根电缆供电,在采用多个零序电流互感器进行保护时的连接方式进行了讨论,提出了最可靠、最合理的接线方式。     

融合自组织映射与Wang-Mendel方法的模糊规则提取

为解决经典Wang-Mendel方法提取模糊规则时得到的规则数目较多的问题,该文提出一个融合自组织映射(SOM)网络和Wang-Mendel方法的规则提取方案.利用SOM对原始样本进行学习,再使用Wang-Mendel方法从SOM的原型向量中提取规则.因为SOM的原型向量学习得到了原始样本的模式分布规律,并且原型向量的数量远小于原始学习样本的数量,所以该方法降低了提取的规则数目及耗费时间.有关混沌时间序列预测的实验结果表明了该文方法的有效性.     

离散线性周期切换系统的渐近稳定性

基于驻留时间的方法,分两种情况讨论了一类离散周期切换系统切换周期的设计问题,当切换系统中每个子系统都是Schur稳定时,给出了切换周期的最小下界求法;当切换系统中含有不稳定的子系统时,得出保证切换系统渐近稳定的一个充分条件.     

局域极端学习机及其在状态在线监测中的应用

针对训练样本贯序输入时的极端学习机(ELM)训练问题,提出一种可实现在线训练的局域极端学习机(LELM).LELM以逐次增样训练与减样训练的方式实现在线训练,从而有效保持了简约的模型结构,同时利用分块矩阵求逆引理有效减小了多次模型训练的计算代价.混沌时间序列在线预测仿真表明,LELM的在线训练时间远小于ELM,且预测精度更高.基于时间序列预测的雷达发射机状态在线监测实例表明,相比于利用粒子群优化的自适应灰色模型方法,LELM具有更高的计算效率与预测精度,适用于电子系统状态在线监测.