A polynomial smooth epsilon-support vector regression based on cubic spline interpolation

Regression analysis is often formulated as an optimization problem with squared loss functions.Facing the challenge of the selection of the proper function class with polynomial smooth techniques applied to support vector regression models,this study takes cubic spline interpolation to generate a new polynomial smooth function |x|_ε~2 in ε-insensitive support vector regression.Theoretical analysis shows that S_ε~2-function is better than p_ε~2-function in properties,and the approximation accuracy of the proposed smoothing function is two order higher than that of classical p_ε~2-function.The experimental data shows the efficiency of the new approach.     

三角网格模型五轴加工刀轴矢量调整及优化

为消除全局干涉,提出了一种基于K-D树及刀具离散的高效刀轴矢量调整算法.算法首先以有限个点离散表示刀具,然后利用K-D树快速查找刀具的可能干涉点,并在此基础上计算调整后的刀轴矢量.为避免过大的刀轴矢量突变,提出一种分角度区域方法优化刀轴矢量.实例验证表明:算法能够高效实现全局干涉避免及刀轴矢量优化.     

随机巨灾索赔相依风险模型的动态最优再保险

在索赔风险时变、相依条件下,建立随机巨灾的可调态再保险模型.在指明超额赔款再保险为最优分保形式的基础上,讨论并发现目标函数随自留巨灾风险水平的增大,在任意相依结构下均先减后增的变化定理,从而获得了自留向量的一般性显式表达式.根据巨灾风险的特征,还在一类特定的相依结构下,以自留风险的期望效用和方差为优化目标,对自留向量进行了更为明确的表示并给出具体示例.结果表明,随着巨灾风险相依强度的上升,分保的满意度降低,经营稳定性减弱,对保险公司的负面影响很大.此时,为实现客观风险下的分保目标最优,常规风险的自留水平应随之增大,体现了动态再保险的优越性.     

基于小波变换和支持向量机的心电信号ST段分类

摘要: 为完成ECG(Electrocardiogram)信号特征点提取, 并对ST 段分类, 提出了一种基于离散小波变换和支持向量机的ST 分类算法。首先对信号进行预处理, 完成噪声消除, QRS 波群检测和提取特征值; 然后计算ST段平均值、曲线面积和标准差, 并结合使用SVM(Support Vector Machine)对ST段进行分类。Matlab 仿真结果表
明, 小波去噪效果明显,ST 段未出现失真现象, 特征点提取完整。经MIT鄄BIT 数据库验证, 分类结果显示交叉验证准确率平均值为80. 70%, 训练准确率平均值为91. 83%, 测试准确率平均值为74. 28%。     

利用pGenesil-1.0构建人Dna2真核表达干扰载体

目的:构建人基因Dna2干扰(RNAi)的真核表达载体.方法:根据GenBank上人Dna2的cDNA序列设计并合成两条单链寡核苷酸,退火以后,插入质粒pGenesil-1.0多克隆位点的BamH I和Hind III之间进行重组,构建重组干扰载体,转化DH5α后测序鉴定出阳性菌株.重组质粒以脂质体法转染HeLa细胞,提取Dna2蛋白以免疫印迹法检验干扰效果.结果:设计的目的干扰序列5’-catagccagtagtattcgatg-3’可明显抑制Dna2在HeLa细胞的表达.结论:利用pGenesil-1.0构建的人Dna2干扰载体适用于该基因功能研究.     

产生式与判别式分类方法比较研究

分类是数据挖掘领域研究的热点,产生式与判别式是数据挖掘中两种不同的分类模型。产生式模型具有通用性、灵活性及清晰的分层结构,学习得到的模型很容易满足模型解释要求;判别式模型没有明显的对系统中变量的基本分布建模的企图,仅仅对输入到输出之间映射的最优化感兴趣,可以提供更好的分类性能。从准确率、建模时间及渐进误差等方面对产生式与判别式分类方法进行了分析与比较,为研究人员在分类模型的选择上提供了参考。     

通货膨胀与股票收益:需求冲击与供给冲击效应分解

将影响宏观经济波动的冲击分解为两类:供给冲击和需求冲击,并考察它们对通货膨胀和股票收益关系的影响.一个简化的理论模型表明,供给冲击导致通货膨胀与股票收益负相关,而需求冲击则导致通货膨胀与股票收益正相关;供给冲击下通货膨胀和价格水平都是逆经济周期的,而需求冲击下通货膨胀和价格水平则是顺经济周期的.以上结果也得到中国经验数据的支持.中国的经验还表明,短期股票收益动态更大程度上由供给冲击决定,而短期通货膨胀动态则主要由需求冲击决定.在总体或长期上,实际股票收益和通货膨胀呈现负相关关系,归因于两类冲击中供给冲击的效应占相对主导地位.     

一种参数自调整风电功率预测模型

为了提高风电功率预测精度,提出一种参数自调整风电功率预测模型.通过加权递推最小二乘(SWWRLS)方法建立预测模型,侧重当前数据对预测结果的影响,排除了历史数据对预测结果的干扰.模型通过加权递推的方法节省了存储空间,并且提高了模型对外界环境数据变化的自适应性.最后,分别采用支持向量机(SVM)方法、卡尔曼滤波(KF)方法和本文SWWRLS方法,以辽宁省某风电场的真实历史数据进行风电功率预测对比实验,实验结果表明,本文方法建立的模型具有较高的预测精度.     

基于用户移动行为相似性聚类的Markov位置预测

由于采集点丢失或出现新用户等原因,GPS轨迹数据往往具有稀疏性,使得基于单个用户数据的位置预测准确率较低.针对这种情况,提出了基于移动行为相似性和用户聚类的Markov位置预测方法.首先,基于Voronoi图和原始GPS轨迹进行区域划分,位置预测基于区域轨迹进行;其次,提出了同时考虑用户转移特性和用户区域特性的移动行为相似性计算方法;再次,根据移动行为相似性对用户进行聚类,并在聚类的用户组上采用一阶Markov模型进行位置预测,提高了位置预测的准确性.真实GPS轨迹数据上的实验表明了所提出方法的有效性.     

基于累积运动能量图像的人体动作识别

指出了动作识别中的最大困难是难以提取有效的特征来准确描述人体的动作,动作模板是众多方法中的一种简单有效的方法,用来描述动作特征的经典动作模板是运动历史图像.由于受噪声的干扰,用运动历史图像描述复杂环境下的人体动作并不十分理想.为了得到比运动历史图像更加有效的动作模板,提出了将视频序列中的运动能量信息用一张图描述出来,称之为累积运动能量图像,提取其直方图特征来表征人体动作.经You Tube数据集上的实验表明:该累积运动能量图像的识别率比同类方法高.