Anti-aliasing nonstationary signals detecion algorithm based on interpolation in the frequency domain using the short time Fourier transform

To eliminate the aliasing that appeared during the measurement of multi-components nonstationary signals, a novel kind of anti-aliasing algorithm based on the short time Fourier transform （STFT） is brought forward. First the physical essence of aliasing that occurs is analyzed; second the interpolation algorithm model is setup based on the Hamming window; then the fast implementation of the algorithm using the Newton iteration method is given. Using the numerical simulation the feasibility of algorithm is validated. Finally, the electrical circuit experiment shows the practicality of the algorithm in the electrical engineering.     

基金分离定理的进一步研究

在以往研究基础上,以直观的方式讨论了有效集在非平凡生成情况下风险证券收益分布的特征,将Ross在允许卖空情况下的结论推广到不允许卖空但引入指数期货的情况,进一步说明了线性指数（因素）模型在基金分离、资本资产定价和资产配置决策中的关键性作用。     

引入指数期货的组合证券选择与基金分离定理

指标了指数期货的引入在扩展由于卖空限制所缩减的组合证券投资机会空间,从而提高风险置效率方面的作用,讨论了不允许卖空但引入指数期货情况下组合证券选择问题和证券组合空间的生成问题,推广了组合证券选择和基金理论的有关结果。     

基于调制谱超分辨重构的微多普勒参数估计

调制谱间隔是气动目标识别的重要特征,在雷达波形资源受限的情况下存在估计精度差且噪声鲁棒性弱的问题。针对此问题,利用稀疏迭代协方差谱估计方法进行调制谱超分辨,根据调制谱谱线等间隔的原理提出用基频组功率累积占比表征基频谱,进而实现基频的超分辨估计。基于甚高频波段雷达的仿真和实测数据分析证明了该方法抗噪能力强,且在相参积累时间大于1.5倍微动周期、调制谱折叠、重频参差等场景下均可有效提高调制谱间隔参数估计准确率。     

基于Web短消息服务的成绩管理系统设计

为使成绩管理系统更加灵活、便于使用,设计了基于Web短消息的成绩管理系统.首先确定该系统的功能为以Web的方式进行成绩录入和相关管理,以短消息的方式进行成绩发布和查询,然后分析了中国移动和中国联通的短信通信协议,设计了短信统一发送接口和统一接收接口,最后对这2个接口进行了实现.     

基于改进的朴素贝叶斯分类的手机垃圾短信识别研究

垃圾短信给人们的生活带来了越来越多的扰乱与不安,改革了传统的朴素贝叶斯分类模型,对垃圾短信进行识别过滤,实验表明该方法提高了准确率,具有较好的分类效果。     

"免疫系统"方法在系统级入侵检测中的应用

"免疫系统"方法是在研究了特权程序对应的系统调用短序列具有很强的稳定性的基础上提出的.一个基于"免疫系统"方法的 Linux 系统级入侵检测模型,并讨论了此入侵检测模型的实现技术.     

在不允许卖空市场条件下均值-方差投资者的最优时间一致性资产配置策略

时间非一致性亦称动态不一致性,就是上一期最优的决策到下一期不一定最优。考虑到我国股票市场不允许卖空的实际,在不允许卖空的市场条件下,研究均值-方差投资者的最优时间一致性资产配置策略,时间非一致性来源于目标函数中期望的平方项。由于在时间非一致性条件下,传统的HJB方程不再适用,故利用改进的HJB方程,借助两个关键引理,分别得到了在投资于无风险资产之外仅投资于一种风险资产和投资于多种风险资产两种不同情形下的最优资产配置策略、价值函数的解析解以及有效前沿。并且,经分析可知,最优资产配置策略暗含了两基金分离定理。最后,将所得结果与无卖空限制下的投资收益和风险水平进行了对比。     

基于改进卷积神经网络的短文本分类模型

基于卷积神经网络, 提出一种基于改进卷积神经网络的短文本分类模型. 首先, 采用不同编码方式将短文本映射到不同空间下的分布式表示, 提取不同粒度的数字特征作为短文本分类模型的多通道输入, 并根据标准知识库提取概念特征作为先验知识, 提高短文本的语义表征能力; 其次, 在全连接层增加自编码学习策略, 在近似恒等的基础上进一步组合数字特征, 模拟数据内部的关联性; 最后, 利用相对熵原理为模型增加稀疏性限制, 降低模型复杂度的同时提高模型的泛化能力. 通过对开源数据集进行短文本分类实验, 验证了模型的有效性.     

基于两重门限GARCH模型的短期负荷预测

针对负荷时间序列的非线性和波动性特征,在研究负荷时间序列波动性门限特征的基础上,引入冲量门限的概念,提出了一种基于两重门限GARCH模型的短期负荷预测新方法.利用条件极大似然估计方法,估计了模型参数.同时,考虑到负荷时间序列波动的厚尾效应,将模型推广为服从非高斯分布假设下的情形,建立了2种基于厚尾假设的两重门限GARC...