基于博弈论的自适应波束成形算法

针对自适应波束成形算法中用户之间的动态相互干扰,提出了一种基于博弈论的自适应波束成形算法,构建了波束成形博弈算法数学模型。该算法将不同用户的发射权值调整描述为一个多用户的博弈过程,通过数学推导论证了基于博弈论的自适应波束成形算法纳什平衡点的存在性和唯一性,设计了收敛的发射权值更新算法。通过仿真实验验证了算法的性能以及讨论了代价因子、可调参数和收敛精度等参数对算法的影响。     

TDMA体制下的移动自组织网时隙同步方法

在TDMA体制下的移动网状自组织网络中,为了解决网络时隙同步问题,提出了一种不依赖GPS授时的网络时隙互同步算法。各节点通过计算相邻节点的时隙偏差,通过加权计算并调整本节点的时隙位置,使网内各节点的时隙起始都调整到同一位置上,达到时隙的互同步。通过仿真和实验,分析并验证了移动自组织网络时隙互同步的收敛性能和抗干扰性能。     

有色噪声环境下的跳频盲多用户检测算法

高阶累积量是抑制有色噪声的一个有效方法。通过分析跳频多址信号,提出了高斯有色噪声背景下的一种基于峭度的跳频盲多用户检测算法,它几乎不需要任何关于有色噪声的先验信息。仿真结果表明,该多用户检测算法收敛速度快,输出信干比较高。抗多址能力大大优于传统的子空间算法。     

加速寿命试验中多应力加速模型综述

针对加速寿命试验发展的瓶颈问题——加速模型的确定,将国际上已提出的具有代表性的多应力加速模型进行了具体介绍和分析。从模型提出的方法及其适用性出发,特别讨论了Fallou等人提出的适用于电子绝缘器件的各种温度电应力加速模型,以及由美国马里兰大学Barker等人提出的适用于简单印制电路板的温度振动应力加速模型。最后通过各种模型的对比以及模型与实际情况间差距的分析,指出了现有多应力加速模型存在的缺陷及其发展趋势。     

基于位置关系约束的SAR图像与光学图像匹配

SAR图像与光学图像有较大差异,为实现SAR图像与光学图像的匹配,提出了一种新的多子区SAR景象匹配算法。算法依据SAR图像噪声特性,提出了用于SAR图像边缘提取的基于小波包变换的改进断面检测法。匹配中将实时图分为多个子区,由子区灰度标准差和频谱直方图判别其可匹配性,用各子区位置分布关系约束匹配结果。匹配搜索策略为基于提升小波的金字塔分层搜索。用SPOT-5卫星光学基准图进行了大样本实验,实验结果表明了该方法是一种有效的图像匹配方法,具有鲁棒性,并且与中心点匹配方法相比,能为飞行器定位提供更多有效信息。     

不完全信息下的群体多属性决策方法

针对群体多属性决策问题,提出一种新的不完全信息下的群体多属性决策方法。该方法假设方案在主观评价属性下的评价值采用区间数的形式来表示专家评价值的不确定性和模糊性。针对每一主观评价属性设定一组与之对应的专家重要性权重值,反映决策者在不同评价属性中的重要性程度,同时考虑到专家评价值的相似度,将专家评价值进行集结得到专家群体关于方案集的决策矩阵。计算各方案与理想方案的相似度,并以此对方案进行优劣排序。通过实例说明所提方法的可行性。     

烟台地区水面蒸发量主成分分析法研究

考虑到水面蒸发气象影响因子之间普遍存在显著相关,若应用所有气象因子建立水面蒸发量计算模型则存在信息重叠问题,而主成分分析方法可以解决该问题。烟台地区水面蒸发气象影响因子的主成分分析表明,前3个主成分累计贡献率已达88.32%,故提取3个主成分已能满足要求。第1主成分代表空气冷热状况;第2主成分代表空气动力状况;第3主成分代表太阳辐射。利用3个主成分建立三元一次回归方程,并与应用所有气象影响因子建立的多元线性回归方程相比较,结果显示,主成分分析方法建立的回归方程的偏回归系数均通过t检验,达到极显著水平,多元线性回归方程,虽拟合效果稍优于主成分分析方法,但偏回归系数b3未通过t检验,系数显著性水平不如主成分分析法。图3,表7,参8。     

带转运中心的车辆组合运输问题的模型与算法

主要研究两类带有转运中心的车辆组合运输问题.一类是多期单产品的物流问题,一类是单期多产品的物流问题.建立了研究的两类物流系统的数学模型与算法,并通过算例对模型和算法进行了验证.主要应用动态规划方法、结合两阶段法与分支定界法的混合算法,使程序运行效率和解的满意性都得到很大提高.     

多输入多输出问题效率的影响因素分析方法

为挖掘多输出多输出问题相对有效性的关键影响因素,达到控制与管理的这些主要因素能够有效提高其相对有效性的目的,根据多输出多输出问题的DEA效率指标因素与各指标因素之间的灰色关联度大小,确定多输入多输出问题效率的关键影响因素,并通过案例证实该方法的有效性和可行性.     

A multiple intelligent agent system for credit risk prediction via an optimization of localized generalization error with diversity

Company bankruptcies cost billions of dollars in losses to banks each year. Thus credit risk prediction is a critical part of a bank＇s loan approval decision process. Traditional financial models for credit risk prediction are no longer adequate for describing today＇s complex relationship between the financial health and potential bankruptcy of a company. In this work, a multiple classifier system （embedded in a multiple intelligent agent system） is proposed to predict the financial health of a company. In our model, each individual agent （classifier） makes a prediction on the likelihood of credit risk based on only partial information of the company. Each of the agents is an expert, but has limited knowledge （represented by features） about the company. The decisions of all agents are combined together to form a final credit risk prediction. Experiments show that our model out-performs other existing methods using the benchmarking Compustat American Corporations dataset.