基于滚动时间窗的最小二乘支持向量机回归估计方法及仿真

提出了一种基于滚动时间窗的最小二乘支持向量机(LSSVM)回归估计方法．该方法构造了滚动时间窗，利用滚动时间窗内的数据优化建模．模型随着时间窗的滚动进行在线更新，并对滚动时间窗内的数据分配不同的权值以充分利用数据的信息．将基于滚动时间窗的LSSVM回归估计方法应用于软测量建模．进行轻柴油凝固点的预估．结果表明，该建模方法十分有效．     

利用支持向量机预测生物膜蛋白类型

利用统计学习理论中的支持向量机(SVM)，基于氨基酸组分含量预测生物膜蛋白类型。使用文献中2059个训练集和2625个检验集膜蛋白序列数据，运用统计预测中的校准检验，留一法交叉检验和独立数据集检验方法进行分类预测。结果表明，SVM对膜蛋白类型预测具有明显的优越性，该算法对当前已有方法起到重要的补充作用。     

局部凸拓扑向量空间中的向量变分不等式与集值优化

利用与仿射上导数相关的向量变分不等式的真有效性,对局部凸拓扑向量空间中的集值优化问题的Henig有效性、超有效性、锥超有效性等给出了一些充分、必要条件,从而推广了一些已知的相关结论.     

中国股票市场经济学实验分析

将经济系统的分析扩展到合作博弈领域内。引入经济学实验的方法，介绍了一次在合作博弈范畴内的经济学实验的过程及其主要结果。实验参与者的行为与理论预期存在着偏离，造成该差异的主要原因在于局中人对公平性的要求。通过引入Banzhaf-coleman势值的概念，将实验数据与Banzhaf-coleman势值及Shapley值对比，显示出实验结果与理论解有着较好的相容性。     

异步电机矢量控制系统动态仿真方法

介绍了应用高级语言结合图形化工具仿真动态研究异步电机矢量控制系统的方法.异步电机模型、采用矢量控制策略的变频器模型和通用机械负载模型在Simulink中建立并组合为完整的变频调速系统仿真模型.模型被转化嵌入到C 的主程序而得到可以进行全面、动态、可视化仿真的异步电机变频调速系统软件.测试结果表明该方法得到的仿真模型正确,软件功能多样,使用方便.     

光的偏振与光矢量的相位及其方向的关系研究

研究光在介质中传播时,相位和偏振方向的关系及相位对光矢量指向的影响,表明相位与偏振方向无关,相位的变化对光矢量指向的影响能用相关公式进行处理.     

基于半波编码的语音码本的设计

语音编码技术是语音信号处理中的关键技术之一，语音编码包括波形编码和参数编码以及混合编码3种方法．在对语音实验分析的基础上，提出一种语音波形编码的新方法——半波编码．较详细地阐述了浊音初始码本和码本的制作方法，并类推出清音和无声码本的制作．经实验证明，这是一种有效的语音码本的设计方法．     

Biochemical characterization of the protein encoded by rice osRACD gene

A recombinant plasmid pET-racd was first constructed by cloning osRACD,the development-regulating gene that controls photoperiod fertility transformation in the photoperiod sensitive genic male sterile rice Nongken 58S,into a prokaryote expression vector pET28a(+).It was then transformed into E.Coli BL-21.Cutting with thrombin of the fusion protein extracted from transformants and PAGE separation yielded pure osRACD protein,which was further concentrated using ultrafiltration and renatured using glutathione oxidation/reduction refolding system for later functional study.As demonstrated by in vitro functional assay,the osRACD protein expressed in E.Coli B-21 shows remarkable activity in binding GTP specifically and hydrolyzing it.     

An extended Lagrangian support vector machine for classifications

Lagrangian support vector machine (LSVM) cannot solve large problems for nonlinear kernel classifiers. In order to extend the LSVM to solve very large problems, an extended Lagrangian support vector machine (ELSVM) for classifications based on LSVM and SVMlight is presented in this paper. Our idea for the ELSVM is to divide a large quadratic programming problem into a series of subproblems with small size and to solve them via LSVM. Since the LSVM can solve small and medium problems for nonlinear kernel classifiers, the proposed ELSVM can be used to handle large problems very efficiently. Numerical experiments on different types of problems are performed to demonstrate the high efficiency of the ELSVM.     

粒子群算法中惯性权重的实验与分析

简要介绍了粒子群算法(PSO)，对算法中的重要参数惯性权重进行了系统的实验，分析了固定权重与时变权重的选择问题，并从问题依赖性、种群大小和拓扑结构等方面详细分析了惯性权重对于算法性能的影响．结果表明，惯性权重的问题依赖性较小，随着种群的增大，其取值应适当减小，局部版本下，惯性权重的选择具有更大的自由度．