基于模式数量距离的时间序列相似性度量方法

针对时间序列数据特征表示和模式方法存在的局限性,提出基于模式数量距离的时间序列相似性度量方法.     

智慧家庭环境下的老人日常行为识别

为实现家庭环境下日常行为序列数据自动划分和日常行为识别,文章提出一种基于情景的序列自动划分方法,并基于自动划分的序列片段构建特征集合,使用支持向量机方法对日常行为进行建模。在序列分割方法中引入元素模式概念,有效减少行为理解上的歧义,寻找使前后缀序列相似度最低的传感器事件,得到接近实际情况的边界点集合。构建基于传感器互信息的特征集合。实验结果表明文章提出的方法能够有效地进行序列自动划分,基于元素模式构建的特征集合可以较好地表现行为特征。     

基于变化趋势相异性的金融时间序列函数聚类分析

针对函数数据聚类方法中基于序列数值模式测度相似性的聚类方法不考虑轨迹形状,而基于序列形状模式又忽略了序列数值所代表的相似信息和趋势信息,笔者提出一种对曲线之间对应里程碑出现的时间差异和所隐含的变化幅度差异的相异性测度法,据此将具有类似变化趋势的曲线聚为一类。运用该法对上证50指数的股票进行聚类分析,结果表明该聚类法能很好地测度曲线之间变化趋势的相异性,在高频金融时间序列的聚类分析中具有现实意义。     

数据挖掘在网络入侵检测系统中的应用研究

本文提出了一个基于数据挖掘技术的入侵检测系统，其中主要采用了时间序列模式挖掘方法——TFSE算法挖掘入侵模式。该系统实现了规则库的自动更新，极大地提高了系统的整体性能。     

基于决策树和支持向量机的金融时间序列预测方法

由于传统的金融时间序列预测方法无法有效识别不同领域时间序列的不同特征,从而导致了当前一些时间序列预测方法的不足,无法有效地指导实际研究。文章提出了一种改进的金融时间序列数据预测方法,该方法首先对采集到的数据进行预处理,利用决策树对时间序列进行特征抽取,并建立基于支持向量机的时间序列预测模型,最后对时间序列进行预测。实验结果表明,文章的方法能有效的降低预测模型的复杂度并提高预测精度。     

混沌经济时间序列的建模与系统识别

利用时间序列分析方法对混沌经济时间序列进行研究。通过介绍有关时间序列分析的理论及混沌时间序列的建模方法,阐述了混沌经济时间序列中非线性(混沌)信息的提取方法,并对系统进行混沌识别,讨论了混沌系统混沌临界点的区间确定问题。     

数据流频繁模式挖掘技术研究

数据流是一种潜在无限的、连续快速的、随时间不断变化的数据序列。数据流应用的出现,带动了相关技术的研究,其中包括数据流频繁模式挖掘的研究。文中介绍了数据流及频繁模式的基本概念,讨论了数据流频繁模式挖掘的相关技术,并对数据流的发展方向进行了展望。     

产学研合作利益分配的冲突分析

本文主要阐述了产学研合作利益分配的基本内容,建立了产学研合作利益冲突分析模型,给出了冲突各方的偏好序列并进行了个体稳定性分析,并对构建我国产学研合作模式提出了一些建议。     

在新的经济运行模式下强化工商行政管理初探

在社会主义初级阶段大力发展有计划商品经济的条件下,我国经济运行的模式已经问世,这就是“国家调节市场、市场引导企业”的经济运行模式。这一模式是经过几年改革实践的产物,它包括两个序列,即国家-市场-企业,企业-市场-国家。在第一个序列中,国家以市场为中介进行管理。在第二个序列中,企业是市场的主体,国家和市场要为企业的发展创造条件,使经济运行。因此,国家的管理是其有效地发挥作用的关键,而国家对经济的监督职能的有效发挥则是这个关键中的关键环节。在国家的监督职能中,工商行政管理是其重要组成部分,因而工商行政管理在这一模式中的地位、作用,无疑是人们注目的焦点。本文拟就对新的经济运行模式下强化工商行政管理问题进行探讨。     

使用拟蒙特卡罗模拟的欧式看涨期权的定价

传统蒙特卡罗模拟使用伪随机数序列 ,而拟蒙特卡罗模拟采用的是完全确定的拟随机数序列 (又称低差异数序列 )进行模拟。本文对比了低差异序列与伪随机数序列的统计特点 ,应用两种模拟方法对欧式期权的价格进行了模拟计算。实验结果显示拟蒙特卡罗模拟在计算精度高于传统蒙特卡罗模拟 ,并且计算速度也更快     

基于时间序列分析的黔西南州经济增长分析与预测--基于1978-2007年的黔西南州宏观经济数据

时间序列的预测方法有着广泛的应用背景,在解决经济发展,金融市场动态,气象预报和水文预报等领域的预测问题时,都可以利用时间序列的预测方法。结合黔西南的实际州情,本文采用EVIEWS统计软件及时间序列分析法对1978—2007年的黔西南州宏观经济数据进行了系统分析,构建了GDP序列的ARIMA模型,响应变量为GDP序列的ADL模型,对投资、消费对黔西南州经济增长的相互作用进行了实证研究,并预测黔西南州未来8年经济增长的变化趋势,相比之下组合模型在拟合和预测效果具有较高的可靠性、准确性和稳定性。通过对黔西南州的宏观经济动态模型ADL模型,我们掌握黔西南州的宏观经济系统的主要特征及其运行机制,GDP与投资、消费互相影响,互相促进;通过预测,我们了解和掌握了经济增长的变化趋势,能有效地对政策制定进行合理化建议。     

基于小波—神经网络的短期风速预测

采用小波变换和神经网络相结合的方法对风速进行短期预测.利用小波变换将信号分解成不同频段的子序列,各子序列单支重构后,利用神经网络分别建模预测,最后将各子序列的预测结果叠加得到最终的风速预测值.在神经网络学习过程中采用LM算法,有效提高了收敛速度,降低了陷入局部极小值的可能.通过实例分析,验证了该方法可以较为准确地预测风速.     

基于可见图的多重分形序列分析

可见图方法把多重分形时间序列映射为相应的网络,由于产生的网络继承了序列的一些重要性质,从而实现了通过可见图提取序列特征。     

基于协整方法的高等教育与经济增长关系的实证研究——以杭州市为例

文章搜集杭州市1978—2009年数据,运用经济计量方法,对杭州市经济增长与高等教育的时间序列进行了单位根检验,在确认两序列平稳的情况下,对两序列之间的关系进行了协整检验和Granger因果关系检验,得出结论:杭州高等教育发展对本地的经济发展起到了积极的促进作用,而经济增长却没有促进杭州高校在校生规模的扩大,两者未形成一个良性互动的关系。     

谱分析方法及其在经济周期研究中的应用——以美国经济周期波动(1930-2009)的谱分析为例

谱分析方法弥补了时域分析的不足,它把经济时间序列分解为具有不同振幅、相位和频率的数个周期分量的叠加,通过比较各周期分量的相对重要性,找出原序列中隐含的各个主要周期分量,从而为说明经济周期波动的内在机制、经济周期波动的监测预警及其对策研究提供依据。根据该方法确定的各主要周期长度值,还可建立周期波动序列的三角函数叠加拟合模型,并可通过该模型实现对经济波动的预测。本文介绍了谱分析方法的原理,并运用此方法对美国1930年至2009年间的经济周期进行了研究。     

北京市外国直接投资周期波动的特点分析

本文运用时间序列的HP滤波方法,对北京市外国直接投资序列数据进行趋势分离,得到了其周期波动的具体形态,并结合北京市乃至全国的宏观经济形势,对FDI的周期波动特点进行了详细的分析,对北京市今后吸引外资的方向和目标提供一个基本的参考.     

北京市外国直接投资周期波动的特点分析

本文运用时间序列的HP滤波方法,对北京市外国直接投资序列数据进行趋势分离,得到了其周期波动的具体形态,并结合北京市乃至全国的宏观经济形势,对FDI的周期波动特点进行了详细的分析,对北京市今后吸引外资的方向和目标提供一个基本的参考。     

经济混沌研究的非线性科学方法

本文根据混沌理论和分形理论,对经济混沌特征研究的非线性科学方法进行了必要的总结,具体包括经济序列时间分维的计算方法、关联维的计算方法、Lyapunov指数和Kolmogorov熵的计算方法以及R/S分析方法.在此基础上,对上述方法在经济序列混沌特征的非线性研究中的未来应用进行了必要的展望.     

对外直接投资结构层次系数和产业结构层次系数的关系

首先,对国内外部分相关理论进行了简单介绍。其次,借鉴了产业结构层次系数这一概念,并对其计算方法进行了改进,还创造了对外直接投资结构层次系数。再次,在此基础上用实证得出这两个系数序列都是二阶单整序列,并且存在协整关系。     

经验模态分析的发展及其在经济分析中的应用

本文从对经济领域非线性非平稳时间序列分析的述评出发,论述了传统时域和时频分析对非线性非平稳经济变量的局限性。在此基础上,本文系统性论证了经验模态分析与传统时域分析相结合以分析复杂经济变量的优越性,首次提出通过模态分解把线性时间序列分析拓展到非线性非平稳经济时间序列分析领域。更进一步,本文在对已有文献进行述评的基础上,首次确立了该方法在经济分析中的应用原则,并指明了进一步研究的重点和难点。