基于Logistic回归的股价上涨概率预测研究

将Logistic回归应用在多因子模型时,模型可利用反映股票涨跌信息的因子与股票收益率的历史数据实现Logistic回归对未来股价上涨概率的预测。实证分析结果显示,2012—2018年运用Logistic回归筛选出的大概率上涨的股票组合可获得较高的平均收益率、胜率和夏普比率,Logistic回归在沪深市场上可成功发挥其对股价上涨概率的预测功能。     

区域多任务安全隐患排除的机器人调度策略

针对灰狼优化算法易陷入局部最优且单一算法不易解决障碍物空间多机器人隐患搜排的调度问题，提出了一种分步引导式多机器人安全隐患协同排除调度策略。首先引入非线性收敛因子调整策略和静态加权平均权重策略改进灰狼优化算法以避免算法陷入局部最优；随后通过改进的灰狼优化算法先后两次求解遍历顺序，引导机器人规划搜索路径与排除隐患点路径；最后在领航者-跟随者模型的基础上多机器人编队与队形变换避障，逐一到达隐患点位置实现多机器人的调度策略。通过国际通用6个基准函数进行测试，改进的灰狼优化算法在收敛速度、搜索精度及稳定性上均有明显提高，验证了区域多任务安全隐患排除的分步引导式多机器人协同调度策略的有效性。     

结合新型模糊支持向量机和证据理论的多传感器水质数据融合

在多传感器水质数据融合领域，证据理论是有效的数据融合方法之一，但基本概率分配一般不易确定，从而使数据融合能力难以有效发挥。支持向量机是统计学习理论之上的高级分类算法，具有普适性和全局优化等特点，但输出的基本概率分配有待进一步提高。提出了一种基于证据理论和新型模糊支持向量机相结合的数据融合方法，通过建立基于分类超平面距离的模糊隶属度，训练模糊支持向量机提高传统支持向量机的基本概率分配，并结合证据理论进行海河水质数据融合。通过证据理论分别结合支持向量机和模糊综合评价法与上述方法进行对比实验，经精度、平均绝对百分误差、均方根误差等指标验证，精度提高10.5%，表明所提方法是一种可靠的多传感器的水质融合方法，较其他方法具有更高的融合精度。     

空间信息传输中的多天线技术综述

近年来，空间信息传输中的多天线技术得到了广泛关注和大量研究。首先介绍了多天线技术的信息论基础和演进过程；然后综述了多天线通信和雷达技术的研究进展，包括多输入多输出(Multiple-Input Multiple-Output,MIMO)卫星通信技术、深空天线组阵技术、空间多维协同传输理论与技术、MIMO雷达技术和分布式孔径相参合成雷达技术，分析了其中的关键技术及未来可研究的方向；最后，总结了多天线技术在航天测控领域应用的优势，展望了基于多天线的测控技术。     

一种利用机器学习优化MIMO窃听信道天线选择的方法

为保障多输入多输出窃听信道系统中信息传输的保密性，提出了一种基于机器学习的天线选择方案。首先利用机器学习解决分类问题准确率高、处理大数据高效这一优势，设计了基于奇异值分解的特征值提取、基于信干噪比的标签赋值方案，建立了k最近邻分类器和逻辑回归分类器选择最优天线最大化保密性能（可达保密速率和保密中断概率）。与传统天线选择方案相比，所提方案获得了几乎一致的保密性能，并且大幅降低了系统的选择复杂度和误比特率。     

基于球谐变换的无人机蜂群RCS快速分析算法

为了获取目标的雷达截面积(Radar Cross Section,RCS)，传统的方法是采用矩量法（Method of Moment,MOM）或多层快速多极子方法(Multi-level Fast Multipole Algorithm,MLFMA)，尽管对目标的RCS计算精确，但其要求计算机的存储量大且计算耗时。而对于由上百成千个小型无人机组成的无人机蜂群而言，若采用上述方法来计算其RCS，计算量巨大，甚至无法计算。针对上述问题，提出了采用球面波展开技术与球谐变换相结合的方法来提升对无人机蜂群RCS的仿真效率，其关键技术是通过改变球谐函数中的求和次序，利用快速傅里叶变换来计算偏心球面上离散点的电场分布。数值实例表明,相比于高精度的MLFMA，所提方法获取蜂群无人机RCS的结果与其吻合良好，但对计算机内存的需求远远小于MLFMA，且随着无人机数量的增加，其计算速度可提升几个数量级。     

农户理财行为偏好研究——基于浙江省的调查

本文通过对浙江农户理财行为偏好及其影响因素的调查,建立多项Logistic模型,在主成分分析法与变量剔除法两个估计的基础上,研究浙江农户理财行为偏好的主要影响因素、影响方向与影响程度,并提出相关对策建议。     

利用相位差变化趋势的多源信号关联

针对多源信号关联难度大、关联准确率低的问题，利用同一目标平台上搭载的多个辐射源信号具有一致的动态变化趋势这一特点，提出一种利用相位差特征的多源信号关联方法。已知阵列形式和侦测点位置，通过对侦收到的多个辐射源信号进行处理，获取相位差信息并累积形成相位差变化趋势；对比提取疑似相似段，根据相似性判决策略进行有效关联。该方法能有效避免不同传感器对位置测量的误差影响，相比传统基于位置信息关联的方法，能有效提升关联准确率。仿真和实测数据分析证明了该方法的有效性，在阵列形式和侦测点位置已知的条件下该方法具有重要工程意义。     

利用改进特征金字塔模型的SAR图像多目标船舶检测

深度学习模型中的特征金字塔网络（Feature Pyramid Network，FPN）常被用作合成孔径雷达（Synthetic Aperture Radar，SAR）图像中多目标船舶的检测。针对复杂场景下多目标船舶检测问题，提出了一种基于改进锚点框的FPN模型。首先将特征金字塔模型嵌入传统的RPN（Region Proposal Network）并映射成新的特征空间用于目标检测，然后利用基于形状相似度距离（Shape Similar Distance,SSD）度量的Kmeans聚类算法优化FPN的初始锚点框，并使用SAR船舶数据集测试。实验结果表明，所提算法目标检测精确率达到98.62%，在复杂场景下与YOLO、Faster RCNN、FPN based on VGG/ResNet等模型进行对比，模型准确率提高，整体性能更好。