基于GPD的稳健贝叶斯压缩感知ISAR成像方法

现有贝叶斯压缩感知（Bayesian Compressed Sensing,BCS）-逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)成像算法中先验分布模型不能很好地满足可压缩性,导致成像精度随脉冲数目的减小、高斯噪声的增强而急剧下降。为此,提出了一种基于广义Pareto分布改进BCS成像方法(Improving BCS imaging based on GPD,IGPCS)。该方法主要在BCS框架下利用广义Pareto先验分布替代传统的广义Gaussian先验分布,以增强模拟信号的稀疏先验和可压缩性。进一步地,为了克服后验概率模型计算困难等问题,采用最大后验（Maximum A Posteriori,MAP）方法对超参数进行估计。通过对Mig-25小型飞机的ISAR模拟实验表明,与传统方法相比,IGPCS方法能够获取极高的成像精度,并且对低脉冲数、强高斯噪声环境具有较强的鲁棒性。     

基于改进多属性群决策的国有企业经营者选择研究

国有企业经营者选择机制与方法的转变是国有企业改革的重点之一,针对经营者选择的研究多集中在定性分析。在经营者能力信号传递研究基础上,引入针对企业自身特点的能力评价指标,通过权重模糊差异对能力评价指标权重进行修正,利用改进多属性群决策方法对候选经营者进行能力评估与选择,并通过一个实例演示该方法的决策过程。     

资产计量属性的选择

新的《企业会计准则》全面引入历史成本、重置成本、可变现净值、现值和公允价值五种计量属性,实现了计量基础的多元化。资产计量属性的选择必须综合考虑计量目的、计量对象和计量环境等因素。     

基于品牌属性的网络消费者手机品牌选择模型

本文基于属性因素,构建了网络消费者手机品牌选择的二元LOGIT模型,鉴别出影响消费者手机品牌选择行为的属性因素,最后给出相应营销建议.     

贝叶斯下的市场风险资产损失计量

目前VaR模型是国际上通行的综合衡量和管理风险的计量技术,但当分布是非正态分布或是不连续的时候VaR就没有稳定性。在应用VaR以及CVaR的基本原理,利用具有尖峰后尾特征的对数正态分布并结合贝叶斯风险,对参数通过先验分布和后验分布进行修正得到市场风险资产CVaR以及VaR的计算公式,对其进行比较分析,将其与pareto分布下的市场风险VaR值进行比较。研究表明:对数正态分布下市场风险资产的损失率比损失率呈pareto分布的风险损失显现出更好的拟合特征,能够描述市场风险资产的随机性最大损失,以及CvaR计量下的市场风险资产损失比VaR计量下的有更好的尾部特征,更加符合风险的充分性。     

固定资产的会计计量属性选择

本文就企业固定资产计量属性选择这一关键问题,构建了会计要素计量的一般模式,讨论并建立了会计计量模式应用的标准,对固定资产的取得、持有和处置三个计量环节搭建了混合计量模式,然后讨论了固定资产会计计量属性选择的后果,形成了"计量模式—计量标准—属性选择—规范应用—后果检验"的逻辑体系,为企业遵从《固定资产》(第4号准则),正确选用会计计量属性提供参考。     

论合作社法的法律属性

科学界定合作社的法律属性是界定合作社法的法律属性的前提,合作社法的法律属性就是探讨该法的本质属性和功能,以及该法应归属于何种部门法的问题。随着合作社的发展,合作社已不再是传统的非营利组织,而转变为营利性组织。同时,结合合作社的特性,合作社应定位为互益性营利组织。影响合作社法法律属性的因素有合作社关系、合作社法的调整对象、合作社法的法益目标和合作社法责任。从这四个方面分析,合作社法的法律属性应定位为经济法。     

会计计量属性选择使财务报表完善的探讨

财务报表是把会计信息传递给企业外部利益相关者的主要手段,财务报表的基本价值就在于为报表使用者提供有用和相关的信息,使之能够在此基础上作出相应的决策。     

多属性决策在供应商选择中的应用——基于层次分析法

在市场竞争日益激烈的今天,供应商的选择对于企业而言显得越来越重要,如何结合企业自身的情况,以成本最小和利益最大为目标,在现有的供应商中选出最佳的供应商,层次分析法为供应商的选择提供了一种科学依据和方法。层次分析法用于多属性多目标的决策中,并结合了定性与定量分析,根据供应商决策所要考虑的因素建立层次模型,在根据对属性的评价列出成对比较矩阵,将复杂的决策模型简单化,最后得到不同供应商的权值,选出权值最高的供应商即为最优的供应商。     

Using an ensemble classifier based on sequential floating forward selection for financial distress prediction problem

Financial distress prediction (FDP) is a significant issue investigated by researchers, credit institutions and banks. Although extensive research has been conducted in this area, applications of combined feature selection (FS) methods and classification models are subjects that have been addressed intensely in recent years. One of the most important issues in the FDP problem is to employ an effective FS algorithm, leading to an acceptable level of performance accuracy in the implementation stage. Hence, this study primarily attempted to introduce a precise FS model and compared the obtained results with those of other conventional models tackling FDP in terms of accuracy. The proposed method involved the sequential floating forward selection (SFFS) algorithm applied as a wrapper FS technique to determine the best subset of features. At the classification stage, the support vector machine (SVM), owing to its good performance, demonstrated in numerous studies, in solving classification problems, was deployed. The performance of the proposed method was compared with those of other current well-known FS methods including artificial bee colony (ABC), genetic algorithm (GA) and sequential forward selection (SFS) (all of which are categorized under wrapper methods), and principal component analysis (PCA), relief and information gain (IG) (best known as filter techniques) for our given datasets. The results indicated that a combined model of SVM based on the SFFS approach can yield greater accuracy than the other methods applied for our defined domestic and foreign datasets. Therefore, the SFFS-SVM ensemble classifier can be considered a promising addition to existent models when confronting the FDP issue.     

基于议价博弈论的无线协作中继网络性能改进算法

针对自私性无线协作中继(CR)网络中的放大再中继(AF)和解码再中继(DF)协议,分别给出 公平且有效率的协作中继功率分配方案。两种方案虽然具体研究内容有差别,但有着共同 的研究策略。首先,将节点间的协作功率选择问题建模为纳什议价博弈问题(NBP);然后, 通过求取其纳什议价解(NBS)获得协作节点的共赢策略;最后,针对AF和DF协议分别给出计 算机仿真。仿真结果表明,所提出协作中继性能改进算法的效率性体现在所有协作节点在AF 和DF协议中均获得信号接收质量的提高,其公平性则体现在任意节点为其协作伙伴所贡献的 转发功率大小仅取决于对方为其带来的性能增益大小。     

基于多臂赌博机模型的信道选择

在择机频谱接入系统中,为解决未知信道环境先验知识下的信道选择问题,提出了一种基于多臂赌博机(MAB)模型的改进UCB(Upper Confidence Bound) 索引选择策略。该策略是通过在UCB索引的置信因子中引入收益方差值来调整对未知信道环境的探索过程,以降低探索成本。结合理论证明了本策略有较快的收敛速度,还证明了本策略下的学习后悔值曲线与时隙呈近似对数关系而较缓慢增长。仿真结果表明,与原UCB策略以及贪心算法相比,所提策略更能自适应地选择可用性较好的信道,有效降低学习后悔值并加快其收敛速度,从而提高了系统吞吐量。     

利用互信息进行网络异常检测的熵特征优选

首先讨论了传统流量统计分析的缺点,指出熵分析能够反映更多潜在的信息,发现传 统流量统计分析不能发现的网络异常。其次,讨论了流量熵和计数熵的不同,指出两者应该 配合使用,不能如现有研究中一样片面地使用其中一种。最后,用互信息法分析了两种熵的 常用特征,实验发现两者分别呈现冗余状态,在剔除冗余之后检测的效率有明显提高,且不 失检测准确率。     

基于双谱特征的超宽带雷达人体目标识别

为了在人体微多普勒特征不明显条件下识别静态人体目标及人体姿态,提出了一种结合双谱对角线起伏特性与目标强散射点分布特征进行人体目标识别的方法。首先,通过分析静态人体目标双谱,提取双谱对角线起伏特性作为分类特征,降低了双谱数据的维数,减少了双谱特征冗余。然后,结合目标强散射点分布特征从不同角度描述目标,并构造用于目标识别的特征向量。最后,用支持向量机实现目标识别。仿真和实测结果均表明,双谱对角线起伏特性与目标强散射点分布特征融合的方法可以有效识别出静态人体目标并且实现人体姿态识别。     

一种基于时序特征匹配的信号配对方法

针对协同问答模式下无线电信号配对关系分析的需求,提出了一种基于信号时间序列匹配的询问应答信号配对方法。该方法提取侦察传感器获取的信号模式、到达时间、节点位置等参数,反向推算信号发射时间序列,通过时序匹配算法对询问和应答信号进行准确配对,从而提取节点间问答关系。计算机仿真验证了方法的有效性,在一定的条件下配对正确率超过95%。     

基于动态贝叶斯网络的战斗目标综合推理识别

针对空战战场环境下的目标可靠识别,提出了基于动态贝叶斯网 络的战斗目标综合推理识别方法。分析了目标属性的多层次及状态变量关系,提出了层次化 的战斗识别动态贝叶斯网络拓扑结构及其参数设定方法,并运用时间片联合树算法进行不确 定性动态推理,实现动态的目标属性判断与识别。仿真结果给出了目标的多层次属性信息, 验证了模型的有效性。     

利用信号围线积分双谱分形特征实现电台识别

信号的双谱能反映信号的细微特征,可用于电台识别中,但将它直接应用于电台识别需要计算复杂的匹配模板,增加分类器的复杂度,影响识别效率。针对此问题,提出了一种将信号围线积分双谱的分形特征作为电台特征参数的识别方法。首先由信号双谱估计值求出围线积分双谱,然后利用盒维数和信息维数定量描述围线积分双谱波形的复杂度,并将这两种分形维数作为特征向量,最后利用支持向量机(SVM)实现电台分类识别。对两部实际电台所发射的2FSK信号利用所提方法进行分析,结果表明在信噪比为7 dB及以上时,电台正确识别率能达到94.29%以上,验证了所提方法的可行性。     

基于对角切片特征提取和深度学习的辐射源识别

针对复杂电磁环境下辐射源识别率低的问题,提出基于对角切片特征和深度学习的辐射源识别算法。利用辐射源信号双谱的个体特性,提取信号双谱对角切片特征作为深度学习模型的输入数据,采用Softmax分类器进行辐射源识别。仿真实验利用两部同型辐射源进行测试,结果表明该算法能识别个体辐射源,在低信噪比条件下也能获得高的辐射源识别率;相比于其他识别算法,双谱对角切片特征有更鲁棒的分辨性。     

基于参数选择的数字预失真处理

数字预失真系统中,高精度预失真通常需求高阶多项式,而高阶多项式会导致预失真计算量的急剧上升。针对记忆多项式级数与预失真精度的矛盾,提出了一种基于参数选择的数字预失真结构,使用低阶多项式实现了对复杂度高的功率放大器高精度预失真处理,同时避免了计算量的上升。基于一组功率放大器的实测数据进行仿真,验证了参数选择方法相比于传统方法在同计算量的条件下精度的提升;并以正交频分复用信号作为输入信号进行仿真,得到了21 dB的邻近信道功率比抑制效果,相比于传统方法有6 dB的提升。