关于数论函数方程φ(φ(n))=S(n)

对于任意正整数n,设φ(n)和S(n)分别是关于n的Euler函数和Smarandache函数。本文利用初等及分类讨论的方法,研究并得到了方程φ(φ(n))=S(n)的所有正整数解。     

关于数论函数方程(c)((c)(n))=S(n)

对于任意正整数n,设(c)(n)和S(n)分剐是关于n的Euler函数和Smarandache函数.本文利用初等及分类讨论的方法,研究并得到了方程(c)(P(n))=S(n)的所有正整数解.     

基于粒子群算法在六峰驼背函数中的应用

粒子群算法(PSO)是一种新兴的基于群智能的随机优化算法,同其它的进化算法相比,其最具吸引人的特征是简单容易实现和更强的全局优化能力。本文较祥细的介绍了粒子群优化的算法,并详细地介绍了在六峰驼背函数上的应用。     

混合Copula模型选择及其应用

Copula函数是处理变量间相关结构的有力工具。特别在实际的金融领域中,变量间的相关结构往往比较复杂。如果用单个Copula函数来处理,具有一定的局限性。混合Copula(M-Copula)函数是把不同的Copula函数混合在一起,这样能够更好地描述变量间的相关结构。文章主要运用由Gumbel、Clayton和Frank组成的混合Copula模型对上证A指和成份A指的相依结构进行建模,采用非参数核密度方法估计边缘分布,然后用EM算法求出混合Copula函数的权重及相关参数,实证结果表明:混合Copula模型更能够准确地描述两个市场之间的相依结构,且两个市场的上尾相依关系要强于下尾的相依关系。     

高效的多模式匹配算法

本文提出一种新的多模式匹配算法,以提高匹配检测的执行速度和效率。该算法采用了基于集合的多模式匹配思想,重新构造了HASH函数以便在处理大规模模式集时执行时间能比传统的匹配算法的执行时间要少。经过实验证明,运用该算法不仅具有时间复杂度较低的优点,且与传统算法相比具有更为优越的性能,同时在实际工作状态下的检测能力也更强大。     

基于非凸函数的矩阵秩最小化理论

近来,在计算机视觉、 数据挖掘等领域人们越来越热衷于利用秩最小化方法优化模型.由于在求解秩函数的过程是一个NP难的非凸优化问题,本文选取对数行列式函数作为秩函数的非凸近似,采取增广拉格朗日乘子法(ALMM)求解对数行列式线性最小二乘模型.通过数值实验验证本文提出的算法较现有的求解核范数矩阵秩最小化问题的算法更高效.     

基于形状直径函数的三维模型集一致性分割算法研究

为了有效提高对三维模型集进行一致性分割算法的准确率和效率,提出一种三维模型集一致性分割算法。该算法基于形状直径函数特征和谱聚类方法。首先计算模型各个面片的形状直径函数特征(SDF)特征;其次计算模型各面片之间的形状相似性,形成相似性矩阵。最后采用谱聚类算法对模型集进行一致性分割。将本文算法与相关方法进行对比,实验结果表明,本文算法能准确的对一致性分割数据集中的若干模型进行有意义的分割,使得分割部位具有一定的对应关系,且面片平均划分准确率较好。     

基于上下文MRF模型的彩色街景图像分类

利用上下文马尔可夫随机场(Markov Random Field,MRF)模型,将图像分类问题转化为能量函数最小化(最优化)问题。该方法构建了MRF关于彩色街景图像的先验观测场模型,并利用迭代条件模式(Iterated Conditional Model,ICM)算法获得后验标记场能量最小。通过和模糊C均值(Fuzzy C-means,FCM)算法实验对比表明,该方法不仅能有效分类,而且分类精度要远高于FCM。     

平滑转移误差修正模型的转移函数选取问题研究

针对非线性平滑转移误差修正模型转移函数选取中存在的统计量极限分布非标准、检验统计量功效较低的问题,本文在推导非线性平滑转移协整检验统计量极限分布的基础上构造了如下转移函数选取步骤。首先,计算F_NST统计量,进行非线性平滑转移协整检验;其次,计算t_EST和t_LST统计量及相依概率P_est和P_lst;最后,比较P_est和P_lst大小并与临界值相比,得出结论。蒙特卡洛仿真模拟结果显示,转移函数选取中各统计量具有良好的功效和势,且转移函数选取中各统计量的功效明显优于其他统计量的功效。实证分析表明我国利率期限结构具有明显的非线性对称调整效应,非线性平滑转移误差修正模型中转移函数应该选取指数函数。     

趋势交易者和反趋势交易者中的处置效应

本文以北京科技大学学院路公选课程《中国股票市场》的股票模拟交易数据为基础，研究个人交易者中趋势交易者和反趋势交易者对于处置效应的倾向性。在理解处置效应的成因时，不仅以价值函数为基础，还考虑了概率权重函数。在对处置效应的定量分析上选用DE1，DE2，DZ三个不同模型。对交易趋势的定量分析，本文创新了SU、BD模型。本文的主要假设是反趋势交易者比趋势交易者更倾向于表现出处置效应。研究结果表明：①尽管是股票模拟交易，但大部分受测者仍表现出处置效应，且存在异质性。②样本的整体交易趋势明显，但仍存在异质性。③与假设一致，反趋势交易者更倾向于处置效应。且相比于跌势，涨势时处置效应表现得更明显。     

基于粗糙集和支持向量机的商业银行信用风险评估模型

结合粗糙集理论的属性约简和支持向量机(SVM)的分类机理,提出一种数据分类的混合算法;建立了基于此算法的商业银行信用风险评估模型。模型以粗糙集属性约简作为预处理器,删除冗余属性和冲突对象,但不损失有效信息;然后基于SVM进行分类建模和预测。实证表明,创建的模型分类性能良好,降低SVM分类过程的复杂度,一定程度上避免了训练模型的过拟合现象。通过与SVM和神经网络模型的比较,证实该方法用于信用风险评估的有效性。     

商业银行的个人信用评估研究:基于PCA-GA-BP算法

随着个人消费贷款的普及,贷款人的个人信用评估变得尤为重要。本文选取德国和澳大利亚某商业银行的个人信贷数据为样本数据,采用主成分分析提取样本数据的主成分,通过遗传算法优化神经网络的网络结构、初始连接权值和阀值,然后将优化的神经网络算法用于个人信用评估。与其他算法的准确率比较的结果表明,基于主成分分析—遗传算法—神经网络算法的个人信用评估准确率要高,而且模型的网络结构得到优化,运算时间也有缩短。     

城市生态交通系统评价

基于交通网络、交通体系完善性、交通环境、交通景观和交通文化五个方面提出城市生态交通协同理论体系,以既有的城市交通系统可持续发展评价指标体系为基础,构建了一套城市生态交通评价指标体系。基于BP神经网络建立一个三层的城市生态交通评价模型,选取sigmoid函数作为评价模型的传递函数,traingdx作为训练函数,隐含层单元数确定为16。根据收集到的9个城市生态交通评价指标数据,选取其中5个城市数据作为评价模型的学习样本,建立城市生态交通系统BP神经网络评价模型,并对另外4个城市数据进行一般性检验,验证了BP神经网络在城市生态交通系统评价中的准确性与适用性。     

基于神经网络的转型企业知识转移可行性评价

外部知识转移是企业获得转型过程中所需知识的重要途径。本文分析了企业转型过程中知识转移的特点,甄别了影响转移效果的关键因素,建立了企业转型中知识转移的可行性评价指标体系,构建了基于BP神经网络算法的评价模型。在此基础上,对取得的数据进行分析整理,利用MATLAB进行仿真验证模型的适用性。     

基于算法的BP神经网络的应用研究

BP神经网络的智能化特征与能力使其应用领域日益扩大,潜力日趋明显,许多传统信息处理方法无法解决的问题采用BP神经网络后取得了良好的效果,神经网络已被广泛应用于自动化、工程、经济及医学等各个领域。本文重点研究了BP神经网络的原理、算法及其应用。     

人工神经网络在经济预测中的应用

研究了人工神经网络在经济预测中的应用问题,探讨了人工神经网络的时间序列预测方法。该方法采用多层前馈神经网络及BP算法,其仿真实现是以MATLAB下神经网络工具箱作为开发工具。文中提出了一种基于BP网络时序预测通用方法,并通过实例验证了该方法的预测精度明显高于灰色系统预测方法。为了消除单一神经网络预测模型的系统偏差,探讨了组合神经网络时序预测方法;并用实例验证了组合神经网络比单一神经网络的预测精度高。     

人工神经网络在综合评价决策中的应用

为了克服综合评价过程的随机性与评价专家主观上的不确定性,文章提出了基于人工神经网络的多目标综合评价方法,并使其应用于企业经济效益的综合评估。该方法采用多层前馈神经网络及BP算法,其仿真实现是以MATLAB下神经网络工具箱作为开发工具,通过仿真实例与专家评估相比较,验证了该方法的有效性。     

基于算法的BP神经网络的应用研究

BP神经网络的智能化特征与能力使其应用领域日益扩大,潜力日趋明显,许多传统信息处理方法无法解决的问题采用BP神经网络后取得了良好的效果。因此,BP神经网络已被广泛应用于自动化、工程、经济及医学等各个领域。因此,本文重点研究了BP神经网络的原理、算法及其应用。     

基于遗传神经网络的机械故障诊断

本文针对BP神经网络存在的不足,将遗传算法和BP神经网络有机结合起来,利用遗传算法的全局搜索能力优化了神经网络的初始权值和阈值,并将其应用于机械故障诊断。结果表明,在MATLAB环境下进行仿真试验,这种方法能够有效进行故障识别、提高故障诊断精度。     

边坡影响因素的自组织神经网络归类处理

文章根据自组织神经网络的基本原理,结合55个边坡实例,应用matlab进行编程,建立了边坡影响因素分类处理的神经网络模型,并运用该模型对不同的边坡进行了分类,分类结果提高了神经网络的边坡指标数据的学习效率,从而证明了自组织神经网络对提高用于预测边坡稳定性神经网络性能的有效性。