一种基于码本背景建模和多特征融合的火灾烟雾检测算法

该文提出一种基于码本模型和多特征融合的火灾烟雾检测算法。主要步骤是:首先,利用码本模型提取出视频中运动的前景像素;然后,结合暗通道先验知识对前景像素进行过滤,消除部分干扰像素;最后,统计疑似烟雾区域的颜色直方图、纹理直方图和边缘方向直方图特征,利用多特征融合的方式加以分类识别。多个视频场景测试结果表明,该算法具有良好的烟雾检测能力和抗干扰能力,可以基本满足实时性的要求,具有一定的实际推广价值。     

一种改进的直接概率准则匹配算法研究

提出了一种改进的直接概率准则匹配算法，该算法以贝叶斯估计、马尔科夫过程和蒙特卡洛理论为基础，通过对状态样本在搜索区域采样来模拟概率的分布。仿真结果说明改进PMF算法在搜索区域分辨率一定的情况下，能够利用基本导航信息和水下地形信息对航行器的位置进行估计。     

半参数空间ZISF的估计、分类与蒙特卡罗模拟

零无效率随机前沿模型（ZISF）包含随机前沿模型和回归模型，两模型各有一定的发生概率，适用于技术无效生产单元和技术有效生产单元同时存在的情形。本文在ZISF的生产函数中引入空间效应和非参函数，并假设回归模型的发生概率为非参函数，构建了半参数空间ZISF。该模型可有效避免忽略空间效应导致的有偏且不一致估计量，也避免了线性模型的拟合不足。本文对非参函数采用B样条逼近，使用极大似然方法和JLMS法分别估计参数和技术效率。蒙特卡罗结果表明：①本文方法的估计精度和分类精度均较高。随着样本容量的增大，精度增加。②忽略空间效应或者非参数效应，估计精度和分类精度降低，文中模型有存在必要性。③忽略发生概率的非参数效应会严重降低估计和分类精度，远大于忽略生产函数的非参数效应的影响。     

估计灰色Verhulst模型参数的LS-SVM方法及应用

估计灰色Verhulst模型中的参数通常采用最小二乘法，这种基于大样本理论的经验风险最小化方法无法保证小样本预测下模型的推广性能.为提高灰色Verhulst模型的预测精度，本文提出了基于LS-SVM算法估计模型参数的方法.首先根据Verhulst灰色差分方程的特点，通过构造以背景值序列和原始序列为训练样本的LS-SVM模型，将一维样本空间里的Verhulst模型转化为一个二维特征空间里的LS-SVM模型，进而将Verhulst模型的灰参数的估计问题转化为一个LS-SVM模型的回归系数估计问题.然后通过核函数构造法，结合模型特点合理构造了LS-SVM模型的核函数，基于LS-SVM算法求解回归系数，进而得到Verhulst模型的参数估计.实验结果表明该方法是可行的有效的，可保证Verhulst模型具有良好推广性，相比于传统参数估计方法本文预测精度更高.     

索尼Xperia平板电脑

索尼首款XDeria平板电脑“XDeriaTabletS”近日率先在日本售卖，这款平板共分为16GB、32GB、64GB三个版本。索尼XDeriaTabletS采用了9．4英寸液晶显示屏，分辨率达1280x800，配置主频1．4GHz的Tegra3处理器，1GBRAH。这款平板电脑采用铝制机身，最薄处仅8．8m，具备IPX4同级防水功能，后置800万像素avoS背照式摄像头，前置130万像素WEB摄像头。     

基于小波域隐马尔可夫模型的时间序列分析-平滑、插值和预测

提出一种基于小波域隐马尔可夫模型的时间序列分析方法.首先介绍了离散小波变换;并针对小波系数进行统计建模,分别讨论了单个小波系数的混合高斯模型、不同尺度小波系数之间的隐马尔可夫树结构、模型训练及似然计算等问题;其次,提出了关于时间序列插值、平滑和预测的统一数学模型,并运用极大后验概率估计和贝叶斯原理,将小波域隐马尔可夫模型作为先验知识给出了一种分析时间序列的新方法;然后,详细推导了时间序列重建问题的Euler-Lagrange方程及对数似然的导数计算,将时间序列的插值、平滑和预测归结为一个简单线性方程的求解;最后通过期望极大化(EM)算法和共扼梯度算法进行交替迭代来计算小波域隐马尔可夫模型参数和重建时间序列.实验结果表明该方法在经济领域时间序列分析中的有效性.     

基于XGBoost算法的数据驱动单周期报童问题研究

求解单周期报童问题通常假设需求分布服从某一特定形式,通过历史数据预测需求并求解优化模型。尽管此假设可以简化分析,但它并不能反映随时间动态变化的真实需求分布,且不可避免地将历史估计预测误差传递给优化过程。为解决这一问题,本文提出了一种将估计和优化相结合的方法。该方法采用数据驱动计算权重的形式来处理与特征相关的需求不确定性,并引入XGBoost算法对具有非平稳需求的单周期报童问题进行求解。在观察到影响需求的特征后,该方法能直接确定最佳库存决策。本文对运营管理领域的贡献主要包括两个方面：1）提供了一种解决方案,将名为XGBoost的可扩展端到端树提升系统的机器学习算法集成到了单周期报童问题中。2）将该集成估计优化算法应用于不同目标服务水平和训练样本量的真实数据集,并与现有研究报童问题的几种标准方法进行比较,结果表明,该方法至少可以降低约5%的库存成本。     

基于PSO-PLS的组合预测方法在GDP预测中的应用

GDP预测是经济预测中一个非常重要的问题,随着经济的发展,对其预测精度的要求也越来越高.在考虑样本权重的基础上,提出一种微粒群算法与部分最小二乘回归方法相结合的组合预测方法,即采用微粒群方法对样本最优权重进行求解,在所得样本权重系数的基础上,用部分最小二乘回归方法确定组合预测的权重系数.将该方法用于中国GDP预测取得了较好的结果,与其他几种传统方法相比,预测精度有一定程度的提高,说明算法的有效性和可行性.     

物流敏捷调运决策支持系统的研究

由于物流敏捷调运优化方案的生成过程,本质上是一个决策过程。针对各决策环节,提出了借鉴IDEF0方法描述的敏捷调运优化适度递阶控制模型,在此基础上构建了决策支持系统总体框架。针对该决策支持系统运行模块,提出了基于敏捷性准则的运行控制思想。进而,对该决策支持系统中的数据库系统、模型库与方法库进行了研究,利用递阶设计思想设计了数据库的三大体系,提出了以"剩余装载总量"极小化为目标的物流敏捷调运优化(0-1)_h模型和对分搜索算法。通过对搜索次数的估计来衡量(0-1)_h模型求解算法的计算复杂性,结果表明该算法效率较高。     

河南与中国经济协调发展前瞻性分析

问题提出背景：中国目前的GDP还不到世界的1／30，但钢材消耗量已占世界1／4，水泥约一半，煤炭1／3左右，发电量13％，同样生产1美元的产值，中国投入的成本是日本的8倍，美国的4倍，印度的2.5倍。这些数据反映了中国的经济发展模式只讲速度不讲效率，过多依赖资源、资本密集型制造业的事实。     

一种基于时空HOG与级联SVM的行人检测算法

行人检测技术是计算机视觉和人工智能领域的核心问题,在现代智能监控中具有重要的应用前景,随着计算机视觉与模式识别技术的发展,基于监控视频的行人检测算法不断被提出。由于现有的行人检测算法受到光照、视角、尺度、姿势以及部分遮挡等因素的影响,使得行人检测仍然是一个开放性的问题。该文针对现有行人检测算法在处理复杂背景以及尺度变化等情况时存在检测精度不高的问题,提出了一种基于时空梯度方向直方图与级联支持向量机的行人检测算法。时空梯度方向直方图用于描述行人的外观特征和运动特征,通过对外观特征、运动特征进行融合,采用级联支持向量机算法对行人检测器进行训练,最终得到分类效果好的行人检测器,实现更好的检测性能。     

提高灰色GM(1,1)模型精度的微粒群方法

改变背景值插值系数和边值是提高灰色GM(1,1)模型精度的途径之一。对于满足灰色GM(1,1)建模条件的序列,利用微粒群算法,给出了通过优化背景值插值系数和边值提高灰色GM(1,1)精度的新方法。给出了计算实例。计算表明,应用此方法可以提高灰色GM(1,1)模型的精度。     

诺基亚平板手机

近日，由IbrahimSujau概念设计师设计的炫紫色NoKiaLumiaOneNote吸引了不少平板手机用户的眼球。该款手机重175克，搭载一颗4核心1．6GHz的处理器，2GB运行内存。其他还包括16GB、32GB~D64GB的可选存储空间，拥有MicroSD-HC扩展槽，1200万像素自动定焦后置镜头，带LED闪光灯和支持m视频拍摄。它同时还带有一个200万像素的前置摄像头，支持4GLTE制式，还有蓝牙4．O和WiFi模块。它的屏幕有5．5英寸，厚度仅8．2mm。     

双边多工位装配线第二类平衡问题应用研究

为有效解决双边多工位装配线第二类平衡问题,建立了数学模型,并提出一种基于可行作业序列的遗传算法,该算法既保留了传统GA的并行和随机搜索能力,同时又只在可行解子空间进行搜索,并且所有可行作业序列都有可能被搜索到,这样可提高算法运算效率和计算结果的精度。最后,通过在双边多工位装配线上的实例应用,验证了算法的有效性。     

个体投资者情绪与股票价格行为的互动关系研究

本文运用情感分析技术，在情感倾向点互信息（SO-PMI）算法的基础上，引入"拉普拉斯修正"和"情绪分类阈值"，提出了一种改进的个体投资者情绪度量的SO-LNPMI算法；基于上证指数股吧的31万条论坛信息，运用格兰杰因果检验方法研究了个体投资者情绪与市场收益率和成交量的互动关系。研究表明：（1）与经典的SO-PMI算法相比，本文提出的SO-LNPMI算法的情感识别精度更高；（2）积极情绪是股票收益率的格兰杰原因，消极情绪对其影响不显著；（3）投资者情绪与成交量存在双向的格兰杰因果关系；（4）当投资者处于积极状态时，会热衷于使用表情符号表达情绪。本文的研究为投资者情绪度量提供了一种新的有效算法，有助于投资者更好的利用网络论坛信息进行投资决策。     

移动商务中面向客户细分的KSP混合聚类算法

数据挖掘技术中的聚类算法是解决客户细分问题的重要算法之一。为解决传统聚类算法在客户细分问题中分类精度较低、收敛速度较慢的问题,着重对比分析传统聚类算法中K-m eans、自组织映射网络和粒子群3种算法的不足,提出融合3种算法优点的混合型聚类算法,该算法利用K-m eans和自组织映射网络对初始聚类中心进行优化,结合粒子群优化和K-m eans优化聚类迭代过程,并在迭代优化过程中设计避免算法因早熟而停滞的机制。针对移动电子商务环境下的餐饮业客户细分问题,建立移动餐饮业客户细分模型,并利用混合型聚类算法、K-m eans、层级自组织映射网络和基于粒子群的K-m eans等4种算法对实际案例进行对比分析。研究结果表明,混合型聚类算法的聚类精度分别比其他3种算法高,同时还具有最快的收敛性能,更适用于客户细分问题。     

我国农产品期货市场的风险测度模型及其后验分析

近年来,我国农产品期货市场取得快速发展,但有关该市场波动特征和风险状况的研究却非常缺乏.以我国农产品期货市场中的4种代表性价格指数为例,首先对其价格变化统计特征及波动模式进行了全面深入的检验,然后运用严谨系统的后验分析(Backtesting analysis)方法,分别在多头和空头两种头寸状况以及5种不同分位数水平下,实证对比了8种风险测度模型对VaR (Value at Risk)和ES (Excepted shortfall)两种不同风险指标估计的精度差异.研究结果表明,我国农产品期货市场的价格波动不存在显著的杠杆效应(Leverage effect),但却具有明显的有偏(Skewed)和条件厚尾(Conditional fat-tail)特征.另外,在综合考虑了模型估计效率和风险测度精度后,基于有偏学生t分布的普通GARCH模型是一个相对合理的风险测度模型选择.     

银行信用组合风险多成分重要性抽样算法研究

银行信用组合违约风险的度量和计算对银行监管有着重要的意义.使蒙特卡洛研究信用组合违约概率时,为提高模拟效率,越来越多的学者采用了重要性抽样技术来实现.它主要通过条件独立性和“均值移动”两个步骤实现.本文基于前人研究结果的基础之上,提出了一种基于违约相关性矩阵的多因子变方差的重要性抽样算法.该算法通过主成分分析选择违约结构中的占优成分并扩大其方差来实现.数值算例证明了该方法在信用组合遭遇极值事件时,能够提高模拟效率及计算精度,具有一定的计算优势.     

基于投入距离函数的单要素技术效率测量方法研究

在生产中，由于企业并未掌握关于生产技术的完全信息，因此可能导致不同生产要素具有不同的技术效率水平。而传统的"径向"技术效率测量方法并不能识别生产要素之间的技术效率差异。为解决这一问题，现有的文献中分别提出了基于利润函数和方向距离函数的测量方法。但利润函数的估计需要用到难以收集的价格数据；估计方向距离函数需要事先设定投入要素缩减的方向，而这一方向对于研究者是未知的。基于投入距离函数，本文构建了一个新的可以测量单要素技术效率的框架，且无需价格数据和事先设定"方向"。文章采用贝叶斯方法分两步估计该模型：首先得到模型参数的估计值；其次在模型参数估计值给定的基础上再估计单个要素的技术效率水平。蒙特卡洛模拟分析发现，与直接估计各要素的技术效率的方法相比，这种"两步法"可以更快的实现马尔科夫蒙特卡洛（MCMC）过程的收敛，并能够较为精确的估计各要素的技术效率水平。之后将该方法应用于北京大学企业社会责任调查的数据，估计了资本和劳动力的技术效率水平。结果显示，企业在利用资本中几乎不存在技术效率损失，并且企业间的资本技术效率水平无明显差异。企业技术效率损失主要来自于劳动力利用不足，且企业间劳动力技术效率水平差异较大。平均而言，劳动力的技术效率水平为77%，即在保持产出和资本投入不变的情况下，可以使劳动力的投入下降23%。这个例子表明，本文提出的方法可以识别生产中导致技术效率损失的主要原因，从而有助于找到提升生产效率的解决方案。     

基于SIFT特征点的无缝图像拼接方法

提出了一种基于特征点的全自动无缝图像拼接方法,该方法采用对于尺度具有鲁棒性的SIFT算法进行特征点的提取与匹配,并通过引导互匹配及投票过滤的方法提高特征点的匹配精确度,使用稳健的RANSAC算法求出图像间变换矩阵H的初值并使用LM非线性迭代算法精炼H,最终使用加权平滑算法完成了图像的无缝拼接。