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。     

基于前景理论的跨市场状态转移多阶段资产配置研究

在行为金融前景理论框架下研究跨市场间的状态转移资产配置问题,构建隐Markov——混合正态分布模型描述股票、债券和商品混合市场间的状态特征,用Baum-Welch算法估计模型参数,并利用状态转移思想进行情景生成建立多阶段随机优化模型。进一步,以我国股票、债券和商品混合市场的实际数据为背景,利用滚动窗口方法实证分析基于状态转移的多阶段随机模型的表现,并与忽略状态转移特征的基准模型、等权重组合、沪深300指数的结果进行对比。结果表明,与其他组合相比,基于状态转移的投资组合有助于规避风险,且混合市场间的状态转移信息能够对前景理论投资者的最优投资决策产生影响。     

基于多分类器动态选择与成本敏感优化集成的电信客户流失预测研究

针对不同样本在特征空间中具有不同的区域特性和不同分类算法之间的预测互补性,在电信客户流失预测理论基础上,融合多分类器动态集成理论和成本敏感学习理论,建立了电信客户流失多分类器集成预测的利润函数,并提出了一类新的基于多分类器动态选择与成本敏感优化集成的电信客户流失预测模型.首先使用K均值聚类法聚类训练样本成多个分区;接着使用NaiveBayes算法、多层感知机算法和J48算法在各分区样本上构建客户流失预测子分类器;最后使用改进人工鱼群算法分别对各分区的子分类器进行成本敏感优化集成.实验结果表明,所提出的基于多分类器动态选择与成本敏感优化集成模型的分类性能不仅优于由训练集全体样本所构建的3个单模型,也优于基于改进人工鱼群算法优化集成这3个单模型而得到的集成模型.     

基于邻域平滑稀疏模型的遥感图像红树林识别算法

传统遥感图像识别算法大多数依据地物的光谱特征,由于红树林这类遥感图像存在大量的"同物异谱"和"异物同谱"的现象,因此仅仅依靠光谱特征很难进行准确的识别。该文充分考虑红树林的地理特征和图像特征,提出了一种多特征融合的稀疏表示识别算法。实验结果表明,该算法能够提高红树林目标检测的效果。     

基于CART和自适应Boosting算法的移动通信企业客户流失预测模型

客户流失问题一直以来都受到企业的重视,如何有效预测流失客户是一个重要课题。本文通过对某通信企业原始数据进行严格的数据预处理,以及利用直方图检验和卡方检验相结合的方法对模型变量进行筛选,同时采用抽样的方法选取出模型的训练样本和测试样本,并利用分类回归树算法和自适应Boosting算法生成相应的强分类器模型,仿真实验结果表明本文使用的模型在预测该通信企业的离网客户中具有较高的准确性,从模型的ROC曲线可知,该模型是一个比较理想的分类模型。另外,本文通过与其他两个模型的预测结果进行比较发现本文的集成模型具有更好的预测性能。     

浅谈监控视频颜色检索技术

监控视频颜色检索技术通过对视频进行解码、颜色检索、重新编码,可以对大量监控视频资料进行有效的目标搜索,操作简单易行,有利于基层公安机关提高工作效率和办案质量。该文深入分析了实现监控视频颜色检索的算法和程序,综合了当前在图像颜色检索领域的各种方法,探索总结出一套适合监控视频颜色检索的基于直方图与颜色矩阵的三通道检索方法。     

基于YOLO技术的智能视频监控系统在企业安全管理中的应用研究

YOLO(You Only Look Once)技术是一种目标检测算法,它的特点是实时性高,能够在图像或视频中快速准确地检测出多个目标。文章对基于YOLO技术的智能视频监控系统在企业安全管理中的应用展开研究,首先分析智能视频监控系统在企业安全管理中应用存在的问题;然后结合YOLO技术目标检测算法的优势,设计智能视频监控安全管理系统,并提出应用方案。该系统能够快速准确地识别视频中出现的目标,并标注其位置和类别。在实际应用中,智能视频监控系统能够提高企业安全管理的效率和准确性,减少人工巡查的工作量,避免发生安全事件。希望本文能够为相关领域的研究者和从业者提供一些参考。     

顾客多忠诚与新店铺寻求融合行为的“推力-拉力-系泊”效应研究

尽管现实生活中多数餐饮顾客存在多忠诚与新店铺寻求的融合行为,但已有文献大多将顾客多忠诚与多样化寻求作为两种独立的行为进行研究,很少关注融合行为现象。本文借鉴人口迁移的PPM模型,试图建构并验证融合行为产生的驱动因素统合模型。结果显示,与融合行为的直接效应模型相比,“推力-拉力-系泊”效应模型具有更好的拟合优度;由店铺分类多、替代者吸引力大和转换成本低等资源禀赋构成的拉力效应,对融合行为具有显著的正向影响;由高探索倾向、低财务约束感和低健康理念等个体特征构成的系泊效应,不仅对融合行为具有显著的正向影响,而且对推力、拉力与融合行为的路径关系也具有显著的正向调节;在所有因素中,系泊效应对融合行为的促进作用最大,其次是拉力效应,推力效应的影响不显著。本研究建构了顾客多忠诚与新店铺寻求融合行为产生的“推力-拉力-系泊”效应模型,验证了PPM模型的适用性,实证了各因素的作用机制和作用大小,为餐饮顾客融合行为产生的驱动因素及个体差异提供了统一框架和系统解释。     

一种基于多特征融合的加密图像检索技术

随着云计算技术的快速发展,越来越多的用户倾向于外包海量图像数据到云端服务器进行存储和相关处理。为了保护数据隐私,往往在上传数据之前进行加密操作,但却限制了图像的进一步处理,比如图像检索。为此,该文提出一种基于Paillier加密算法和可逆信息隐藏技术的密文域图像检索方法。该方法利用Paillier同态加密算法对图像进行加密,在密文域计算加密后图像的差分直方图来描述图像的纹理特征。为了提高检索精度,采用图像累积直方图来表征图像的颜色特征,并利用可逆信息隐藏技术将该特征嵌入加密后的图像,以实现特征免独立存储。当接收到用户查询请求,云端服务器通过计算纹理和颜色特征距离来度量密文查询图像与密文图像库图像的相似度,最后将相似度高的密文图像返回给用户。     

基于前景理论的多阶段随机多准则决策方法

研究一种基于动态参考点的多阶段随机多准则决策方法。考虑多阶段决策过程中决策者的风险偏好,建立了基于前景理论的多阶段随机多准则决策分析框架,提出了一种基于阶段发展特征的动态参考点设置方法;构建准则权重的目标规划模型,结合阶段参考点动态变化的特征测算各阶段备选方案的综合前景值;设计方案综合前景值的范围估算模型,以反映决策风险对评价结果的影响;案例研究验证了上述方法的可行性和实际效果。     

基于动态引导滤波的多尺度图像融合算法

该文基于动态引导滤波器(RGF)提出了一种新的图像多尺度表示方法,并将其应用到图像融合技术中。首先,使用RGF将输入图像用多种尺度的子图表示;然后,基于显著性检测获得输入图像的权重映射;最后使用基于递归滤波的加权融合方法得到最后的融合图像。多组图像融合实验的比较结果表明,相比于其它基于多尺度分解的融合算法,本文提出的融合算法更好地保持了输入图像的细节信息,融合图像的视觉效果更好。     

基于神经网络融合技术的BP算法研究

BP神经网络方法数据可并行处理,该方法处理信息能力强,自身具有学习、联想和记忆的能力,避免了传统方法的局限性与专家评价的主观随意性,以及由于数据来源的单一导致的评价模型与评价对象之间不客观的简化;但它也存在网络的训练时间过长、易陷入局部极小值、完全不能训练等缺点.本文提出的神经网络融合技术算法是利用主成分分析法、粒子群算法与BP算法相融合,克服了BP算法的训练时间长、易陷入局部极小值的缺点,并在模型的确定和收敛性上给出了理论证明.     

基于累积前景理论的随机网络用户均衡模型

出行者行为假设对交通网络用户均衡建模具有重要影响,更符合人们的真实决策行为的累积前景理论,为随机交通网络中的路径选择行为研究提供了新的分析框架.基于累积前景理论,将出行者的路径选择决策与网络的随机性相结合,建立了随机网络用户均衡的等价变分不等式模型;提出了求解模型的算法,通过简单的算例对模型和算法的合理性进行验证.通过...     

FEPA-金融时间序列自适应组合预测模型

本文报告一种金融时间序列预测的信号分析、信息融合与智能计算组合模型,简称FEPA,由针对金融时间序列（FTS）信号分析的经验模态分解（EMD）、用于数据降维的主成分分析（PCA）和用于非线性建模的人工神经网络（ANN）三部分组成。该模型首先应用滑动窗口截取原始金融时间序列最近期数据集,应用EMD分解算法把数据集分解成不同尺度的本征模态函数（IMF）,然后通过主成分分析将分解后的数据降维,提取最有信息量的特征;然后将这些特征输入到神经网络进行组合预测。本文提出的组合预测模型FEPA是基于分解-提优-合成的信息融合思想,有效提高了预测可靠性。其创新点在于：1）首次给出了EMD算法的结构化表达,提供了今后融合更多信息的算法接口;2）通过多步长预测输出深入研究EMD分解的有效信息结构;3）通过切换到更细时间框架来处理EMD的端点效应,并探索了两级时间框架下的预测效果;4）给出了金融时间序列组合预测模型的一般性架构,具有可升级性和可扩展性。并且通过滑动窗口EMD使得实证更能切近实际。通过在沪深300股指和澳大利亚股指上的实证,结果表明FEPA预测模型在沪深300股指日线和15分钟线上的预测命中率高达78%和82%,在澳大利亚股指日线上也达到了74%的命中率,经比较,明显高于文献中常见的5种模型。     

基于粗糙集理论-神经网络-蜂群算法集成的客户流失研究

针对电信客户流失问题的复杂性,融合粗糙集理论、神经网络和蜂群算法的优势,提出了一种新的客户流失预测模型——基于粗糙集理论、神经网络和蜂群算法线性集成多分类器的客户流失预测模型。首先利用自组织神经网络(SOM)对连续属性值进行非监督离散化处理;接着使用粗糙集方法(RS)对离散属性进行约简;然后分别使用BP神经网络、RBF神经网络、ELMAN神经网络和广义回归神经网络(GRNN)在约简属性集上建立4个子分类器;最后使用模型集成法对4个子分类器进行线性集成,并采用人工蜂群(ABC)算法优化线性组合的权重。将该模型应用于某电信客户流失,实验结果表明该集成方法是可行且有效的。     

基于投资者情绪和深度强化学习的股票投资组合优化研究

我国股票交易市场每天都在产生大量交易数据,为了解决传统交易分析方法难以处理海量数据的缺陷,引入量化投资的方式。但是,量化投资是利用计算机技术建模以挖掘交易信号的一种投资方式,不能脱离传统分析方法和解决投资者对于投资组合管理的需求。为此,本文提出一种融合投资者情绪和改进特征提取网络的深度强化算法的股票投资组合模型,可以借助深度神经网络来处理原始数据,提取新闻和评论情感与股票的时间序列交易数据的特征信息,再利用强化学习不断训练以实现智能决策。为了验证模型的效果,使用HS300成分股中100只流通性好的股票作为资产池,首先改善深度强化学习算法的特征提取网络,使用多层感知机神经网络（MLP）、卷积神经网络（CNN）和长短期记忆神经网络（LSTM）作为特征提取网络,应用到深度确定性策略梯度算法（DDPG）、双延时深度确定性策略梯度算法（TD3）、柔性演员—评论员算法（SAC）中。其次,使用基于新闻和评论文本的情绪分析模型计算投资人情绪影响力分值。最后,融合情绪影响力分值输入后重新训练智能体,在测试数据集上,CTD3-LSTM模型最高收益率达到38.81%,欧米伽率为1.35,最大回撤率为14.3...     

基于状态空间的贝叶斯跳跃厚尾金融随机波动模型研究

针对金融市场中跳跃特征的刻画问题,提出了贝叶斯跳跃厚尾随机波动模型。通过随机波动模型的结构分析和状态空间转换,设计了模型参数估计的MCMC算法,利用Kalman滤波和高斯模拟平滑方法估计模型的潜在波动,运用贝叶斯因子对随机波动类模型进行比较分析,并利用中国和美国的股市收益数据进行实证分析。研究结果表明:在刻画中、美两国股票市场的波动特征方面,跳跃厚尾随机波动模型要明显优于厚尾随机波动模型和标准随机波动模型,并且金融危机背景下的中国和美国股票市场都具有明显的波动持续性以及跳跃特征。     

基于贝叶斯Wishart波动模型的原油市场与股市动态相依性研究

针对时变相关系数矩阵在多变量随机波动模型的估计问题,构建了贝叶斯动态相关Wishart波动模型。在CC-MSV模型的基础上,设置精度矩阵服从Wishart分布,使得模型的相关系数矩阵具有时变特征。通过模型的统计结构分析,选择参数先验分布,设计相应的Gibbs-MTM-ARMS混合算法,据此估计模型参数;并利用上证综合指数、标普500指数与原油期货价格数据进行实证分析。研究结果表明：模型能够有效地刻画原油市场与股票市场的动态相依性;金融危机期间,股票市场与原油市场的相关性较强,并且难以判断正负方向;金融危机后,中国股票市场与原油市场呈现极微弱的相关性,而美国股票市场与原油市场的正相关性较为明显。     

风险偏好与属性约简在决策问题中的应用研究

将决策者风险偏好与属性约简算法应用到具有大量属性的决策问题,提出先对决策者分类再进行决策的策略． 根据决策者的风险偏好特征将其分为风险规避型、风险中立型、风险偏好型,针对不同类型的决策者分别采取相应的算法,提取有效属性并利用有效属性进行决策; 针对不同风险偏好的决策者,提出相应的风险偏好预期规则; 提出基于优势关系辨析矩阵的属性赋权算法及基于属性值优势度矩阵的进行信息融合与排序算法; 最后通过属性值为实数与区间数的两个实际案例表明该算法的科学合理性．     

社区团购场景下供应链末端配送资源整合优化研究

考虑到既有的供应链资源整合方法不适用于动态发展中的社区团购场景下供应链末端配送资源整合问题,分析社区团购场景下消费者的服务需求特征,对消费者满意度动态测量机理进行刻画,并将其纳入优化目标,从而建立多阶段动态多目标供应链末端配送资源整合优化模型。利用遗传算法求解,并通过算例验证决策方法和算法的可行性、有效性与可操作性。研究表明,多阶段动态满意度指标适合于社区团购场景下的末端配送资源整合优化问题,且该算法在求解社区团购场景下供应链末端配送资源整合多目标优化问题过程中具有稳健性。