基于机会项空间分布的机会集多样性评价研究

在机会集多样性评价中,基于机会项的空间分布状况建立评价模型是一类重要方法。与机会集多样性水平仅由机会项空间分布的范围大小决定的观点不同,提出了机会集多样性水平由机会项空间分布的范围大小和均匀状况共同决定。以机会项间距离的最大值代表机会项分布的范围大小,以机会项间距离序列的基尼系数代表机会项分布的均匀水平,并给出了基于两者构建的机会集多样性评价规则。     

基于物联网的智能快递终端

针对快递行业“最后1公里”派件体系混乱的现状,设计出一种基于物联网技术、以MSP430单片机为核心的新 型智能快递终端。该终端可实现快递员自助派件,用户自助取件。终端通过全自动机械装置实现快递包裹的自动存取, 通过几何立体仓库结构与上下位机的结合实现快递的最优化存储。实验结果表明,该终端可靠性高,能缩短快递包裹的 存储时间,并可提高快递包裹的空间存储率。     

一种微波波导电缆拉制机用计算机控制系统

针对一种自行研制并投入实际应用的椭圆波导拉制机用计算机控制系统,介绍了其系统结构设计、功能设计与有关软、硬件的具体实现方法。该系统在单片机控制系统的控制下,自动完成椭圆波导电缆的拉制。经过试运行表明,系统能满足设计和使用要求。     

低温脉管机回热器上的孤立波波形回归分析

对低温脉管机回热器的压力波的包络（调制）波波形进行了非线性回归拟合,得到了双曲正割孤立波波形,从实验上证实了该帽波是非等熵过程气动方程组导出的Ｋ－ｄＶ波动方程的孤波解,此结果为低温脉管的孤波制冷机理提供了支持。     

智媒时代下提升报纸编辑职业能力的路径探寻

技术的更新迭代使智媒时代加速到来,传统报纸媒体和编辑人员受到了巨大的冲击与影响。一方面,报纸编辑需要坚持守正创新,树立人机协同智能编辑理念,创新融媒体编辑思想,在观念上适应行业生态变化;另一方面,报纸编辑需要掌握大数据分析及处理能力,提升新媒体平台的运营能力。遵循上述路径,有利于编辑在智媒时代提升职业能力,助力出版行业创新发展。     

基于贝叶斯支持向量回归机的稳健参数设计

稳健参数设计是一种质量改进的重要技术,能够从产品生产的源头上减少和控制波动的产生。双响应曲面法是其常用的方法,主要是利用低阶多项式模型来拟合均值和方差响应,但当样本较复杂（如为非线性或者高维样本）时,低阶多项式模型的拟合性能往往较差,求解优化问题效果不佳。支持向量回归机对非线性数据有良好的拟合潜力,但其性能依赖于参数的合理设置,文章将贝叶斯优化应用于支持向量回归机的参数选择,并将优化后的模型应用于稳健参数设计中响应曲面模型的构建,提出一种基于贝叶斯支持向量回归机的稳健参数设计方法。试验结果表明,所提方法和其他常见优化方法相比,可以获得更精确的响应曲面,可以在实际应用中近似得到可靠的最优因子搭配水平。     

中国股指波动率的智能预测模型与实证检验

文章提出将改进型粒子群算法与最小二乘支持向量机(LSSVM)相结合的中国股指波动率智能预测方法,利用径向基核函数LSSVM对股指波动率进行建模及预测,并将自适应惯性权重粒子群算法(AIWPSO)和动态加速系数粒子群算法(DACPSO)分别实现径向基核函数LSSVM的参数优化,建立了两种股指波动率的智能预测模型.以日内价格极差作为波动率的代理变量,通过对上证综指和深证成指的实证研究检验了两模型的有效性.检验结果表明,AIWPSO算法优化的径向基核函数LSSVM作为中国股指波动率智能预测模型,具有更高的波动率预测精度和更快的建模速度.     

基于支持向量机的金融衍生品风险评价

金融衍生品交易的高收益和高风险特性,决定了内部控制和风险管理的重要性,需要决策者综合考虑多种因素。文章应用了一种新的方法——支持向量机方法(SVM)来处理数据,与传统的方法相比较,有较好的泛化能力,可避免传统方法的不足,能较客观地对衍生品的风险进行评价。实证结果表明本模型是有效的,能为金融机构建立金融衍生品风险评价体系提供有力的支持。     

最小二乘支持向量机在条件异方差模型中的应用

相对于标准的支持向量机,最小二乘支持向量机是将求解二次规划问题转化为求解一组线性方程,从而能提高求解速度。将最小二乘支持向量机和GARCH模型相结合应用于金融时间序列预测中。通过在实际股票市场预测中的比较分析,能够证实所给方法是可行的、有效的。     

基于主成分分析的LS-SVM非线形预测模型应用

天然气消费量的预测对于四川省这样的一个天然气资源大省有着非常重要的意义。影响天然气消费量的因素很多,并且影响机制比较复杂,传统的线形预测模型必然会存在较大误差。文章在考虑影响四川省天然气消费量众多影响因素的基础上,选择出比较有代表性的自变量体系,利用主成分分析方法对自变量体系进行降维及去噪,并将生成的主成分作为四川省天然气消费量预测模型的自变量体系,采用最小二乘支持向量机(LS-SVM)建立非线形预测模型。结果表明,该模型性能明显强于其它预测模型,具有一定的应用价值。