基于初级权重序列的改进AHP研究

针对层次分析法中判断矩阵不满足一致性条件时,检验与修正矩阵元素缺少依据,且操作过程繁琐,提出基于初级权重序列方案的层次分析法。该方法保证了思维逻辑的一致性,使距离判断矩阵在构造时简单易行;同时还探讨了初级权重序列方案中距离单位的选取问题,并确定了标准化的度量单位。实例结果表明,改进的AHP能够有效地减少算法的时间复杂度,提高了矩阵一致性判断的精度。

二重序列空间l_(pq)^-

讨论0<p,q≤+∞时,二重序列空间lpq 的结构及完备性.证明了,当1≤p,q<+∞时,lpq 是Banach空间;当0<p≤1≤q<+∞时,lpq 是p Banach空间;当0<p,q≤1时,lpq 是h Banach空间(h=pq).

二重序列空间l_■的对偶空间(0

研究了当0<p<1,0<q<1时二重序列空间lpq的对偶空间以及当p为区间(0,1)中的序列且q>1时的赋准范二重序列空间的对偶空间,证明了在0<p,q<1时lpq的对偶空间是l∞,∞.而在第二种情况下它的对偶空间是l∞u,其中,u>1,1/q+1/u=1.

重序列,成系统——例谈高中班级活动的重点与难点

在高中班级活动的组织中,非常重要并且比较困难的是活动组织与安排的序列性和系统性。班级活动的开展,要依据学生身心健康发展的规律,依据教育教学的基本规律,依据班级文化建设和学校文化建设的阶段目标和总体进度,纳入班级乃至学校的教育理想和实践体系之中。高中三年的班级活动,有序安排,系统考虑,既要有纵向的思考,又要有横向的把握。在纵横交错中让班级活动更见丰富,更有成效。

基于改进Ratio统计量的重尾AR(p)时间序列均值变点检验

文章提出两个改进的Ratio统计量来研究重尾AR(p)时间序列均值变点检验问题,在原假设下推导了统计量的渐近分布,且在备择假设下证明了其一致性。由于重尾指数未知且难以估计,因此结合Wild Bootstrap重抽样方法来确定渐近分布的临界值;在均值变点存在的情形下,给出了变点位置的一致估计量。数值模拟结果表明:统计量的临界值均不受重尾指数和自回归系数的影响,其经验水平和经验势均取得满意的效果;尤其在原假设下,积分型Ratio统计量的经验水平表现出更好的稳健性,而在备择假设下,最值型Ratio统计量则具备更好的显著性。最后,基于一组股票数据,从实际应用角度进一步阐明所提方法的有效性和可行性。

训练支持向量机的四重序列解析优化算法

为了提高训练支持向量机的序列最小优化算法的学习性能,依据在每次迭代中选取多个变量同时优化可能会减少迭代次数和缩短训练时间的这一想法,提出了一个训练支持向量机的快速算法-四重序列解析优化方法,并给出了一个重要定理,使得相应的子问题有解析解,从而能够更加精确和快速地逼近最优解.在两个公共数据集上的仿真结果表明:该方法比其它算法有较好的学习性能-在相同训练精度的条件下,不仅缩短了训练时间,而且计算复杂度减小.

二重趋势时间序列的灰色组合预测模型

神经网络、ARIMA等广泛应用于具有趋势变动性和周期波动性的二重趋势特征的时间序列预测,而这些单一的模型难以达到满意的预测效果。提出一种针对该特征的灰色组合模型,其基本思想是:从二重趋势时间序列中分离趋势变动项和周期波动项后,用灰色G(1,1)模型预测趋势变动项,引用BP网络和ARIMA的组合模型预测周期波动项,用乘积模型合成两部分预测值为灰色组合模型的最终预测值。实验表明:该灰色组合模型适应了二重趋势时间序列的特征,具有很好的预测效果。

基于CBP的卷烟销售二重趋势时间序列预测模型研究与应用

二重趋势时间序列的预测结果与其整体趋势变动性和季节波动性的特征有较大的关系,在采用神经网络并针对其特征的基础上还没有较好的预测方法.本文以圆形反向传播网络(CBP)为基础,提出二重趋势时间序列预测组合模型(CCBP),即根据二重趋势时间序列特征对其趋势分量与周期分量采用圆形反向传播网络分开进行预测,再对二者积乘.以云南省某片区若干卷烟销售网点的采样数据为研究实例,证实了CCBP模型在二重趋势时间序列预测方面性能有所提高.

基于Bootstrap方法的重尾相依序列均值变点Ratio检验

文章提出了一个改进的Ratio统计量来检测方差无穷重尾相依序列中可能存在的均值变点。基于广义泛函中心极限定理,在原假设下得到统计量的渐近分布,并在备择假设下证明了该检验的一致性。针对重尾指数未知且难以估计的特点,应用Bootstrap重抽样方法确定了统计量渐近分布的临界值。数值模拟结果表明:Ratio检验不仅能很好地控制经验水平,而且相比已有的均值变点检验方法,经验势也有较·明显的提高.

重尾平稳序列的大偏差(英文)

文给出了一类重尾的随机变量序列{Xn,n≥1}的部分和 与随机和 的大偏差结果,其中 是一族非负整值的随机变量.{Xn,n≥1} 是非负的平稳过程,并且与{N(t),t≥0}独立.本文将独立同分布情形的结果推广到了平稳相依的情形.

二重随机变量序列的P-收敛性

研究两种情形下二重随机变量序列{Xn,i:n≥1,i≥1}的随机和的P-收敛性.一种情形是求和个数(随机变量ξn)与{Xn,i:n≥1,i≥1}相互独立,另一种情形是{ξn:n≥1}与{Xn,i:n≥1,i≥1}不一定独立.这其中包括变化环境中分枝过程的P-收敛性.

二重随机序列随机和的重对数律

得到了二重随机序列{ξn,j;n,j≥1}随机和的重对数律, 其中{ξn,j;n,j≥1}是相互独立的且对任意的正整数n, {ξn,j;j≥1}有相同分布.

一致凸Banach空间非扩张映象带误差的Ishikawa型的三重迭代序列的收敛性

在一致凸Banach空间上,研究了半紧的非扩张压缩映象‖Tx-Ty‖≤‖x-y‖的Ishikawa型的三重迭代序列的收敛性问题,建立并证明了带误差的Ishikawa三重迭代逼近收敛定理,从而独特的推广了Mann和Ishikawa迭代方法,改进和发展了文献[1]-[7]的主要结果.

重尾序列均值变点的经验似然比检验

本文通过经验似然思想建立假设检验的方法,研究了重尾序列均值变点的检测问题.首先,基于重尾模型,在原假设和备择假设下得到经验似然函数.其次,基于经验似然函数构造似然比检验统计量,并给出在原假设成立时该似然比统计量的渐近分布.最后,进行~Monte Carlo~数值模拟验证该方法的有效性,模拟结果表明本方法对重尾序列均值变点的检测具有良好效果.

基于序列重要性重采样算法的MIMO时变信道半盲估计

粒子滤波可以用来处理非线性非高斯问题,而序列重要性重采样算法能较好地解决粒子滤波中的粒子退化问题,由此将序列重要性重采样算法运用于MIMO时变信道进行半盲估计.实验结果表明:与使用传统的粒子滤波方法相比,基于序列重要性重采样算法的MIMO时变信道半盲估计方法均方误差和误码率降低,从而改善了接收端的符号检测性能.

基于全局引导的行人序列重识别

行人序列重识别是对同一个人进行跨摄像头识别,要实现跨摄像头行人精确识别必须充分利用行人序列的时空线索。为了解决这个问题,本文提出了一种基于全局引导的行人序列重识别,首先利用ResNet-50提取行人序列特征;然后用全局引导网络将行人序列特征分解为全局特征和局部特征,并提取行人序列全局特征和局部特征的时间相关性;最后对行人序列特征PCA降维后用JS散度计算相似度。实验结果表明本文算法在跨摄像头行人序列重识别中识不仅识别率高,而且效率高。

基于改进型多粒度超图的行人序列重识别

近年来,跨摄像头行人识别成为研究的一个热点,利用深度学习可以快速地识别行人,并以此为基础进一步研究跨摄像头行人重识别。多粒度超图同时利用视频序列中的空间和时间线索,大大提升行人重识别的识别率,但是多粒度超图算法计算量比较大,识别速度较慢。因此,本文提出了一种改进型多粒度超图算法,通过与多粒度超图模型试验对比,结果表明,改进型多粒度超图算法在保证识别率不降低的情况下,识别速度明显提升。

基于多维时间序列局部支持向量回归的微网光伏发电预测

目前光伏发电预测普遍采用采样间隔较大的单一时间尺度功率序列建模,模型简单但对功率时序特征的模拟精度不高。文中提出了一种基于小采样间隔光伏功率数据的多维时间序列局部预测方法。通过构造不同时间尺度的光伏功率均值序列,形成以小时平均光伏功率序列为主要研究序列的多维时间序列;基于相关性分析、C-C方法和嵌入维最小预测误差法确定多维时间序列相空间重构的时间延迟和嵌入维;采用支持向量回归方法建立提前1h的光伏功率局部预测模型。以国内某微网的光伏功率预测为例进行仿真实验,计算结果表明,多维时间序列局部预测模型优于基于单一时间尺度功率序列的局部预测模型,更具应用价值。

The Applications of CRISPR Screening in Aging Research

The advancement of Clustered Regularly Interspaced Short Palindromic Repeats(CRISPR)gene editing technology has revolutionized the comprehension of human genome,propelling molecular and cellular biology research into unexplored realms and accelerating progress in life sciences and medicine.CRISPR-based gene screening,recognized for its efficiency and practicality,is widely utilized across diverse biological fields.Aging is a multifaceted process governed by a myriad of genetic and epigenetic factors.Unraveling the genes regulating aging holds promise for understanding this intricate phenomenon and devising strategies for its assessment and intervention.This review provides a comprehensive overview of the progress in CRISPR screening and its applications in aging research,while also offering insights into future directions.CRISPR-based genetic-manipulation tools are positioned as indispensable instruments for mitigating aging and managing age-related diseases.

CDCLSAT求解器的重启策略分析

CDCL SAT求解器在形式验证等领域应用广泛,但重启策略众多且参数控制复杂,导致通常选择默认参数下的策略,从而降低求解器的效率和易用性.为了提高CDCL SAT求解器的实用性,通过实验分析重启序列、重启间隔、间隔增长系数等因素对实例求解效率的影响,以及求解初期的决策变量数等行为特征数据集与重启策略集之间的关系.实验结果表明,通过改变重启策略可以提高求解效率,所得到的最优解比缺省解的效率可提高6 959%,平均提高411%;重启策略在求解过程中表现出较大的个体差异性和一定的群体差异性;相比重启频率,重启序列对求解效率影响更大.进一步用7种重启策略集合覆盖97%案列的最优重启策略,通过求解初期的特征值变化频率与相应的重启策略关联,为后期选择最优重启策略提供技术支持.