采用二重扰动机制的支持向量机的集成训练算法

为了有效提升支持向量机的泛化性能,提出两种集成算法对其进行训练.首先分析了扰动输入特征空间和扰动模型参数两种方式对于增大成员分类器之间差异性的作用;然后提出两种基于二重扰动机制的集成训练算法.其共同特点是,同时扰动输入特征空间和模型参数以产生成员分类器,并利用多数投票法对它们进行组合.实验结果表明,因为同时缩减了误差的偏差部分和方差部分,所以两种算法均能显著提升支持向量机的泛化性能.

基于MTC结构的支持向量机并行训练算法

为加快支持向量机的训练速度,提出一种新型的"多重三叉级联(MTC)"学习结构,具有反馈速度快、计算节点利用率高、反馈的支持向量多等优点。基于该结构设计了支持向量机的并行训练算法,并严格证明了新算法能够收敛到支持向量机的最优解。数值实验结果表明,新算法具有非常高的加速比和并行效率,需要的训练时间显著地少于Graf等提出的Cascade SVM算法。

电子商务——一种解决方案

本文简单介绍了电子商务基本概念，并通过介绍一个具体的电子商务解决方案以及该方案的体系结构，特点和交易支付流程，以方便读者对电子商务及其解决方案有较具本的了解和印象。

Intranet连入Internet的低端解决方案及其实例

本文根据目前国内中小企业的实际要求和资金投入的承受能力，提出一种可供中小企业应用Ｉｎｔｅｒｎｅｔ／Ｉｎｔｒａｎｅｔ的“Ｉｎｔｒａｎｅｔ连入Ｉｎｔｅｒｎｅｔ的低端解决方案”，并给出一个实例。

基于三维混沌序列的数字图像加密算法

对Lorenz序列进行了改进,改进后的序列具有理想的伪随机特性。提出了应用改进后的Lorenz序列进行图像加密的算法,该算法对图像的像素和空间位置均进行置乱。仿真及分析结果表明,该算法密钥空间大,具有较好的统计特性、较强的抗干扰能力和较高的执行效率,加密效果对密钥敏感。

一种门限密钥托管方案(英文)

基于Elgamal公钥体制和Shamir门限方法 ,设计了一个多级门限密钥托管方案 ,该方案不仅能克服阈下攻击和监听机构权力过大的缺点 ,也可以验证用户私钥密钥片的正确性 。

基于流形正则的块增量距离尺度学习算法

在实时应用中,观测样本通常以数据块的形式依次达到,传统的批量距离算法难以进行学习.本文提出一种新颖的利用成对约束关系进行学习的块增量距离尺度算法.首先给出块增量学习的一般模型,并通过扩展约束集克服其容易"过拟合"的缺陷;然后引入流形正则项使得学习过程中数据块的局部邻域结构得以保持.实验结果表明,本文算法学习的距离尺度在测试精度、计算开销上优于现有的增量距离算法,并且在存储开销方面显著优于批量距离算法.

基于Fréchet距离的股票相关性研究

股票相关性研究中使用的皮尔森系数法采用固定的时间间隔,可能会导致具有强相关性的股票结果出现偏差。针对此,本文提出了一个基于收益率方向动态匹配的股票相关性方法,根据股票收益率基于离散Fréchet距离求出相关性向量(最大匹配度,偏差均值),得到股票相关性的最佳匹配序列,再融合初始匹配度和新匹配度及时更新股票间的相关性。最后通过中国上证A股市场真实数据集和模拟数据集的实验验证方法的有效性。

基于改进遗传算法和图神经网络的股市波动预测方法

针对支持向量机(SVM)、长短期记忆(LSTM)网络等智能算法在股市波动预测过程中股票评价特征选择困难及时序关系维度特征缺失的问题,为能够准确预测股票波动、有效防范金融市场风险,提出了一种基于改进遗传算法(IGA)和图神经网络(GNN)的股市波动预测方法——IGA-GNN。首先,利用相邻交易日间的时序关系构建股市交易指标图数据;其次,通过评价指标特性优化交叉、变异概率来改进遗传算法(GA),从而实现节点特征选择;然后,建立图数据的边与节点特征的权重矩阵;最后,运用GNN进行图数据节点的聚合与分类,实现了股市波动预测。在实验阶段,所研究的股票总评价指标数为130个,其中IGA在GNN方法下提取的有效评价指标87个,使指标数量降低了33.08%。应用所提IGA在智能算法中进行特征提取,得到的算法与未进行特征提取的智能算法相比,预测准确率整体提升了7.38个百分点;而与应用传统GA进行智能算法的特征提取相比,应用所提IGA进行智能算法的特征提取的总训练时间缩短了17.97%。其中,IGA-GNN方法的预测准确率最高,相较未进行特征提取的GNN方法的预测准确率整体提高了19.62个百分点;而该方法与用传统GA进行特征提取的GNN方法相比,训练时间平均缩短了15.97%。实验结果表明,所提方法可对股票特征进行有效提取,预测效果较好。

基于服务相似度的移动用户近似邻居选取方法

现有近似邻居集选取方法存在分类较粗、标签缺失等问题,在移动服务方面无法取得较好的效果。为此,提出一种有效的近似邻居集选取方法。通过改进短文本相似度计算方法,基于服务介绍内容,求出移动服务之间的相似度,根据服务相似度,改进用户相似度计算方法,得到用户之间非对称的有向相似度,给出分步筛选法,解决由于冷启动等原因引起的目标用户近似邻居集数量庞大的问题。实验结果表明,该方法的准确率高于关键词重叠法和余弦法。

基于多重注意力机制的图神经网络股市波动预测方法

股票市场是金融市场关键组成部分,因此对股票市场波动的研究对合理化控制金融市场风险、提高投资收益提供了重要支持,一直以来都是学术界和相关业界的关注焦点,然而,股票市场会受到各种因素的影响。面对股票市场中多源化、异构化的信息,如何高效挖掘、融合股票市场的多源异构数据具有挑战性。为了充分解释不同信息及信息间相互作用对于股票市场价格波动的影响,提出一种基于多重注意力机制的图神经网络来预测股票市场的价格波动。首先,引入关系维度构建股票市场交易数据和新闻文本的异构子图,并利用多重注意力机制实现图数据的融合;其次,通过图神经网络门控循环单元(GRU)进行图分类,在此基础上完成对股票市场中上证综合指数、沪深300指数、深证成份指数这三个重要指数波动的预测。实验结果表明,从异构信息特性角度,相较于股票市场交易数据,股市新闻信息对于股票价格影响存在滞后性;从异构信息融合角度,所提方法与支持向量机(SVM)、随机森林、多核k-means(MKKM)聚类等算法相比,预测准确率分别提升了17.88个百分点、30.00个百分点和38.00个百分点,并进行了模型交易策略的量化投资模拟。

基于Client／Server结构的Pro＊C程序设计方案——提高多进程应用系统运行效率

针对在用Ｐｒｏ＊Ｃ来开发具有多进程结构的应用系统，而应用系统访问ＯＲＡＣＬＥ数据库又是由多个独立进程来实现的情况下，为了提高应用系统运行效率，本文介绍了一种基于Ｇｌｉｅｎｔ／Ｓｅｒｖｅｒ结构的Ｐｒｏ＊Ｃ程序设计方案。同时，给出了一个应用实例。

塔台视景模拟

本文给出一种基于微机网络的低成本塔台视景系统的设计思想和图象生成（ＣＩＧ）技术。将景物分解为静止背景和动目标分别生成并迭加合成，对动目标采用稀疏采样和三维插值生成和复用等技术，大大降低了实时ＣＩＧ的巨大运算量。

数字图像纹理细节的分数阶微分检测及其分数阶微分滤波器实现

文中提出并论述数字图像纹理细节的分数阶微分检测及其分数阶微分滤波器实现.首先,分别从信息论和动力学两个角度深刻阐述了分数阶微积分的几何意义和物理意义.然后,提出并论述了分数阶驻点、分数阶平衡系数、分数阶稳定系数、分数阶灰度共生矩阵的概念与理论,并详细论述了分数阶灰度共生矩阵对图像纹理细节特征的检测.然后,论述了在x轴负、x轴正、y轴负、y轴正、左下对角线、左上对角线、右下对角线、右上对角线8个方向上的数字图像任意分数阶n×n的分数阶微分掩模的构造及其数值运算规则.最后,在此基础上,提出并论述了数字图像分数阶微分滤波器的理论与构造.仿真实验分别从定性和定量两方面证实了,对于纹理细节信息丰富的图像信号而言,分数阶微分具有非线性增强图像复杂纹理细节特征的独特优势与良好效果.