去滑动均值趋势的De Wijs模型多重分形特征分析

运用去滑动均值算法,探讨了De Wijs模型的多重分形特征。结果显示,趋势波动函数Fq(s)与尺度s具有较好幂律关系,Hurst指数h(q)与标度函数τ(q)都是随q变化的非线性函数,且随着富集参数d的增大,多重分形谱f(α)曲线跨度越大,指示多重分形特征越明显。这表明去滑动均值算法是识别De Wijs模型的多重分形特征及区分其分形强度的有效方法,可为进一步应用于实验数据的非线性特征分析提供理论指导。

基于去滑动均值趋势多重分形的糖尿病风险预测

运用去滑动均值趋势多重分形(MFDMA)方法,以天池医疗大赛的糖尿病初赛数据为模型预测数据中隐藏的糖尿病病患的风险。结果显示:数据集的Hurst指数指示甘油三脂以及血糖数据具有多重分型特征,进一步研究数据集的多重分形谱发现,甘油三酯以及血糖富集程度明显,含量较高,因此预测数据中的人群患有糖尿病风险的程度较高。

基于应用型本科人才培养实践的高校数学教学改革分析与研究

本文主要基于对新形势下高校数学教学改革的思考,结合当今高校数学生源个体差异以及教学现状,分析在高校数学教学中存在的问题,并从培养目标出发,结合教学方式、教学资源配置、考核评价方式等方面提出高校数学教学改革的建议。

高斯噪声影响下的去滑动均值趋势多重分形对比分析

运用去滑动均值算法,研究了叠加高斯噪声的二项重分形模型的多重分形特征,并与去趋势波动分析算法进行对比分析。结果显示:叠加高斯噪声序列会影响MFDMA与MFDFA算法的计算结果,且高斯噪声影响程度大;在低噪声强度下的MFDMA算法计算精度优于MFDFA算法,随着噪声强度的增大,MFDMA对噪声更为敏感,计算精度下降更快。

基于0-1测试法的Verhulst种群序列混沌识别

0-1测试法是通过离散数据转化变量的线性增长率K(c)的输出值是否趋近于1或0来判断离散序列是否具有混沌特性的新方法.以经典Verhulst种群模型生成的3组时间序列(弱混沌、完全混沌、3-周期)为研究对象,对不同的增长因子!和数据长度N进行序列模拟,验证0-1测试方法的有效性和抗噪性.结果显示:0-1测试法能有效识别Verhulst序列的混沌特征,其中弱混沌序列K(c)值随数据长度的增加不断增大到0.700 3,完全混沌序列的K(c)值趋于1,3-周期序列K(c)值趋于0;进一步对3种序列添加正态白噪声(噪声比=5%),添加后对应K(c)值的变化不大,说明低强度噪声并不能影响其序列具有的内在非线性特性,即0-1测试法具有一定的抗噪性.

0-1混沌测试算法中振幅对混沌序列的影响

0-1混沌测试法是根据线性增长率K(c)值是否趋近于1或0来判断离散数据混沌性的新方法。选取Verhulst种群模型生成的3类时间序列(弱混沌、完全混沌、4-周期)为研究对象,验证了0-1测试法的有效性,对0-1测试算法中振幅α作了进一步探讨。结果表明:弱混沌序列K(c)值对振幅α最敏感,其次分别是强混沌序列和周期序列,K(c)值随振幅α变化的快慢可以反映序列的混沌程度。

一类具有指定验证者性质的无证书聚合签名方案

本文提出了一种无证书具有指定验证者性质的聚合签名方案,并对方案的安全性进行了分析。结果表明,新方案不仅满足聚合签名的安全性,而且还满足不可传递性和指定的可验证性。