多源异质信息与股票收益波动

信息是股票市场的基石,影响着投资者的信念和交易行为,进而影响资产价格的波动.本论文集合包括公司公告、分析师报告和新闻在内的多源信息,研究其与股票收益波动之间的联系.实证发现:1)信息日的收益波动率显著高于非信息日,且新闻对收益波动的影响最大;2)通过控制信息数量对贡献度的影响,发现新闻对原始收益波动率和特质收益波动率的贡献最大,而分析师报告的贡献最小;3)处于成熟期的企业(更低换手率、更大年龄)其收益波动受公共信息的影响更大.

能耗均衡约束下的多源异质传感器数据动态汇聚算法

多源异质传感器数据在无线传感网络中汇聚时,易受到无线传感网络冗余数据的干扰,导致其通信开销大、精度低。为此,提出能耗均衡约束下多源异质传感器数据动态汇聚算法。构建能耗均衡约束模型,保证多源异质数据节点在汇聚过程中所消耗的能量趋于平均值,采用监督判别投影算法对数据进行降维处理,消除数据中的冗余度,通过模糊分簇阈值筛选机制获取汇聚区域的簇头阈值,将簇区域内数据汇聚到传感器中,完成多源异质传感器数据的动态汇聚。仿真结果表明,所提算法的隐私泄露率在25%左右,通信开销在9 MB~46 MB之间,汇聚数据正确率高于90%,证明所提算法可有效降低通信开销,提高数据汇聚精度。

基于多源异质融合的网络安全态势生成与评价

网络安全态势感知(NSSA)是目前网络安全领域的热点研究内容,开展NSSA的研究,对提高网络安全水平有着重要的意义。提出了一个基于多传感器融合的网络安全态势感知模型,利用支持向量机作为融合引擎,融合来自异质多传感器的数据,并结合特征约简算法,提高了融合的实时性。在此基础上,引入态势生成算法,生成安全态势,并利用安全态势评价指标对量化感知进行了评价。仿真实验表明提出的模型和方法是可行的和有效的。

一种基于最优聚类中心与权重欧式距离的多源异质传感器数据融合方法

针对多源传感器协同监测森林火灾时对于早期火灾识别准确度不高的问题,本文提出了一种基于最优聚类中心与权重欧式距离的多源异质传感器数据融合方法。将温度、烟雾和CO传感器的数据进行融合得到明火、阴燃、无火三种火情的概率估计,从而实现及时识别林火的目的。仿真实验结果表明:本文提出的方法可以实现各阶段火情早期特征的检测,有效识别早期森林火灾;与相关文献提出的方法相比,本文方法能够得出更为理想的林火概率,辨识准确性更高,可以有效降低误报风险。

一类带有多源异质干扰的随机系统的精细抗干扰控制

本文考虑了一类带有多源异质干扰的随机系统的精细抗干扰控制问题,其中干扰包括带有未知光滑非线性函数的非谐波干扰和白噪声.采用模糊逻辑系统对光滑未知非线性函数进行逼近,在逼近值的基础上构造自适应干扰观测器来估计干扰.通过结合干扰观测器跟模糊控制,提出了一种精细抗干扰控制策略以保证复合系统达到依均方渐近有界.最后,通过仿真验证了所提方案的有效性.

基于高斯滤波与均值聚类的异质多源传感器数据加权融合

异质多源传感器之间工作频率存在差异,导致数据之间的一致性较差,加权融合后的观测误差较大,因此提出基于高斯滤波与均值聚类的异质多源传感器数据加权融合方法。采用高斯滤波对异质多源传感器数据空间单元格进行划分,建立基于单元格的最佳连通域,保留传感器内部数据,完成传感器数据的高斯滤波平滑处理。引入均值聚类对异质多源传感器数据进行一致性处理。通过免疫粒子群搜索最优权重和参数,利用最优权重和参数完成异质多源传感器数据加权融合。仿真结果表明,所提方法能够降低融合后传感器数据的观测误差与均方误差,观测误差与均方误差最小值均为0.002。因此,说明所提方法提高了融合后异质多源传感器数据的可利用性。

考虑量测错误和多源异质信息融合的变电站概率故障诊断:统一的Bayes网络模型

故障诊断对提升电网故障分析处理能力有重要意义。在变电站本地进行故障诊断可以更加充分、敏捷地利用本地的丰富信息。为适应智能电网环境下信息丰富、分布自治的趋势,提出一种基于Bayes网络的变电站故障诊断方法,考虑了保护、开关的拒误动和量测信道错误等不确定性,并综合利用顺序事件(sequence of events,SOE)、故障录波、保护闭锁等多源异质信息。使用经典的联结树(junction tree)算法进行概率推理。结果表明:与不考虑量测信道不确定性的方法相比,该方法可以更加充分利用开关SOE等信息;故障录波和闭锁等非SOE信息的引入可以有效提升诊断的准确率。

基于多模板融合的异质手背静脉身份识别

针对手背静脉识别过程中的多源异质问题,分别在图像预处理和识别算法上进行改进,提出了自适应手背静脉图像的归一化配准方法,并利用位置信息对SIFT(scale-invariant feature transform,尺度不变特征变换)特征点进行精确筛选,降低了错误匹配概率,最后采用多模板融合的识别策略对异质图像进行配准识别,通过图像降维,进一步提高识别率和识别效率,使得平均识别结果达到90.17%。与其他算法的对比结果表明,该算法能够较好地解决多源异质问题对手背静脉识别所造成的影响。

基于LBP和多层次结构的异质手背静脉身份识别

针对多源异质的手背静脉异质图像的识别研究,提出了基于LBP和多层次结构的识别算法;首先对图像做适当的预处理,然后将LBP特征提取算法编码的手背静脉纹理特征图像作为多层次结构的输入,通过多层次结构的逐层由具体到抽象的特征提取,得到的特征具有更大的鲁棒性;最后该算法在多源异质的手背静脉图像库得到的识别率比传统的算法识别率高,达到96.57%;进一步表明该算法能够较好地解决由于多源异质问题对手背静脉识别所造成的识别率低的影响。

一类带有输入饱和的随机系统抗干扰控制

针对一类带有多源异质干扰和输入饱和的随机系统,研究了其精细抗干扰控制问题.系统中的多源异质干扰同时包含白噪声,H_(2)范数有界干扰以及外源系统生成的带有状态与干扰耦合的部分信息已知干扰.针对部分信息已知的干扰,构建随机干扰观测器对其进行估计.基于干扰估计,结合H∞控制方法,提出基于干扰观测器的精细抗干扰控制策略,从而实现高精度抗干扰控制.最后,仿真结果验证了所提策略的正确性与有效性.

一类随机系统基于自适应非线性干扰观测器的抗干扰控制

本文针对一类带有多源异质干扰的随机系统研究了抗干扰控制问题.多源异质干扰包括与系统状态和控制输入耦合的未知非谐波扰动和白噪声.设计了自适应非线性干扰观测器用来估计非谐波扰动.在此基础上,提出了一种基于自适应非线性干扰观测器的抗干扰控制方法.最后通过仿真算例验证了所提策略的有效性.

成分数据因变量的混合数据回归及在股市情绪构成分析中的应用

成分数据作为因变量的回归模型在经济管理领域应用场景广泛,但在已有方法中,模型的自变量仅包含数值型数据和成分数据,无法满足在数据类型多元化的大数据时代中建模的需求.本文提出了因变量为成分数据,自变量包含函数数据和数值型数据的线性回归方法.借助于成分数据的等距对数比变换,函数数据的主成分基展开,实现了多源异质混合数据的建模分析.特别地,采用一种特定的等距对数比变换方式,保证回归模型的解释性.作为案例,采用中国股票市场日内收益率,交易量和市场情绪构成数据,建立了日内收益率(函数型)和交易量(数值型)对情绪构成(成分型)的回归模型,进一步说明了提出方法的工作过程及其应用价值.