无线传感器网络中基于序列相关性的数据压缩算法

无线传感器网络(WSN)中传输的数据具有相关性和冗余性。如何有效降低网络中的数据量,延长网络生命周期,始终是WSN的研究热点之一。该文基于WSN中数据序列的相关性,提出一种两步数据压缩算法(TSC-SC)。网络中的簇首和簇内节点执行各自的压缩算法:簇首首先执行相关性分组算法,将数据分组,减少簇内节点的计算量以及消除簇内数据的空间相关性;簇内节点对多属性数据分类压缩,并将压缩参数传至簇首,簇首解压后再次进行分类压缩,进一步消除数据相关性,减少节点数据冗余度,降低通信能耗。为实现对压缩算法的综合性能评价,考虑基本的压缩要求和算法的计算能耗,提出了基于能量判别的算法评估模型(NCER)。仿真结果表明TSC-SC算法可以有效降低压缩比和压缩误差,充分减少数据传输量和网络的通信能耗,利用NCER指标能够直观地评价算法的性能。

核实数据下非线性模型的序列相关性检验

研究了核实数据下非线性模型的序列相关检验问题,并运用经验似然的方法构造了检验统计量,证明了该检验统计量在零假设下的渐近分布。数值模拟结果显示:提出的检验效果比较理想。

响应变量缺失下部分线性单指标模型的序列相关性检验

研究了在响应变量随机缺失下的部分单指标模型的序列相关检验问题。首先采用借补的方法对缺失响应变量进行处理,再运用经验似然方法对残差部分进行序列相关性检验,构造了经验似然比统计量,并证得其为渐近分布。数值模拟结果表明:该检验方法具有较为理想的检验功效。

基于数据序列相关性的网络敏感信息提取方法研究

针对传统网络敏感信息提取方法中提取成功数量较少的问题,开展对网络敏感信息提取方法的研究。笔者从网络敏感信息数据序列选择、网络敏感信息数据序列相关性计算、设定网络敏感信息表达方式、替代网络敏感信息的数据序列提取几方面,完成基于数据序列相关性的网络敏感信息提取方法研究。通过对比实验证明,该方法与传统方法相比有效提高了提取成功率,具有更高的应用价值。

不同软件在序列相关性LM检验中的应用

LM检验是序列相关性检验的一般性方法,该方法既可检验一阶序列相关,也可检验高阶序列相关。在一些教科书中,对LM统计量的计算存在一定的错误。EViews软件和Stata软件都可用来进行LM检验。经比较发现,EViews软件中的序列相关性LM检验模块使得检验的效率高于运用Stata软件进行编程检验的效率。

中国股市的股票成交量与收益率序列相关性的实证研究

本文以沪、深股市的股票为样本，研究股票成交量与股票收益率序列相关性的关系。结果表明，第一，无论是在牛市、熊市还是盘整市中，高成交量交易日的股票收益率在随后交易日中都将表现出线反转；第二，牛市和熊市中，股票日成交量对日收益率序列相关性的影响系数与公司规模正相关，与股价波动性负相关。

误差带有AR(q)的序列相关性的单指标模型估计

单指标模型由于具有高度的数据建模灵活性而在实际研究中应用广泛.基于B样条逼近技术和广义差分法,研究误差带有AR(q)的序列相关性的单指标模型最小二乘估计问题,并提出一套有效算法.通过大量数值模拟说明方法的有效性.

股票成交量与收益率序列相关性研究——来自中国股市的实证证据

本文以1996年1月1日至2003年12月31日期间沪、深股市255只股票为样本,研究股票成交量与股票收益率序列相关性的关系,以及股票的信息不对称程度对这种关系的影响。结果表明:第一,无论是牛市、熊市还是平衡市,高成交量交易日的股票收益率在随后交易日中都将表现出“反转”;第二,牛市和熊市中,在高成交量的交易日之后,信息不对称程度较高的股票,其收益率与信息不对称程度较低的股票相比,更倾向于表现出反转。针对这一难以被金融学主流理论所完全解释的实证结果,结合中国实际,笔者认为其根源在于中国投资者的资产配置交易和过度投机交易行为。

采用数字序列相关性分析法研究灯盏花素的不同含量测定方法

目的:采用数字序列相关性分析法对灯盏花素的HPLC和UV测定法进行相关性研究。方法:分别用HPLC法测定灯盏花素中野黄芩甙含量和UV法测定灯盏花素中黄酮苷含量,再采用数字序列相关性分析法对两种测定方法的相关性进行统计分析。结果:通过数字序列相关性分析法,得到Cμ1.μ2=0.9993;r=0.7569,说明灯盏花素的两种含量测定方法具有高度相关性,进一步可拟合出它们之间的线性方程:y=-0.4320+1.4311x,r=0.9055>r(3)0.05=0.878,P<0.05。结论:用于测定灯盏花素含量的HPLC法和UV法具有良好的相关性,通过转换系数可由一种含量测定数据推测出另一方法的结果,即可以简化含量测定方法。

一种降低相干光正交频分复用系统序列相关性的方法

分析了相干光正交频分复用(CO-OFDM)系统中四波混频(FWM,four-wave mixing)效应对系统性能的影响,提出了一种新的降低CO-OFDM系统中各个子载波序列相关性的方法——偏载波填充法(PCF,partial carrier filling)与部分序列传输(PTS,partial sequence of transmission)相结合。理论分析和仿真表明,这种方法能有效降低CO-OFDM系统的序列相关性,从而抑制信道内FWM效应对CO-OFDM系统带来的损伤。研究结果表明,本文提出的方法在传输距离达103 km的情况下,误码率(BER)仍然低于10-3,与PTS方法相比,降低了将近1个数量级。

数字序列分析对两种大蒜总氨基酸测定方法结果间的相关性研究

目的 研究茚三酮显色-可见分光光度法和高效液相色谱法测定大蒜总氨基酸含量结果间的相关性。方法 分别采用茚三酮显色-可见分光光度法和高效液相色谱法测定大蒜总氨基酸含量,对两种测定方法的结果采用数字序列相关性分析法建立相关性数学模型。结果 基于数字序列相关性分析法建立相关性数学模型得到 Cμ_(1)·μ_(2)=0.921 7,r= 0.932 0,说明大蒜总氨基酸的两种含量测定方法具有高度相关性,拟合出线性方程:Y= 1.003 3X+2.278 1,r= 0.932 0,且 P<0.01。3批验证的大蒜总氨基酸含量数据:茚三酮显色-可见分光光度法测定值分别为 13.00%、7.79% 和 8.73%;高效液相色谱法实测值分别为 15.40%、9.98% 和 11.60%;高效液相色谱法测算值分别为 15.32%、10.09% 和11.03%。结论 高效液相色谱法和茚三酮显色-可见分光光度法测定大蒜总氨基酸含量的结果之间具有良好的相关性,通过线性方程可由一种大蒜总氨基酸含量测定结果预测另一方法的测定结果。

Huber损失下线性模型的序列相关检验

金融数据分析中经常发现数据具有厚尾或非对称特征,这给模型相关性检验带来了许多困扰。针对厚尾和非对称分布的序列相关性检验问题,结合秩相关系数和Huber损失,提出了HubT、CCT检验统计量,并在原假设下得到了检验统计量的渐近分布。通过数值模拟说明新构建的统计量能在厚尾和非对称分布的序列中有良好的表现。

金融时间序列系统风险度量:动态二元Dvine模型

在金融市场中,对金融资产的尾部风险的精准度量一直是研究者关注的焦点。本文提出了一个新的二元时间序列模型,用来计算和预测金融资产的在险价值(VaR)和条件在险价值(CoVaR)。该模型可以同时捕捉二元时间序列中存在的序列相关性和横截面相关性,从而提高估计和预测的精度。本文在模型推导中给出了该二元时间序列模型的参数估计值,并且基于plug-in方法给出了VaR和CoVaR的估计值。还建立了Dvine模型估计量的渐近性质。对金融股价的实证分析表明我们的模型在风险度量和预测方面表现良好。

风险分析应用中的相关性问题

应用风险分析的一个关键问题是如何看待和处理项目各经济因素间的相关性。本文试图在解决了项目各年净现金流量中相关变量依独立变量的相关取值问题的基础上,探索序列相关性问题的处理。

时空相关面板数据模型估计方法研究

文章将局部空间相关性和时间序列相关性引入面板数据模型分析框架,提出时空相关面板数据模型。在模型估计上,为克服极大似然估计法(ML)在运算上的困难,文章提出采用等权重GMM和最优权重GMM估计方法估计模型误差项方差系数及序列相关系数,并在此基础上,提出采用可行广义最小二乘法(FGLS)估计模型参数,解决了经济计量实证研究中同时存在空间相关性与序列相关性情形下的参数估计。

关于自相关问题的计量分析实例

一般在进行多元线性回归模型分析时,往往要满足基本假设之一,即模型的随机干扰项相互独立或不相关.而由于采用的时间序列数据在前后一段时间联系比较紧密,产生序列相关性的杌率很大,所以在分析的基础上要进行检验.除了检验一阶自相关外,也要注意由该时间序列所拟舍的模型会不会存在二阶以及二阶以上的自相关性,这里本文借助了拉格朗日乘数检验.以弥补杜宾检验仅能检验一阶自相关的不足.本文在前面分析的基础上,利用广义差分法处理自相关问题,最终得到了比较理想的模型.

中国A股市场弱有效性检验——基于时间序列分析方法

有效市场理论是许多金融理论的前提条件及基础。研究市场的有效性对于其他一些理论探讨有着重要的意义。我国股票市场成立时间短，发展速度快，而对于市场的弱有效性的研究也从未间断过。一系列的学者研究发现在成立初期，市场确实未达到弱有效，但随着时间的推移有效性逐渐加强，到21世纪已有人认为中国股市已达到弱有效。本文使用两种方法研究08年的股市数据，证实中国股票市场确实已达到弱有效。

基于滤波原理的时间序列差分隐私保护强度评估

针对目前相关性时间序列差分隐私保护方法没有统一的攻击模型,且不同方法的隐私保护强度无法进行横向比较和度量的问题,设计一种攻击模型。由于这些方法加入的噪声是独立同分布的,且相关性时间序列可以看作短时平稳过程,根据信号处理中滤波的原理,设计一个线性滤波器作为攻击模型以滤除部分噪声。实验结果表明,该攻击模型有效,并为各方法的隐私保护强度提供了统一的度量。

基于整体序列建模的会话推荐模型

会话推荐常用的循环神经网络根据会话的短期交互生成相关表示。循环神经网络采用多次迭代的方式逐步生成表示,在每次迭代中选取局部最优解,无法从全局角度考虑会话记录中各项目的重要性,使会话表示的性能受限。针对该问题,该文提出一种基于整体序列建模的会话推荐模型,通过综合考虑各项目内容对会话表示的重要性,生成更为有效的会话表示。为了更好地挖掘项目内容在会话推荐中的重要性,该文联合分析了该项目在会话历史中所处的位置和该项目与会话最新交互项目的关系等信息,衡量该项目在会话中的权重,最后融合会话历史中的各项目信息生成整体的会话表示。在3个公开数据集上进行的大量实验表明,该文方法明显优于现有方法,证明了其有效性。

一种改进的变结构混沌序列性能分析

自提出了基于广义混沌映射切换的混沌同步保密通信方法以来,这种通过混沌映射切换来改变混沌系统结构,以此产生伪随机序列的方法被频繁引用.但这种方法产生的序列的综合性能却一直未能得到有力的证明,而且尚存在不能充分保证序列周期足够长的致命弱点.本文对这种变结构混沌序列产生方法作了动力学分析,并通过数值仿真对该方法产生的序列做了统计性能分析和抗预测性能研究.为了解决周期问题,本文在变结构混沌序列基础上引入了m序列扰动.结果表明:这种改进的变结构混沌序列具有典型的混沌特性,而且产生序列的周期,相空间分布,线性复杂度,相关性以及抗预测性等方面的性能明显优于基于单一混沌系统的序列.