基于投影降维技术的期权组合非线性VaR模型

高维期权组合VaR值的计算时间和计算工作量随着市场风险因子维数的增加而迅速增加.为此,引入投影降维技术,用少数几个风险因子来解释高维期权组合总的风险,并结合快速卷积方法,建立了基于投影降维技术的市场风险因子呈厚尾分布情形下的期权组合非线性VaR模型,达到减少计算时间和计算工作量的目的,同时期权组合价值变化的信息又没有太大的损失.数值结果表明,投影降维技术能够达到与快速卷积方法、Monte-Carlo方法差不多的估算精度,而计算效率明显优于快速卷积方法、Monte-Carlo方法,计算时间和计算工作量明显减少.

高维数据降维技术及研究进展

降维技术旨在将高维数据映射到更低维的数据空间上以寻求数据紧凑表示,该技术有利于对数据做进一步处理。随着多媒体技术和计算机技术的高速发展,数据维度呈爆炸性增长,使得机器学习、图像处理等研究领域的数据分析变得为越来越困难。为消除上述问题造成的维度灾难,研究学者提出了一系列的解决方法。文中为探索这些降维技术的实用性,介绍了传统的降维技术以及近年推出的降维技术,分析了典型降维技术的性能,指出降维技术仍存在的问题并分析了未来值得关注的研究方向。

基于流形学习降维技术的研究概述

流形学习是近几年发展起来的降维方法,它能够发现非线性高维数据中的内在低维结构,从而实现非线性降维。目前,流形学习已成为机器学习和数据挖掘领域的研究热点问题。本文主要介绍了流形学习的基本思想,综合了几种主要的流形学习算法,分析了其优势和不足。

非线性降维技术与可视化应用

基于非线性降维技术有助于发现高维数据内在结构与几何分布的理论基础,根据特征保留形式将目前非线性降维技术分为3类,并对其中具有代表性的算法进行分析。通过与经典线性降维技术进行对比,证明了非线性降维技术在数据可视化应用中的优势。针对传统非线性降维技术存在的时间复杂度过高及适用范围有限的问题,系统性地总结了目前该领域的最新改进方式。

基于降维可视化技术的结构可靠性灵敏度分析

针对多维隐式结构可靠性问题,应用降维可视化技术进行可靠性灵敏度分析。基于i HLRF法求解设计点,根据模型计算精度确定有限差分步长。用一条直线将平面分为安全域和失效域两部分,通过计算直线初始位置附近数据点对应的响应量,来调整并确定直线的最终位置,根据直线上方数据点提供的信息计算可靠性灵敏度。提出的可靠性灵敏度分析方法的准确性不受维度以及非线性的影响,且效率较高。最后计算了两个结构系统的可靠度及各个变量的可靠性灵敏度,为结构设计提供了理论依据。算例表明了文中所给出的计算公式的正确性和有效性。

基于降维技术与K-means聚类的油纸绝缘状态综合灰评估

针对变压器油纸绝缘单一特征量评估易受多种因素干扰而影响准确性等问题,提出一种基于降维技术与改进K-means聚类的变压器油纸绝缘状态综合灰评估新方法。首先,提出去极化电流谱线末端双点解析法提取3个绝缘老化新特征量。接着,基于特征量的多元评估指标阵,结合组合权重法和降维技术,提出特征量综合指标Z。最后,采用基于K-means聚类算法对Z构建"好、中、差"3等级的分级数据库并确定等级界限标准表,形成变压器油纸绝缘老化状态灰色聚类评估体系。经若干实例分析证明所提方法能全面、准确地评估绝缘状态。

基于智能优化算法的投影寻踪降维技术理论及其农业应用

投影寻踪（ProjectionPursuit，PP）是一种解决高维问题的统计方法，其出发点是将高维问题引入低维空间后再进行研究。在农业生产系统研究中。用这种方法可以建立多因子预测、评价模型，解决资料长度与预测精度之间的矛盾。本项目是在前人研究的基础上，东北农业大学付强教授带领的课题组，解决投影寻踪方法在应用时出现的关键问题。解决农业系统领域研究中关于预测、多维评价以及其多元复杂性问题，使投影寻踪高维降维技术理论得以发展和完善。并具体与农业系统相结合，解决农业系统中先前诸多悬而未解的实际问题，使该方法在理论与实际应用问题上迈上新台阶。为解决农业系统复杂性问题开辟新的研究途径与模式。

风资源超短期预估中的多数据源降维预处理方法研究

准确预估自然状态下的风资源是进行风电优化调度的基础。为了充分利用多数据源实现有用信息的筛选和提取来提高预估精度,同时有效控制数据规模和复杂性,在风资源超短期预估中引入数据预处理环节是必要的。因此提出了基于复相关系数的数据筛选方法及基于典型相关分析的序列降维方法,构建了多维到1维序列映射模型用于多数据源的质量提升和降维简化,作为前置数据处理环节纳入到基于遗传算法和反向传播(back propagation,BP)神经网络的风资源超短期预估方法中。最后通过实际算例证明了该数据预处理方法在提高预估精度方面具有显著的效果。

非规则流中高维数据流典型相关性分析并行计算方法

为了满足在计算资源受限的环境下高维数据流处理的实时性要求,提出一种方法——基于GPU(graphicprocessing unit)的非规则流中高维数据流的处理模型和具体的可行架构,并分析设计了相关的并行算法.该六层模型是将GPU处理数据的高宽带性能结合进滑动窗口中数据流的分析,进而在该框架下基于统一计算设备架构(compute unified device architecture,简称CUDA),使用数据立方模型以及降维约简技术并行分析了多条高维数据流的典型相关性.理论分析和实验结果均表明,该并行处理方法能够在线精确地识别同步滑动窗口模式下高维数据流之间的相关性.相对于纯CPU方法,该方法具有显著的速度优势,很好地满足了高维数据流的实时性需求,可以作为通用的分析方法广泛应用于数据流挖掘领域.

AI虚拟主播技术的发展和应用分析

随着人工智能、智能语音及虚拟成像等技术的逐渐成熟,AI虚拟主播开始广泛应用于广播电视、新媒体及互联网各领域。因此,简述AI虚拟主播发展历程,分析各大媒体的AI虚拟主播应用案例,探究AI虚拟主播在广播电视行业的应用和发展。

关于高维、相依和不完全数据的统计分析

本文包括3部分:第1部分简要讲述统计学的发展和面临的挑战,说明高维、相依和不完全数据的统计分析是在现代科学技术和社会经济中普遍存在的困难问题;第2部分概述我国学者在相关领域所取得的成果;最后谈谈对该领域当前研究趋势的个人认识.

基于人工智能的果蔬识别及种植指导系统

为解决人们对果蔬的识别和营养的搭配问题以及实现人们自己种植果蔬的愿望,设计开发了一款基于人工智能的果树识别及种植指导的系统。通过神经网络的图像识别技术、非线性降维的图像识别技术、YOLOv3图像目标检测算法和模式识别技术等实现的主要功能包括:获取并发布前端所呈现的信息,包括热门文章、饮食推荐及营养搭配等;并对需要发布在前端页面的文章进行审核。前端功能模块主要是为用户提供果蔬识别、种植指导以及健康饮食推荐等功能,使用户能够及时获得相应的果蔬知识及健康的营养搭配方式,为人们的生活带来方便。经过多次调试和验证,该系统的性能稳定,功能实现效果较为良好。

文本分类的关键技术

本文阐述了基于WEB的文本分类的关键技术,从网页的解析、文本的表示、降维技术到分类算法进行详细的论述,并对两个K-means算法和Baygers算法做了改进。

基于K—means算法的文本分类技术研究

文本分类技术是网络信息挖掘中内容挖掘的重要手段之一，通过文本的分类技术可以将网络中纷繁复杂的信息分门别类的组织在一起，从更深的层次来寻找文档之间的联系本文，阐述了基于K—means算法的文本分类的关键技术，从网页的解析、文本的表示、降维技术到分类算法进行详细的论述，并对两个K—means算法做了改进。

基于核函数的高维离散数据聚类算法研究与应用

随着信息技术的飞速发展,数据量越来越大,形式也越来越复杂,需要用更多的属性去描述其特征,从而增加了数据源的维度。面对高维数据,采用传统的聚类算法无法得到满意的聚类效果。分析了高维数据聚类分析以及多核函数的构造问题,提出了基于核函数的高维离散数据聚类算法,解决了分布不规则的离散数据样本聚类不佳的难题,提高了聚类效果。

基于语义向量的汉语动词“看”用法研究

动词“看”是现代汉语最高频的动词之一,具有多义性和多功能性。运用语义向量和降维技术,可以对“看”类结构的语义进行可视化呈现,将所有包含“看”的词汇短语体现在同一个二维平面上,距离越近,表示语义越相似。经过MDS降维后,“看”类表达在有修饰语和无修饰语时差别明显,“看”的四字结构与其他结构具有明显的差别。经过t-SNE聚类,“看”的结构出现了以词干为核心的聚类。说明“看”类的内部语义差异主要由有无修饰语、长度、词干三个因素造成。

一种结合降维技术的负荷曲线双层聚类算法

提出一种双层聚类的分析方法,分别利用K-means和余弦相似度来进行内层和外层聚类。算法能有目的地选取初始聚类中心,并且能自动确定最优聚类数,解决了随机选取初始聚类中心所造成的问题。另外针对高维负荷曲线双层聚类计算速度慢的问题,在外层聚类完成后先降维,再进行内层聚类。对比应用了降维技术的双层聚类算法和K-means算法的信息损失和计算速度。算例仿真结果表明,双层聚类在降维技术上的应用效果优于单纯的K-means算法,结合主成分分析降维的双层聚类算法可以取得最佳效果和较快的聚类速度。

基于增量核主成分分析的数据流在线分类框架

核主成分分析(Kernel principal component analysis,KPCA)是一种非线性降维工具,在降低数据流分类处理量方面发挥着积极作用.然而,由于复杂性太高,导致KPCA的降维能力有限.为此,本文给出了一种增量核主成分分析算法(Incremental KPCA for dimensionality-reduction,IKDR),该算法在每步迭代估计中只需线性内存开销,大大降低了复杂性.在IKDR的基础上,结合BP(Back propagation)神经网络提出了数据流在线分类框架:IKOCFrame(Online classificationframe based on IKDR).通过一系列真实和人工数据集上的实验,检验了IKDR算法的收敛性,并且验证了IKOCFrame相对于同类基于成分分析的分类算法的优越性.

基于近红外光谱投影及蒙特卡洛方法的烟叶配方比例上限分析

通过PPF投影技术将烟叶配方原料的近红外光谱投影到二维坐标平面上,将原料烟叶光谱投影点按配方比例加权求和后构造出配方投影点,建立配方的投影结构模型,利用蒙特卡洛方法模拟原料烟叶投影点的自身差异变动来分析配方投影点偏离初始状态的程度。结果表明:配方主导权重,即配方样品的最高比例越小,烟叶原料种类越多,配方偏离初始状态的程度越小,即配方的稳定性越好,以上结论与烟叶配方设计时"多类型,低比例"的认识原则一致。本文从理论分析角度给出了在不同原料种类数下进行配方设计时,所对应的配方样品比例上限值,该量化上限比例的方法对其他有关配方设计的问题也有指导意义。

青年亚文化视角下的审美裂变和文化断层

文章以网络文化消费与文化再生产为考察对象,认为审美之沟不再限于两代人之间,即使在同代人内,圈层之沟、阶层之沟以及它们的不同组合所形成的沟壑,同样导致了审美断裂和文化断层。网络不同主体的审美借由网络语汇生产和使用、符号重构及仪规设置等亚文化风格加深和巩固同类亚文化群体的审美认同,扩大不同群体间的审美差异和区隔。媒介技术的不断降维致使网络文化再生产在主体、内容和形式上不断降维,从而消解了以社会精英阶层为代表的主流审美标准,放大了各类边缘群体的审美主张和价值,在此过程中,为争夺审美和文化话语权,不同群体再次强化圈层审美价值而导致社会审美共识和文化共识的断裂。更深入地考察还发现,在技术平等赋权于不同书写主体时,其背后由于教育不平等带来的文化资本权力更深刻地影响着审美裂变和文化断层。