求解非线性期权定价模型的自适应小波同伦摄动技术

Leland 模型是在考虑交易费用的情况下,对 Black - Scholes 模型进行修改得到的非线性期权定价模型. 本文针对 Leland 模型,提出了一种求解非线性动力学模型的自适应多尺度小波同伦摄动法. 该方法首先利用插值小波理论构造了用于逼近连续函数的多尺度小波插值算子,利用该算子可以将非线性期权定价模型方程自适应离散为非线性常微分方程组; 然后将用于求解非线性常微分方程组的同伦摄动技术和小波变换的动态过程相结合,构造了求解 Leland 模型的自适应数值求解方法. 数值模拟结果验证了该方法在数值精度和计算效率方面的优越性.

求解非线性Black-Scholes模型的自适应小波精细积分法

针对非线性Black-Scholes方程,基于quasi-Shannon小波函数给出了一种求解非线性偏微分方程的自适应多尺度小波精细积分法.该方法首先利用插值小波理论构造了用于逼近连续函数的多尺度小波插值算子,利用该算子可以将非线性Black-Scholes方程自适应离散为非线性常微分方程组;然后将用于求解常微分方程组的精细积分法和小波变换的动态过程相结合,并利用非线性处理技术(如同伦分析技术)可有效求解非线性Black-Scholes方程.数值结果表明了该方法在数值精度和计算效率方面的优越性.

基于分裂Bregman算法的玉米种子品种识别(英文)

玉米品种的纯度和玉米产量密切相关,因此玉米品种的筛选对提高粮食产量具有非常重要的作用。基于机器视觉的自动品种筛选技术通常分为图像分割、特征获取和分类等三步。图像分割的精度直接决定了种子识别准确度。在众多的图像分割技术中,本研究尝试将图像分割变分模型及其对应的数值求解方法-分裂Bregman算法应用于玉米种子自动识别中。该方法具有精度高,分割边界封闭连续等有利于玉米特征提取的优点。此外,本文还将自适应小波配置法用于求解分裂Bregman算法中的最优条件,得到一种更为精确高效的分裂Bregman算法。进而结合改进分裂Bregman算法得到的不同玉米品种特征和支持向量机技术得到了一种新的玉米品种分类器。采用该方法对玉米品种农大108和鲁丹981进行实验,识别精度分别达到97.3%和98%,相对于由其他分割方法得到的分类结果精度(95%)要高。