基于邻域粗糙集组合度量的混合数据属性约简算法

属性约简是一种重要的数据挖掘方法。为了对混合型信息系统达到更好的属性约简性能,提出一种邻域组合度量的启发式属性约简算法。邻域依赖度是构造混合信息系统属性约简的常用方法,根据粒计算的视角,在混合信息系统中提出邻域知识粒度用于评估属性的粒化能力。将邻域依赖度与邻域知识粒度进行结合,提出混合信息系统下的邻域组合度量,并将该度量方法作为启发式函数,提出一种属性约简算法。实验分析表明,该算法比混合信息系统的其他相关属性约简算法具有更高的约简性能。

一种基于邻域容差信息熵的组合度量方法

在实际应用中,大多数信息系统中的数据都是混合的,为了度量混合信息系统的不确定性,本文提出了一种组合度量方法.首先在不完备邻域粗糙集中定义了混合近似精度和混合近似粗糙度的概念;接着考虑到这两种单一度量方法对信息系统不确定性评估的不足,然后,进一步引入邻域容差信息熵的概念;最后将混合近似粗糙度和邻域容差信息熵这两种单一度量进行结合提出一种组合度量方法,并且研究了相关性质.UCI实验结果表明,本文所提出的方法在混合信息系统中具有更好的不确定性度量效果,从而验证了该度量方法具有一定的优越性,并且从理论上也证明了该方法的可行性.

基于模糊近似空间组合度量的特征选择算法

通过对信息系统中属性进行多视角的重要度度量,构造一种更为优越的特征选择算法。以粒计算理论为基础,在模糊近似空间中引入模糊粒度,在此基础上提出模糊条件熵的概念,将模糊粒度与模糊条件熵组合作为属性重要度的度量,给出一种基于模糊近似空间组合度量的特征选择算法。实验结果表明,该算法在特征子集和算法效率方面具有较好的优越性。

一种基于组合度量的OLSR扩展链路状态路由协议

移动自组网络是一种灵活的不依赖于固定基础设施的新型无线网络,生存性极强,且创建与移动极为方便的特点,使之弥补了蜂窝系统与有线网络的不足,在许多特殊情况下有着不可替代的作用。文中通过对Ad Hoc网络中OLSR链路状态路由协议的分析,在OLSR协议的基础上,通过修改OLSR协议单一的跳数度量方式,将节点的剩余能量作为度量的一个因素,并计算最终路由信息。通过仿真,证明该算法提高了分组投递的可靠性,减少了端到端时延,提高了网络的吞吐量。

基于组合度量的应急救援网络路由算法研究

针对AODV协议只选用跳数最小进行选路的缺陷,提出一种新的基于组合量度的路由协议(AMAODV)。该协议综合考虑路由的跳数、节点间链路的有效期和可用带宽3种因素,通过层次分析的方法判定上述3种因素对链路传输的影响,提出了组合度量函数,借助组合度量函数的计算来选择一条具有较小度量值的路径进行传输。仿真结果表明:AMAODV协议在适应高速移动的网络环境上具有一定优势,并能降低网络时延和增加网络吞吐量。

模糊指数熵组合方法的信息系统不确定性度量

在智能信息处理的研究中,信息系统的不确定性度量大多基于单一的度量方法,这样很难达到很好的度量效果。为了融合多种不确定性度量方法的优点,通过将粗糙集理论中代数视角的粗糙度度量和信息论视角的模糊指数熵度量结合起来,提出一种信息系统的组合度量方法,接着分析了所提方法的相关性质,并从理论角度证明了该方法运用于不确定性度量的可行性。UCI数据集的实验结果表明,组合度量方法相比单一度量具有更优越的度量效果。

组合映射及其通有性质

本文基于实践中一大类问题的数学实质，提出了一个组合映射概念。它包含了组合度量与组合决策两种重要实践活动。它是数值映射的推广，它的对象可以不是数或几何点，且以集合为“元素”、象“元素”也是集合，本文对组合映射的背景和性质作了初步探讨。

行为金融视角下证券投资风险度量模型分析

投资者在实际的证券投资活动中会重点考虑证券投资项目的收益及对应的风险情况,只有合理权衡投资风险与投资收益之间的关系,并明确自身的投资风险偏好才能进行合理的证券资产的投资活动。当前,证券投资风险度量模型的实用性、可行性和可操作性要求有待进一步提高。本文围绕证券投资风险度量模型展开,在介绍了相关概念及风险控制手段后,重点分析了证券投资组合及风险理论、下方证券投资风险度量模型以及半绝对离差证券投资风险度量模型。

一种支持高速移动自组织网络的路由协议

传统的AODV(Ad-hoc On-demand Distance Vector)路由协议只以路由跳数为度量,没有考虑到链路稳定情况,因此,无法更好地适应节点高速移动的网络环境。为此,提出了一种改进的AODV路由协议,即IMAODV(Improved AODV)路由协议。该协议主要从路由度量值、HELLO消息的发送频率、邻居节点的监听方式等几个方面对AODV进行改进,使之在移动网络中具有较好的扩展性和鲁棒性。仿真结果表明,IMAODV协议能够较好地适应高速移动的网络环境,并在一定程度上降低网络时延和增加网络吞吐量。

基于M-Copula-SV-t模型的高维组合风险度量

为解决非线性相关的高维投资组合风险度量问题,本文构建了一个基于M-Copula-SV-t风险度量模型。利用SV-t模型来拟合金融时序的边缘分布,并结合MCMC和Gibbs抽样法对边缘模型进行参数估计;采用由阿基米德族Copula线性组合构成的M-Copula函数联合边缘分布,并通过极大似然估计和BFGS算法对联合模型进行参数估计,进而利用Monte Carlo技术对最优风险投资组合进行风险测度;最后以典型汇率构建四维国际投资组合为例,检验所构建模型的可行性和有效性。实证结果表明,与单一Copula函数相比,由Gumbel Copula、Clayton Copula和Frank Copula线性组合所构成的M-Copula函数能够更为有效地刻画资产收益率的相依结构和尾部特征,建立在M-Copula函数基础上的风险度量结果也更为精确;由模型所计算的最优投资组合权重为外汇组合投资提供了重要参考。