一种基于时间序列链的股市预测方法

随着互联网的发展,如何在海量的数据中挖掘出有益的信息尤为重要。利用时间序列模型预测股票市场虽然早已被证实是有效性的,但是过去都停留在时间序列主题发现上,忽视了子序列也会随时间动态演化的情况。因此,基于近年提出的新概念——时间序列链,提出将其应用在股票市场预测中的算法,结合股票市场的特点,利用向量的余弦距离来模拟股票走势对子序列相似度的影响,同时提出基于CEEMDAN的子序列长度搜索算法来获取尽可能有效且有代表性的子序列长度,根据这些子序列长度来查找时间序列链并应用于股票预测。历史股票数据回测证明笔者算法的预测准确率在93%以上。     

基于交叉流网络编码的节能路由

节能路由是无线自组织网络的一个重要研究课题,对延长网络生存时间极为重要.在传统路由下,多对节点之间通信使用的多条数据传递路径会出现交叉——存在公共节点,这些公共节点因需要转发来自多条交叉路径的数据包而比其它节点消耗更多的能量,从而过早因能量耗竭而失效.为了克服这一能耗不均衡问题,该文提出基于网络编码的节能路由NCBEE...     

广义计算系统研究

该文简要介绍运用广义计算技术而建立起来的一类人工智能系统──广义计算系统，包括广义计算系统的数学描述，广义计算系统的实现问题和学习问题。     

无线传感器网络中移动充电和数据收集策略

为解决传统的无线传感器网络中节点电池容量严重受约束的问题,一些新兴技术如无线射频能量捕获技术被应用到传感器网络中。在这种射频能量捕获的可充电无线传感器网络中,为了节约成本,一般采用可以移动的能量发射机(小车)周期性地移动给所有传感器节点供电。其中,如何规划小车的移动轨迹以及如何分配充电时间是一个值得关注的问题。基于一个分簇的无线传感器网络,研究无线传感器网络的射频能量捕获和数据收集问题。对于所有簇,采用旅行商问题的近似解来规划小车的行车顺序和路径。小车周期性地停留在各个簇点一定的时间,在此时间内,小车先给簇内的传感器节点供能然后收集其捕获的数据。在节点数据率不同和相同的两种情况下,通过线性规划算法解决了某个簇内总时间固定情况下,分配充电时间和每个节点发送数据时间以达到小车所能收集的数据的总吞吐量最大的问题。为了解决每个传感器节点的公平性问题,还研究了上述两种情况下的最大共同吞吐量问题。实验结果表明,所设计的时间分配算法吞吐量性能优于一般的平均时间分配算法。     

计算机视觉技术在磨粒识别中的应用

磨粒是反映设备内部磨损状况的重要信息载体。笔者讨论了利用计算机视觉技术，对磨粒进行识别的方法。特别介绍了计算机视觉在磨粒的形态、纹理和颜色等特征分析中的若干应用。     

多个移动节点同时切换场景下代理移动 IPv6建模与性能分析

针对多个移动节点（MN）同时切换场景下切换过程受其他节点影响较大的问题,提出了代理移动IP协议中利用有限状态吸收马尔可夫链分析多个MN同时切换场景的模型,推导了多个MN切换时完成链路层切换的总时延公式;给定时延限制下MN切换成功的概率和移动接入网关的容量公式.仿真结果验证了建模分析的正确性,与已有研究结果对比表明,所提建模方法更合理,所得结论可作为网络管理和配置的参考.     

模糊散度理论在铁谱磨粒识别中的应用

从模糊集合的理论出发,将对称交叉熵和模糊散度理论应用于铁谱磨粒识别,分析比较了两种不同模糊隶属度函数条件下的图像分割效果,最后提出了用图像的骨架变化来提取铁谱磨粒图像形状特征的方法.     

无线传感器网络中利用随机网络编码的低能耗可靠机会路由

无线传感器网络中节点大多采用电池供电,让节点以低能耗将采集的数据传递到信宿,对无线传感器网络有效运行极为重要.该文提出了能量有效的可靠机会路由EROR（Energy-efficient Reliable Opportunistic Routing）,它利用结合节点剩余能量和链路上收发双方的总能耗的转发代价,选择转发节点集合（简称“转发集”）、主转发节点和协助转发节点,让节点调节发射功率并利用随机线性编码把数据包分片编码发送到转发集,进而以多跳方式把数据可靠低能耗地传递到信宿.仿真结果表明：在网络生存时间和能耗方面,EROR比已有路由策略CodePower更优.     

无人机辅助的服务缓存边缘计算最优计算卸载决策与资源分配

边缘计算中利用无人机作为边缘节点进行动态部署,能够适应复杂的环境,大大提升边缘计算系统的性能.本文提出利用无人机辅助的服务缓存边缘计算最优计算卸载和资源分配策略.此策略在确定无人机3D位置和边缘服务器中服务的部署,以实现在时延约束下最小化能耗的目的.具体来说,首先,建立本地计算模型和MEC计算模型,计算出任务的处理时延和能耗;其次,在服务缓存、时延约束等条件下,建立最小化能耗的数学模型;最后,采用遗传算法框架对目标问题进行求解.求解过程采用双层优化方法,外层层将无人机3D位置和服务缓存方案放入基因编码,内层先利用贪心的思想确定资源分配,再将问题转化为整数线性规划问题进行求解.通过仿真证明了本文所提出算法的可行性和优越性.     

结合模糊控制的时序数据预测循环神经网络

时序数据处理任务中,循环神经网络模型以及相关衍生模型有较好的性能,如长短期记忆模型(LSTM),门限循环单元(GRU)等.模型的记忆层能够保存每个时间步的信息,但是无法高效处理某些领域的时序数据中的非等时间间隔和不规律的数据波动,如金融数据.本文提出了一种基于模糊控制的新型门限循环单元(GRU-Fuzzy)来解决这些问题.本文在GRU的基础上对记忆层增加了一个子空间分解,由模糊控制模块和一个启发式的失效函数组成,根据数据波动和时间间隔决定记忆层保留的信息量,从而提升模型性能.实验表明,相比于其他的循环神经网络模型,在标普500和上证50中选出股票的股价预测任务中,本文提出的模型有较好的表现.