随机结构动力特征的统计矩及灵敏度分析研究

结构参数的不确定性会导致结构的动力特征(如自振频率、振型等)等具有不确定性,如果采用确定性分析方法进行结构设计可能会使结构处于比较危险的状态,因此对随机结构的动力特性分析是十分有必要的.由于统计矩反映了随机结构动力特征的统计特性,由这些统计矩就可以进一步掌握可靠性分析所需要的动力特征的分布规律.统计矩的灵敏度分析能够判...     

维修性实验样本关系及选择

维修性实验模拟样本选取的前提是装备的复杂性和故障率，并需与自然故障样本良好对接．GJB-2072中按比例分层抽样选取模拟样本，将试验中实际产生故障与分层抽样样本分摊率对比，在追加模拟样本后，实验总体样本对总体的代表性较强．     

Monte Carlo方法的最优源项偏倚抽样密度函数

Monte Carlo粒子输运中的源项偏倚抽样方法可以减小方差、提高计算效率。该文通过建立一个多区域分权重数学投篮模型,模拟了输运过程中的源项信息,得到了源项偏倚抽样方差最小时的最佳抽样密度函数解析式。采用随机数值方法对模型进行了计算,验证了函数的正确性,并举一例实际的粒子输运模拟问题,表明最优偏倚抽样方法对减小方差的效果显著。该方法可作为一种普适的减方差技巧应用于Monte Carlo粒子输运中,可用于构造粒子源参数(如位置、发射方向等)的最佳偏倚密度函数,尤其在分层抽样时能给出方差最小的最优各层比例系数。     

基于改进方差特性二维混合抽样蒙特卡罗法的多谐波源叠加研究

为了分析新疆哈密中部地区电气化铁路牵引站密集接入引出的多谐波源叠加问题,提出了一种改进方差特性二维混合抽样蒙特卡罗法,该方法利用比例分层抽样降低传统蒙特卡罗法的方差,利用比例分层抽样与直接抽样结合的混合抽样法提高计算效率。基于MATLAB对所提方法与传统蒙特卡罗法进行了比较,并基于ETAP中搭建的哈密中部地区电网模型验证了所提方法的准确性。研究表明,所提方法可有效降低传统蒙特卡罗法的方差和相对误差,提高计算效率,适合于多谐波源叠加的分析。     

基于聚类分层的地理空间数据抽样研究

文章针对地理空间数据质检大量人力物力消耗的情况,利用地理空间数据的空间相关性,提出基于聚类分层的地理空间数据质检的优化方案,其中聚类分层是基于欧氏距离的K-Means聚类算法。通过某地的高程数据Monte Carlo模拟抽样实验,从相对误差和分层效率验证相对于传统简单随机抽样,聚类分层抽样的可行性和有效性。     

组合投资双目标概率准则模型及GASS II算法求解

考虑到中国证券交易的限制规定及现实投资者并非完全理性的决策行为,给出了组合投资收益-损失风险双目标概率准则的整数规划模型。通过证券收益经验分布,应用分层抽样的随机模拟,并结合动态变化算子的遗传算法,构造GASS II遗传模拟混合算法,进行概率准则模型的优化求解。股票相关性由其秩相关系数给出,算法将秩和区间划分相联系,指导分层抽样。GASS II算法能有效刻画收益分布的“高峰厚尾”,激发遗传算法的隐含并行搜索特性,避免早熟现象,提高寻优效率与精度。最后给出了一个投资组合实证分析算例的收益-损失风险有效前沿。     

DM4的TopN查询优化设计

随着关系数据库系统越来越多地运用到多媒体系统、决策支持系统、信息检索系统中,如何快速得到一个查询的最佳结果而不是全部结果这个问题变得越来越重要。回答这类TopN查询的一种快速有效的方法是利用数据库系统原有的统计信息,将TopN查询映射为一个范围查询。但它存在的难点在于如何选择这个范围阈值。文章提出通过分层抽样的方法确定范围阈值,并把它应用到DM4系统中,实践证明该方法是行之有效的。     

一个估计随机流网络可靠性的新方法

首先提出了一个名为状态树搜索(State-tree Search),用以计算随机流网络可靠性的算法,在此基础上提出了一个改进的算法-SS-MC(State-tree Search & Monte Carlo).状态树搜索方法通过在一个状态树中搜索所有的有效状态来计算网络的可靠性;而SS-MC方法将分层抽样技术引入状态树搜索过程来实现大规模网络的可靠性评估.仿真结果表明SS-MC方法是有效的,并具有较小的方差.     

基于分层抽样算法的异常攻击流量检测

在高速互联网应用中,海量数据无法逐包检测分析,异常攻击流量也不易被识别。为解决该问题,利用泊松帕累托突发过程的经典流量模型对网络流量自相似特性进行分析,将网络流量分为长流与短流,并根据数据流到达时间的抽样比增量进行分层抽样,由此实现异常攻击流量的检测。在基于数据报文级检测的snort异常入侵检测系统上对该方法进行仿真实验,结果证明其能有效缩小异常攻击数据范围,快速准度地检测出攻击。     

在癌症分类中基于分层抽样的神经网络集成算法

在基因表达谱数据的分析中,针对有效合理地选择特征基因集的问题,本文将分层抽样技术引入特征基因选择,提高特征基因集的分类能力。以神经网络作为分量分类器,神经网络集成进行分类预测。并在结肠癌数据集上进行实验,实验结果表明该方法能有效地降低特征基因集选择的复杂性,提高对于未知样本的分类预测效果。