导读:本文包含了随机矩阵理论论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:矩阵,理论,数据,稳定性,协方差,判据,特征值。
随机矩阵理论论文文献综述
王艺霏,李贤,来骥,陈重韬,连浩[1]（2019）在《基于随机矩阵理论的智能电网大数据体系结构设计》一文中研究指出针对智能电网数据繁多、用户应用困难的技术问题,提出了新型的大数据驱动方法,并设计出基于随机矩阵理论处理智能电网大数据的系统。通过随机矩阵理论建立随机矩阵算法模型,对智能电网大数据库中的数据获取样本,并进行训练、学习,建立用户需求的数据模型。通过计算,将隐藏在智能电网大数据中的宏观数据转换成微观数据,供用户参考使用,从本质上发现影响智能电网正常运行的参数。计算数据不仅可以本地显示,还能够远程上传到SG186营销系统,供各种用户使用,同时,还可以通过无线通讯的方式上传云端,实现计算数据的永久性保存。设计的方案随机矩阵理论算法引入到智能电网大数据体系,不仅提高了智能电网大数据的直观显示,还为后续工作的进一步开展提供技术参考。(本文来源于《计算技术与自动化》期刊2019年03期）
亓延峰,亓占华,李程,贾会永,艾芊[2]（2019）在《基于随机矩阵理论的电压稳定性扰动源定位》一文中研究指出保持电压幅值在合理范围内,减少因电压扰动对负荷侧的影响,是提高供电可靠性重要环节。在大数据背景下,提出了一种基于随机矩阵理论的电压稳定性扰动源定位方法:首先利用分离窗技术构造随机矩阵的数据源,并对数据通过添加高斯白噪声进行预处理;然后基于随机矩阵定理,通过分析数据源矩阵的统计特性,提出使用平均谱半径表征电网出现扰动时的宏观态势,利用协方差矩阵的特征值与特征向量构造统计指标,定位出现电压扰动的具体节点。场景分析表明,该方法针对环网与辐射状配电网暂态电压稳定性扰动源定位以及静态电压稳定性扰动源定位均表现出较好的效果。(本文来源于《电器与能效管理技术》期刊2019年12期）
李燕,洪振木[3]（2019）在《我国股票市场复杂网络模型的“去噪”研究——基于随机矩阵理论》一文中研究指出复杂网络是研究股票市场强有力的工具,构建一个含有优质信息的股票市场复杂网络模型是研究股票市场网络特性的基础。以2017年7月上证180指数成分股的5分钟高频交易数据构建股票市场复杂网络模型并对RMT理论(随机矩阵理论)在我国股票市场的优化机制进行研究。从网络稳定性、投资组合风险两方面探索网络优化前后拓扑性质的迥异。实证分析结果表明,当市场相对稳定时,优化网络有着比原网络更好的稳定性,并且在允许卖空的条件下,RMT方法相对准确地估计了风险,减小了实际投资风险。(本文来源于《叁明学院学报》期刊2019年03期）
刘鹏,叶宾[4]（2019）在《基于随机矩阵理论的高维数据线性判别分析方法》一文中研究指出线性判别分析(LDA)是机器学习和数据挖掘中一种常用的基于模型的分类方法。尽管该分类方法在许多实际应用中表现良好,但在处理高维数据时其效果却很不理想。其原因在于:当变量数目p接近或者大于样本数目n时,样本协方差矩阵不再是真实协方差矩阵的一个良好估计,导致线性判别函数值产生了较大的偏差。文中提出了一种基于随机矩阵理论的高维数据分类器正则化方法。首先,利用随机矩阵理论,分别以旋转不变估计法(当p≤n时)或者特征值截取法(当p>n时)对高维协方差矩阵进行一致估计;然后,使用估计出的高维协方差矩阵计算判别函数值。在模拟数据集和3个微阵列数据集上进行的分类实验的结果表明,所提线性判别分析方法在处理高维数据时不但适用范围更广,而且具有较高的分类正确率。(本文来源于《计算机科学》期刊2019年S1期）
周忠强[5]（2019）在《基于随机矩阵理论的电力系统态势感知方法研究》一文中研究指出智能电网的发展,为电网运行控制带来了诸多难题,为保证电网运行安全性、经济性,将态势感知理念引入电网的运行控制,已成为电网发展的重要趋势。此外,随着智能电网硬件建设的日趋成熟,爆炸式增长的数据量为数据处理及知识提取提出了挑战,同时也为态势感知技术提供了更好的条件。而随机矩阵理论(random matrix theory,RMT)作为一种具有普适性的大数据技术,以数据而不是模型作为系统分析的主要动力,利用数据之间的相关性描述整个系统的状况,形成了新的电力系统观测角度。因此,开展基于随机矩阵理论的电力系统态势感知方法研究具有重要的理论意义和可观的应用潜力。首先,论文介绍了课题的研究背景,概述了国内外研究现状,然后对RMT的基础理论进行了说明,重点分析了发生短路故障时系统统计特性的变化情况,并给出了适应RMT的数据预处理分析方法。其次,基于样本协方差矩阵最大特征值(Maximum Eigenvalue of Sample Covariance Matrix,MESCM),提出了一种适用于低信噪比场景的电网异常状态检测方法。通过样本协方差矩阵的最大特征值计算与越限判别,实现电网态势感知与预警。一个IEEE10机39节点标准算例及南方电网规划系统算例结果表明,与传统平均谱半径分析法的计算结果比较表明该方法具有抗噪性能高,计算耗时少的优点,同时对于非完整性信息有一定的鲁棒性。第叁,在MESCM检测的基础上,结合Spiked模型,提出了一种基于Spiked模型电网异常状态动态辨识方法,实现了异常状态的动态辨识。该方法利用由Kaiser窗函数校正的经典谱估计法进行全局信噪比估计,进而得出对应的动态阈值,通过与MESCM比较进行异常状态判别。由IEEE 50机标准系统算例说明,本章提出的基于SNR估计的阈值设定方法,相较于传统阈值更加客观合理。最后,结合熵理论,提出了一种电网关键节点的辨识方法。基于RMT的相关性分析方法构造增广矩阵,计算平均谱半径积,继而利用熵理论得出每个节点的熵值以进行排序,实现了电网关键节点的辨识。采用该方法在IEEE10机39节点系统进行分析,验证了所提方法的有效性和准确性。(本文来源于《贵州大学》期刊2019-06-01）
王伟冠,杨启洪,陆凯烨,吴细辉,陈春泉[6]（2019）在《基于随机矩阵理论的配网故障可观的PMU优化配置方法》一文中研究指出定义故障在全网最不灵敏节点发生时可检测为随机矩阵理论下的全网可观。相同故障发生在不同节点时对配网影响程度不同,对应的随机矩阵理论指标MSR的跌落程度不同。提出了配网故障时全网可观的PMU优化配置方法。分别在所有节点设置单相和两相接地故障,得到2种情况下全网的电压数据并计算相应的MSR;对2种MSR进行加权,计算出各节点灵敏系数;以灵敏度最低的节点发生故障时全网可观为目标,按灵敏程度逐次减去不灵敏节点的PMU并计算相应的MSR,直到故障不可检测,得到的PMU配置即为最后配置。以IEEE36节点和IEEE39节点模型进行仿真,验证了在该PMU优化配置方案下,可用随机矩阵理论对配网进实时监测,在故障发生时能准确检测到故障并确定故障发生的时刻。(本文来源于《电网与清洁能源》期刊2019年05期）
阿地利·巴拉提,秦艳辉,张磊[7]（2019）在《基于随机矩阵理论的大型光伏电站设备状态评估研究》一文中研究指出状态评估是企业硬件管理的核心问题,特别是针对设备繁多的大型光伏电站,尽早发现能效低或者有故障隐患的设备意味着提升人力资源利用效率和企业盈利,进而提升企业的竞争力。考虑光伏电站高维数据的时空相关性,基于随机矩阵理论对数据进行建模,进而设计算法提炼高维指标,形成设备状态评估判据。算例验证了随机矩阵理论算法的有效性。(本文来源于《电器与能效管理技术》期刊2019年09期）
刘鹏[8]（2019）在《基于随机矩阵理论的高维数据分析方法研究》一文中研究指出在生产实践中收集并存储了越来越多的维度p接近甚至超过样本数n的高维数据。与传统的数据分析不同,高维数据分析更加复杂和困难。作为数据分析的重要工具,机器学习方法同样面临着高维数据的挑战。如何利用机器学习方法完成对高维数据的分析,目前已成为数据领域广泛研究的问题。随机矩阵的渐近性和非渐近性理论打破了经典多元统计分析的框架,非常适用于高维数据统计特性的研究,可以帮助机器学习算法完成对高维数据的分析,扩展其应用范围。本文针对传统的机器学习方法在高维数据分析中存在的问题,利用随机矩阵理论的相关研究成果,提出了正则化的判别分析算法、均值良好估计的正则化判别分析算法以及高维缺失数据的降维算法。论文的主要工作如下:(1)线性判别分析算法尽管在解决许多实际问题时表现良好,但是在处理高维数据时效果却很不理想。其原因在于:当数据维度p接近或者大于样本数目n时,样本协方差矩阵不再是真实协方差矩阵的一个良好估计,导致线性判别函数值产生了较大的偏差。为此,提出一种基于随机矩阵理论的正则化判别分析算法。首先,分别以非线性收缩法或特征值截取法对高维协方差矩阵做出良好估计;然后,使用估计的高维协方差矩阵计算判别函数值并进行分类。在模拟数据集和真实数据集进行的分类实验表明,所提算法不但适用范围更加广泛,而且具有较高的分类正确率。(2)判别模型中的样本均值同样受到高维数据的影响,样本均值估计会出现偏差,从而导致判别模型误分类率的增加。为此,提出一种基于均值良好估计的正则化判别分析算法。在正则化判别分析算法的基础上,首先利用最优收缩估计方法重新对判别模型中的均值进行估计;然后,将重新估计的均值代替判别模型中的样本均值,进一步提高了正则化判别模型的分类性能。通过对模拟数据集和真实数据集的分类实验分析,也显示出所提算法的优越性与有效性。(3)数据在采集和存储的过程中可能会造成一些数据的缺失。当高维数据含有缺失值时,大多数数据分析方法很难对高维缺失数据进行分析或分析效果不理想。为此,提出一种可用于高维缺失数据降维的主成分分析算法。首先,基于随机矩阵理论的相关理论,利用矩阵的Lasso估计得到高维缺失数据的协方差矩阵估计;然后,对其进行特征分解,选取主要的特征向量构成低维投影矩阵,并利用投影矩阵将高维数据投影到低维空间;最后,结合线性判别分析算法对高维缺失数据进行分类。在模拟数据集和真实数据集上的分类实验表明,所提算法可以完成对高维缺失数据的降维,同时也能提高线性判别分析算法在高维缺失数据上的分类正确率。(本文来源于《中国矿业大学》期刊2019-05-01）
李蓉,郑浪,任喜梅,钟春晓,王锦丽[9]（2019）在《基于随机矩阵理论及层次聚类方法在肝癌基因网络中的研究》一文中研究指出为了找出与肝癌发生发展有关的基因,利用随机矩阵理论及层次聚类法分析肝癌基因网络,构建了肝癌基因层次树图,分析得到5个具有不同功能的基因团簇,并预测WNT4、SLU7基因与B淋巴细胞免疫过程有关,LMNB2、CDC7L1、H2AFX基因能促进肝癌细胞的增殖.(本文来源于《湘潭大学学报(自然科学版)》期刊2019年02期）
徐丽[10]（2019）在《基于随机矩阵理论的大规模MIMO系统窃听用户检测研究》一文中研究指出大规模多输入-多输出(Massive Multiple-Input Multiple-Output,大规模MIMO)被认为是第五代移动通信网络(the 5th Generation mobile communication technology,5G)的物理层关键技术。由于无线通信环境的开放性,基于大规模MIMO技术的通信过程存在着一定的信息安全风险。主动窃听用户可以通过污染上行链路中传输的导频信号,干扰大规模MIMO系统的信道估计结果,从而影响合法用户的上行信号传输和基站的下行波束赋形。这不仅影响通信质量,更为严重的是,会破坏信息传输的安全。针对以上问题,本文提出了两种不同的检测主动窃听用户的算法,分别适用于样本数目大于基站天线数目的场景和样本数目小于基站天线数目的场景。针对样本数目大于基站天线数目的场景,本文提出了一种基于大维随机矩阵理论的主动窃听用户检测算法。该算法基于信号子空间和随机序列的基本知识,通过传输随机序列创建无法由窃听用户伪造的随机用户特征。在基站天线数目和样本数目趋于一个较大值时,基站接收随机序列样本协方差矩阵的特征值分布收敛于可以用矩阵维度表征的极限谱分布。本文基于大维随机矩阵理论推导出合法用户信号特征值的极限分布,用于确定合法用户信号特征值的分布范围。本文提出用大维随机矩阵理论的结果,通过假设检验判断系统中是否存在主动窃听。同时,使用大维随机矩阵理论的Marcenko-Pastur定律去除噪声分量。蒙特卡洛仿真结果表明在不同样本数、基站天线数和信号功率的条件下,算法均具有稳定的检测性能。与经典的基于最小描述长度(minimum description length,MDL)和基于能量比检测(energy ratio detection,ERD)的算法相比,本文提出的算法显着提高了主动窃听用户的检测性能。针对样本数目小于基站天线数目的场景,本文提出了一种结合大维随机矩阵理论与线性收缩方法的主动窃听用户检测算法。传统的利用信息论准则检测主动窃听用户的方法,不适用于样本数目小于基站天线数目的情况。而本文提出的方法将线性收缩方法和子空间方法结合,可以有效地在小样本场景下进行主动窃听用户检测,而不产生额外的计算开销。本文提出利用大维随机矩阵理论求解噪声方差估计值,并将其与线性收缩方法相结合,以提升小样本下的检测性能。利用该方法对样本协方差矩阵的特征值进行线性收缩,可以使其更好地拟合总体协方差矩阵。将线性收缩后的样本特征值用于子空间方法进行检测,可以在小样本场景下准确地检测是否存在主动窃听用户。蒙特卡洛仿真结果表明,结合大维随机矩阵理论与线性收缩的检测算法可以有效检测主动窃听用户。在小样本场景中,不同基站天线数和信号功率的条件下,算法均具有良好的检测性能。(本文来源于《北京交通大学》期刊2019-04-01）
随机矩阵理论论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
保持电压幅值在合理范围内,减少因电压扰动对负荷侧的影响,是提高供电可靠性重要环节。在大数据背景下,提出了一种基于随机矩阵理论的电压稳定性扰动源定位方法:首先利用分离窗技术构造随机矩阵的数据源,并对数据通过添加高斯白噪声进行预处理;然后基于随机矩阵定理,通过分析数据源矩阵的统计特性,提出使用平均谱半径表征电网出现扰动时的宏观态势,利用协方差矩阵的特征值与特征向量构造统计指标,定位出现电压扰动的具体节点。场景分析表明,该方法针对环网与辐射状配电网暂态电压稳定性扰动源定位以及静态电压稳定性扰动源定位均表现出较好的效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
随机矩阵理论论文参考文献
[1].王艺霏,李贤,来骥,陈重韬,连浩.基于随机矩阵理论的智能电网大数据体系结构设计[J].计算技术与自动化.2019
[2].亓延峰,亓占华,李程,贾会永,艾芊.基于随机矩阵理论的电压稳定性扰动源定位[J].电器与能效管理技术.2019
[3].李燕,洪振木.我国股票市场复杂网络模型的“去噪”研究——基于随机矩阵理论[J].叁明学院学报.2019
[4].刘鹏,叶宾.基于随机矩阵理论的高维数据线性判别分析方法[J].计算机科学.2019
[5].周忠强.基于随机矩阵理论的电力系统态势感知方法研究[D].贵州大学.2019
[6].王伟冠,杨启洪,陆凯烨,吴细辉,陈春泉.基于随机矩阵理论的配网故障可观的PMU优化配置方法[J].电网与清洁能源.2019
[7].阿地利·巴拉提,秦艳辉,张磊.基于随机矩阵理论的大型光伏电站设备状态评估研究[J].电器与能效管理技术.2019
[8].刘鹏.基于随机矩阵理论的高维数据分析方法研究[D].中国矿业大学.2019
[9].李蓉,郑浪,任喜梅,钟春晓,王锦丽.基于随机矩阵理论及层次聚类方法在肝癌基因网络中的研究[J].湘潭大学学报(自然科学版).2019
[10].徐丽.基于随机矩阵理论的大规模MIMO系统窃听用户检测研究[D].北京交通大学.2019
论文知识图
