一、基本型n参数d维随机游动的周期性（论文文献综述）
王倚端[1]（2021）在《随机波动与Lévy态金融交互系统模型构建理论及统计分析研究》文中提出金融市场价格波动模型的构造和相应非线性统计分析是金融数学与金融工程领域关注焦点之一,有关这一领域的研究是为了更好地解释金融市场的内在机制和规律性,并且对金融风险管理,实物资产评估和衍生品定价等起着关键的作用.金融市场是一复杂交互作用系统,近年来大量基于随机交互粒子系统构建的金融价格模型逐渐被提出,该类模型通过关注微观个体参与者的行为,来重现和研究金融市场的非线性动力学,以期揭示金融市场复杂系统的演变规律.在本文中,主要将几种重要的随机交互粒子系统运用到金融市场价格波动的模型构建中,并结合复合泊松过程等随机理论,建立三种新型Lévy态金融随机交互系统模型,分别从微观角度和宏观角度探索可能的价格波动形成机制.本文从多角度和多维度参数研究模型模拟收益率序列和真实市场收益率序列的程式化事实和非线性等特性,研究方法包括统计分析,非线性分析,复杂度分析等,已获得的丰富实证分析结果表明三种Lévy态金融随机交互系统模型具有一定的合理性.本文的组织结构如下:第1章介绍文章的选题背景,理论基础以及主要创新点.第2章研究了基于随机Ising模型和连续渗流系统构建的具有跳跃的金融随机交互系统模型,旨在理解金融市场的价格波动,刻画金融产品价格变动的内在相互影响微观机制以及价格突然剧烈的跳跃波动.模型中交易者的交互作用微观机制是通过Ising动力系统中的粒子（正自旋与负自旋）交互作用来实现的,即在金融市场中拥有正头寸“+”或负头寸“-”,交易者的头寸受到市场信息的影响,而交易头寸的正负占比将导致该金融产品价格的升降.此外,外部投资环境或内部运行状态突变的信息,会导致实际金融市场出现急剧的跳跃波动.通常,交易者的从众行为（羊群效应）也是导致金融市场剧烈波动的重要因素.在模型中,使用连续渗流系统结合Poisson过程来再现这些突然的跳跃波动,其中金融产品收益率跳变的幅度由连续渗流系统局部相互作用的簇串来模拟.进一步,从理论方面研究所建立离散时间金融价格模型的有限维分布,应用随机交互粒子系统相分离界面（phase interfaces）理论,证明正规化的收益率过程的有限维分布收敛于一个Lévy态过程的有限维分布.通过统计分析和复杂分析,研究了该金融模型的模拟收益率和真实市场的收益率的波动行为和各种复杂性质,并引入p-阶多尺度自相关函数和新型q-阶多尺度熵对模型模拟数据和真实市场数据进行尺度分析,以此验证模型的有效性.第3章通过Potts模型和定向渗流系统建立新型金融随机交互价格模型.模型中交易者的交互作用微观机制是通过Potts动力系统中的粒子（自旋）交互作用来实现的.格点Potts模型中平行的自旋体串定义为市场中有相同操作行为（或有相同的投资态度）的投资者群体,而格点定向渗流系统结合Poisson过程再现金融市场剧烈的跳跃波动,其中收益率跳变的幅度由格点定向渗流系统局部相互作用的渗流串来模拟,而且定向渗流理论临界现象被用来描述证券市场参与者之间的羊群效应.因此,该模型分别模拟了投资者交易态度的扩散所引起的价格波动和突然的价格随机跳跃波动.进一步,我们从理论方面研究所建立离散时间金融价格模型的有限维分布,应用随机交互粒子系统相分离界面（phase interfaces）理论,证明正规化的收益率过程的有限维分布收敛于一个Lévy态过程的有限维分布.为了验证所建立模型的合理性,一系列分析方法被用于研究模型模拟数据集和真实市场数据集的波动性质,如幂律分布,Lempel-Ziv复杂性和分数阶样本熵等.实证结果表明,所建立的非线性金融模型能重建真实市场收益率的某些统计特性.第4章应用随机接触过程和复合泊松过程构建一个新型的微观复杂跳跃动态模型,试图重建和刻画金融市场的复杂性动态.随机接触过程（stochastic contact process）是一个连续时间的Markov过程,经常被看作是某种传染病传播的基本模型之一.在本章中,接触过程被用于模拟金融市场因由投资者交易态度的相互影响而导致的价格波动,复合泊松过程被用于描述宏观经济环境造成的随机跳跃波动.而且建立离散时间金融价格模型,证明了其收益率过程的有限维分布收敛于一个Lévy态过程的有限维分布.为了更好地理解价格动态波动的复杂度行为,对相应的金融时间序列集进行了熵分析,包括排列熵,分数阶排列熵,样本熵和分数阶样本熵.此外,为了验证金融价格模型的合理性,采用相同的分析方法对真实金融市场数据集进行了相应的对比分析研究.第5章总结了本文的主要结论.
朱壮壮[2]（2021）在《个人运动数据的分类算法及其应用系统设计》文中研究指明近年来,物联网技术的发展以及智能手机的普及,从智慧医疗保健行业的发展看来,可穿戴设备潜力巨大。随着传感器技术的进步,用户可以利用可穿戴设备精确地对睡眠状况以及日常运动进行实时监控,可用于各种健康保健和预防性医疗。社会的医疗保健系统与人们的生活息息相关,而当下的医疗诊断主要还是依靠于实体医院,对于预防性健康医疗的需求较大,这使得可穿戴设备具有广阔的市场前景。可穿戴式设备作为未来个人健康检测的基础,将会在个人健康管理、慢性病管理、个人疾病预测和医疗诊断等方面占据着重要的地位,本文主要研究基于个人运动数据的异常检测以及健康状况预测算法,包括以下内容:首先,针对传统的方法进行密度估计会出现一种”维度灾难”现象,导致检测效果不佳的问题,设计了高斯混合生成模型（Gaussian Mixture Generative Model,GMGM）。GMGM采用变分自编码器训练原始的个人运动数据,并通过降低重构误差来提取数据潜在特征。由于传统的两步法检测技术在进行异常检测时会丢失关键信息,降低检测精度,GMGM以一种端到端的方式共同优化变分自编码器、深度信念网络和高斯混合模型,保留数据的原始特征。实验结果表明所提出的方法能够有效地提高个人运动数据的异常检测效果。其次,为了解决可获得的人体活动数据多但是疾病标签匮乏的问题,提出了无监督表示学习模型tim2vec,该方法从原始活动数据中学习时序数据的特征表示,通过分布式表示来挖掘可用于健康状况预测任务的活动模式。通过考虑活动等级的周期性,嵌入代表活动级别的序数关系,利用噪声对比估计构建表示学习损失函数。最后,引入所学习的特征构建堆叠双向GRU模型以进行健康状况预测。2个数据集上的实验表明了所提方法的有效性。最后,以B/S架构为基础,从前两个理论研究点出发,构建健康状况预测及个性化健康推荐系统。以个人基本信息为基础,结合用户对个性化健康建议的反馈构建用户画像,采用基于相关系数的协同过滤算法,计算项目之间的S-TF权重,选择得分最高的结果进行输出,为用户提供个性化的健康建议。接着,展示了各功能模块图形化界面,通过与市面上常见的运动健康类APP进行功能上的对比体现了本系统的优势。
王国超[3]（2021）在《随机交互粒子系统与波动统计量的金融市场波动研究》文中提出金融市场的价格波动研究一直以来都是金融数学与金融工程领域的一个热点,对该领域的探索可以帮助学者和市场参与者更加深刻地理解金融市场动力学的演化机制和行为特征,探究金融市场的内在规律,并在金融风险管理,资产估值,衍生品定价等方面具有重要的意义.近些年来,随着数学,信息科学,物理,系统科学等相关学科在金融领域中的不断应用,大量交叉学科逐渐形成,其中金融物理学这一重要学科的出现为价格波动行为的研究提供了全新的视角以及更加丰富的研究方法.基于金融物理学的相关思想和理论,本文主要从建立随机交互价格波动模型和构造波动统计量这两个方向出发,对金融市场的价格波动行为进行创新的探索和研究.本文的主要创新体现为:一方面,本文将有限程随机交互传染系统,格点选举模型和小世界网络选举模型这三种重要的随机交互粒子系统用于金融市场价格波动模型的构建中,从微观角度模拟市场的信息传递机制和投资者的投资态度交互,并结合随机过程及随机跳过程等相关理论,建立了三个新型随机交互价格波动模型.在模型合理性验证中,本文选取有力的研究方法对三个新型价格波动模型在多维度参数下的模拟数据和真实金融市场数据的统计特性及非线性性质进行分析比较,结果的相似性验证了新模型的合理性.该工作通过模拟市场投资者投资策略和交互行为,重现了金融市场中价格波动的形成机制和演变规律,为价格波动的研究提供了理论基础和微观动态模型.与此同时,指数波动模糊熵和复合距离模糊熵等非线性分析方法的提出,为金融市场价格波动性质研究提供了新的角度和工具.另一方面,本文在深入研究金融市场价格波动序列的内在结构特征的基础上,以量化波动趋势的持续时间和强度变化幅度为出发点,构建了两个新型波动统计量.该工作是对波动研究的创新与探索,从全新的角度刻画金融市场价格波动的变化趋势以及蕴含风险,增强市场参与者对于价格波动规律的认识和理解.本文具体的工作介绍如下.第1章介绍了本文的研究背景,理论基础,创新点和主要研究内容.第2章基于有限程随机交互传染系统的相关理论构建了一个新型随机交互传染价格波动模型.作为一个重要的随机交互粒子系统,有限程随机交互传染系统可以描述某种传染病在空间个体间传播的复杂动态机制,个体的状态包含健康,感染和免疫三种,该状态会受到传染病的影响按照一定的规则发生改变.随机交互传染价格波动模型的创新点在于将该系统中的个体与金融市场中的投资者相对应,应用传染病在个体间的传播机制来模拟在市场信息的影响下投资者之间的相互作用机制,其中投资者投资态度的改变和扩散会导致金融产品的价格波动.有限程随机交互传染系统中的传染病具有更广的传播范围,因此模型中每个投资者都可以与更多的投资者进行信息交换.在建立随机交互传染价格波动模型之后,本章探讨了不同参数组合下的模拟数据集的一些典型化事实和非线性行为,相同的方法被用来研究和分析真实市场数据集,通过对比上述波动性质的相似性来验证模型的合理性.其中首次提出的新型指数波动模糊熵方法能够通过四个度量标准从多维度出发研究金融时间序列的复杂度行为.第3章将随机跳过程分别与格点选举模型,小世界网络选举模型相结合,建立了新型随机交互格点选举价格波动模型和随机交互小世界选举价格波动模型.两个模型共同的创新点在于分别从内部微观作用和外部宏观环境两个角度刻画市场价格波动的形成机制.一方面将选举理论分别引入到格点空间和小世界网络结构中,模拟金融市场因内部投资者之间的相互影响以及投资态度的变化产生的频繁且正常的价格波动;另一方面应用复合Poisson过程构建了随机跳过程,捕捉由外部宏观事件引起的突然且剧烈的价格波动,解释了价格演变过程中随机突发的跳跃性.同时,本章分别对两个模型在不同参数组合下的模拟数据集和真实数据集的波动性质进行了分析比较,来验证模型的合理性.本章提出的复合距离模糊熵方法,在衡量金融时间序列的复杂度行为的过程中,表现出比模糊熵方法更高的准确性和更强的鲁棒性,能够为价格波动的复杂度研究提供重要帮助.第4章提出了波动双分量区间强度和累积波动双分量区间强度这两个新型波动统计量.波动双分量区间强度同时考虑了波动局部涨跌趋势的持续时间以及在时间区间内波动强度的最大变化幅度,累积波动双分量区间强度则通过时间区间内强度的累积变化幅度来代替前者中的最大变化幅度.这两个波动统计量在波动趋势持续时间和强度变化幅度之间建立了联系,可以帮助投资者把握当前波动的变化趋势和长度信息,同时减少市场中一些极端波动现象对于市场参与者的影响,为其进行风险衡量提供借鉴.本章研究了金融市场中真实金融产品对应的波动双分量区间强度序列和累积波动双分量区间强度序列的基本统计特性,概率分布以及尾部的幂次律尺度行为,并使用非线性方法对序列的自相关性和互相关性进行了探讨,从而丰富了金融市场价格波动的研究内容.第5章介绍了本文的主要结论.
叶轩[4]（2021）在《激光去污系统运动规划算法研究》文中研究说明核设施在退役后会产生大量表面受到放射性污染的金属废弃物,需对其表面进行激光烧蚀去污以去除废弃物表面沉积的放射性核素。由于存在放射性污染,整个清洁过程必须避免人工操作。因此,使用机器人作为执行装置搭载激光烧蚀器对废弃工件进行清洁。在这一过程中,机器人的运动规划算法将发挥重要的作用。运动规划直接决定着机器人的作业效率和运动性能,是机器人自动控制领域重要的研究课题。本文针对激光去污系统,开发了由废弃工件点云数据进行机器人运动规划的整体算法。首先对废弃工件点云数据进行处理以提取激光烧蚀点位,全部点位提取完成后进行全局去污路径规划以及烧蚀点位之间的机器人局部轨迹规划。主要研究内容如下:（1）分析了激光去污系统原理与总体构成,并规划了系统工作流程。即首先由机器人搭载激光扫描仪扫描工件得到工件表面点云数据。在完成运动规划后,机器人依据运动规划结果搭载激光烧蚀器完成烧蚀去污。随后重点分析了系统中的测量模块、运动模块、工装夹具和激光烧蚀器对于运动规划的影响及各部分关键参数。（2）对点云数据处理进行了研究,提出了烧蚀点位提取算法。完成点云去噪后,进行点云结构化,降低了后续处理的复杂程度。随后类比聚类算法,提出了一种点云全局优化分割算法,能够根据参数的不同对点云数据进行不同的分割。分割后的每一个子区域均对应一个待加工点位。最后进行干涉检测以确定机器人末端执行器的位姿。（3）针对机器人路径规划展开了研究。将路径与轨迹信息结合,提出了一种反应轨迹信息的路径规划数学模型,并使用蚁群算法进行求解。为了改善蚁群算法存在的容易陷入局部最优的不足,提出了两种改进措施。数值仿真验证了方法的有效性。（4）研究了机器人轨迹规划方法,并选定轨迹规划目标为最小冲击规划。使用伯恩斯坦（Bernstein）多项式拟合轨迹曲线。随后提出了改进混沌粒子群算法进行求解。数值仿真和系统实际运行测试验证了方法的有效性。
季磊[5]（2020）在《车联网中超高速真随机数发生器的设计与验证》文中进行了进一步梳理现如今通信、大数据和云计算等技术发展迅速,使得无人驾驶、车联网和智慧城市等概念快速落地,由于车辆复杂的工作环境和严苛的安全车规,安全问题变得越来越被重视。对于数字交通安全系统来说,随机数常被使用作为公钥、密钥和数字签名来保障系统的安全性,伪随机数由特定算法和种子产生,具有可预测性,会给车辆交通安全系统带来极大安全隐患。真随机数来源于物理熵源,具有不可预测不可复现性,将其作为随机数使用会为系统带来可靠保障。当前车联网下海量数据进行大量加密传输,对真随机数的数量和质量有了更高的要求。本文设计一款超高速真随机数发生器,其熵源结构采用基于亚稳态的环形振荡器方案,得到随机序列包含真随机性与伪随机的,又将随机序列引入到基于随机储存的元胞自动机,使之更加无序,最后添加纠偏网络和加密电路,对数据进一步压缩,提高随机序列熵值。本文设计的超高速真随机数发生器在基于Xilinx XC7Z035-FGG676-2I芯片的FPGA开发板上实现并验证,生成随机序列均能通过NIST SP 800-22随机性测试,实验结果表明,本设计使用硬件资源少,在500M的工作频率,其随机数生成速率高达1Gb/s,并且具有良好的移植性和扩展性,与市面上其他商用真随机数发生器相比,生成速率得到较大提升。
郭梦微[6]（2021）在《混合生物群智能优化算法及其应用研究》文中认为各个领域都具有在特定要求下求得最优解的问题。在指定的前提条件下求解复杂问题的最优解是一项艰巨的任务。生物群智能优化算法为求解典型的优化问题提供了新思路和新方法。生物群智能优化算法在优化约束条件较多的复杂问题时不易跳出局部最优,综合利用各种生物群智能优化算法的互相协调补充和互异性,实现了信息的有效共享与取其长补其短,从而增强算法的整体性能。多种算法间的融合可分为三种结构:嵌入式结构,伪并行结构以及串行结构。具体如下:（1）提出了一种嵌入式结构的基于跟踪模式和搜寻模式的改进灰狼优化算法。利用搜寻模式以及跟踪模式以提高算法的随机性进而提高了种群的多样性和算法平衡勘探与开发的能力。将改进算法以及其他群智能算法对单目标测试函数分别进行优化,得出改进算法比其他智能算法的精度高的结论;为进一步证实所选取的嵌入式混合因子的效果,实验将改进算法与二进制灰狼算法,混合粒子群灰狼算法,混合布谷鸟搜索集成灰狼算法这四种算法进行比较,采用优化20个典型基准功能分别比较获得的统计仿真结果,结果表明改进算法的性能更加优越。（2）提出了一种嵌入式结构的基于螺旋复路径搜索模式的改进蚁群优化器。由于蚁狮的捕食半径随迭代次数增加而减小,难以跳出局部最优循环,本文采用了8种螺旋搜索路径（圆内旋轮线,玫瑰螺线,对数螺旋曲线,阿基米德螺旋曲线,长幅圆外旋轮线,对数螺线,摆线,超调参数设置的螺线）提高种群多样性。并对改进算法进行了性能分析包括复杂度分析和收敛性分析。最后进行了数值优化实验,单目标实验证明改进算法的精确度明显提高以及收敛速度加快。多目标实验证明加入嵌入式混合的改进多目标算法的综合评价指标,分布评价指标,收敛性评价指标都优于MOALO。（3）提出了一种伪并行式结构的基于迁移模型的伪并行混沌自学习羚羊迁移算法。将9种混沌自适应藏羚羊迁徙算法进行内部优化之后,提高种群在随机性和多样性引入5种迁移模型执行迁移操作及变异操作用来提高算法的全局搜索能力,形成伪并行混沌自适应藏羚羊迁徙算法。最后用两种实验证明提出的基于迁移率模型的伪并行算法的优越性,首先利用CEC-2017函数对改进算法的性能加以测试,实验结果表明改进算法得到的平均值比自学习羚羊迁徙算法接近函数最优值的。然后对4个工程优化问题进行仿真实验,包括三杆桁架设计,焊接梁设计,压力容器设计和弹簧设计问题。实验结果表明,改进算法能较好地解决功能优化和工程优化问题。
董鑫[7]（2020）在《基于时空行为轨迹的兴趣点预测研究》文中认为近年来,随着GPS定位技术的广泛使用,极大地增强了基于地理位置的社区网络服务的发展。尤其是手机等信息通讯设备的普及,使得人们可以随时随地的使用在线社交网络平台分享所在的位置及评论内容,形成了基于位置的社交网络（Location Based Social Network,简称LBSN）。与传统社交网络服务相比,该服务提供了用户签到机制,签到行为将用户社交行为和位置信息结合起来,能够从多维角度反映用户偏好,生成用户画像。传统的网络研究面向结构单一的同质网络,且大数据分析模式偏向结构化数据,无法反映社会服务的动态空间特性。但是,大多数应用面对的是从现实世界中抽离得出的蕴含多种类型的异构实体。为了更好的应对复杂多变的社会服务数据,深入研究多元异构条件下关于时空轨迹的用户兴趣点推荐问题是十分必要的。本文主要通过挖掘用户签到轨迹中具有特定含义的元路径,实现异构知识网络多因素条件下用户兴趣点预测任务,主要工作如下:1)基于时空语义知识构建用户出行轨迹知识图谱。针对用户兴趣点预测领域中多源异构数据难以综合分析等问题,本论文利用知识图谱复杂语义关联的优势,建立关于用户签到轨迹的知识图谱,作为后续推荐应用的底层知识表示。同时,在概念层面设计并抽象出规范的实体和关系本体模型,用以指导知识图谱的构建和存储。2)基于元路径信息构建异质网络表示学习模型。针对现有的复杂网络难以挖掘和向量化的问题,本文根据用户签到轨迹的特点改进了传统的图嵌入算法,提出使用以元路径为基础的图嵌入技术将实体转化为向量,获得抽象的用户的行为特征。尤其是利用异构条件下的随机游走策略生成有意义的节点序列进行网络嵌入表示的方式融合了时间和空间信息,达到了良好的向量化表示效果。3)以时空条件为背景建立混合推荐模型。针对传统的推荐系统中存在的数据稀疏、冷启动和缺乏解释性的问题,并且满足在不同的时空条件下为用户推荐合适的兴趣点的要求,本文提出了一种基于元路径语义信息的混合推荐算法。4)本文的实验使用Foursquare数据集来评估所提出的方案。实验结果表明,使用本文提出的基于时空网络的推荐模型（Spatio-Temporal Network-Based Recommender STNBR）框架能够很好地整合时间和空间特征,准确的挖掘和表达用户的行为偏好,相比于不考虑时空特性或只考虑单一影响因素的算法在推荐的准确性和性能上较优,尤其是在多因素融合计算的条件下获得了较好的推荐效果。
李岩[8]（2017）在《中国钢材期货市场非线性特征及套期保值策略研究》文中进行了进一步梳理目前国内期货市场套期保值的研究,基于市场发展的历史原因,集中于商品期货和股指期货。商品期货主要品种包括有色金属产品、农产品,有色金属中又以铜为主要研究对象。由于我国黑色金属期货推出的时间较晚,相关研究较少,面临我国供给侧结构改革这一背景,受去产能及市场需求周期变化的影响,从铁矿石到钢材的市场价格变化剧烈,从规避系统性风险出发,对套期保值的需求不断增强,钢材期货套期保值的研究受到越来越多的关注。本文在复杂性理论框架下,研究我国钢材期货市场的非线性特征,运用多重分形谱和R/S方法,对我国螺纹钢线材市场的分形特征进行了较全面的研究,发现了钢材市场中多标度特征的存在。从市场非线性特征出发,运用多种方法探讨钢材套期市场的套期保值方法、最优套期保值比率及套期保值的效率,为套期保值策略制定以及钢材期货价格波动风险的度量提供了借鉴和参考。主要研究工作包括:（1）运用时间序列分析、多重分形谱以及重标极差分析方法（R/S分析法）对我国螺纹钢、线材市场收益率序列进行实证研究。证实了我国螺纹钢、线材市场价格变化特性同有效市场理论下市场的特性相比具有很大差异,收益数据的分布呈典型的“尖峰厚尾”,市场价格波动具有集聚性,正态分布难以拟和时间序列分布的厚尾性特征,正态分布假设在置信水平较高时会低估钢材现货市场的实际风险程度。仅用单一的价格标度指数对其进行描述是不充分的,多重分形分析方法可以更好地描述钢材价格的变化规律,市场具有非线性特征与长期记忆性的分形特征。（2）在套期保值操作中,基差与风险价值VaR同为度量风险的方法。基差变动形态是判断能否实现套期保值的依据,风险价值VaR虽然可以测定未来特定时期内的最大可能损失,但没有考虑资产收益的波动性。将随时间变化的基差风险指标与考虑极值损失的风险价值指标相结合,借助收益的风险价值概念,首次提出用VaR方法度量基差的风险价值,结合买入套期保值和卖出套期保值策略,研究钢材期货套期保值的基差风险。由于VaR方法以系统的概率统计理论为基础,可清晰地表示市场风险的大小,从风险价值角度研究基差分布,为控制市场极端风险、开展有效的钢材期货市场风险管理提供新的量化工具。（3）使用市场数据,从风险溢价角度研究套保者策略,根据投资周期期限长短,选择风险溢价的形式,定义了风险溢价及相对风险溢价的计算方法。从投资者持有现货的可能收益角度,建立了现货便利收益的计算方法。并依据便利收益,调整了相对风险溢价的计算,实证分析了上海期货交易所上市的螺纹钢期货,线材期货和热轧卷板期货市场的便利收益和风险溢价。指出套利者的风险厌恶程度与投机者获得的风险溢价之间存在的内在关系。发现热轧卷板市场期货投资者风险厌恶程度最高,螺纹钢市场期货风险厌恶程度次之,线材期货市场表现出风险偏好特征。钢材期货市场普遍存在选择性套期保值,过度投机行为不明显。钢材期货风险溢价与钢材现货价格波动风险、到期期限呈正相关关系。（4）从极端尾部风险损失的平均值角度,选用条件风险价值CVaR度量钢材期货市场尾部损失的期望值。根据条件风险价值、套期保值组合的收益率及其方差的定义,构建了条件风险价值与套期保值组合收益率的函数表达式,通过最小化条件风险价值求得最优期货套期保值比率,分析了最优套期保值比率的因素构成,进而探讨了投资者的风险偏好与最优套期保值比率的关系。实证分析了上海期货交易所上市的螺纹钢期货,线材期货和热轧卷板期货市场的CVaR最优套期保值比率,最小方差套期保值比率,VaR最优套期保值比率,并对比分析了三种套期保值比率的效率。发现基于CVaR的期货套期保值效果最佳。模型还发现,基于CVaR的期货套期保值考虑了组合尾部风险、期望收益,投资者风险偏好,最优套保比率反映了套保者的投机需求和纯套保的需求,热轧卷板市场投机氛围较螺纹钢市场和线材市场浓厚。（5）由于下偏矩风险测度弥补了以往对双边风险测度的不足,使用LPM控制套期保值组合风险。为刻画期货市场价格随机过程表现出的价格频繁跳跃、时变的收益率波动、收益率和波动率的负向关系非对称三种特征,将描述资产即期价格与远期价格的Copula-GARCH方法应用于我国钢材期货市场。采用t分布以捕获资产的尖峰厚尾、偏斜属性,并且考虑到资产收益率的随机波动因素和资产多变量间非线性相依性,以GARCH模型描绘收益序列的尾部形态,构建了 Copula-GARCH-t模型刻画现货和期货组合收益率的联合分布,解决了以往计算LPM因联合密度未知造成的困难。通过实证研究发现,Frank-Copula函数能够较好的反映尾部风险模式。对于螺纹钢期货、线材期货,以LPM控制风险,以Copula-GARCH模型描绘资产收益率分布的套期保值策略效果优于传统的基于最小方差套保效果,证实了所构建模型的有效性。本文运用复杂性理论与方法,分析我国钢材期货市场的非线性特征,将基差风险指标与考虑极值损失的风险价值指标相结合,提出用VaR方法度量基差的风险价值方法。在此基础上,分别从风险溢价效应、条件风险价值风险测度和下偏矩风险度量方法角度分析了钢材期货市场的套期保值绩效。在经典方差最小化测度背景下,考察了便利收益调整后的期货风险溢价波动风险、偏度风险和到期期限的关系;从极端尾部风险损失角度,计算了基于CVaR测度的最优套期保值比率;考虑到期货市场的非高斯现象,将非正态分布、非线性相依性引入到收益率建模中,计算出了基于LPM的最优套期保值比,检验了基于LPM的Copula-GARCH-t模型套保策略的效率。上述从不同角度、使用不同方法的研究得到了一些一致性结论。如我国钢材期货市场处于卖方主导市场,螺纹钢期货套保者较线材期货套保者风险厌恶程度更高,热轧卷板期货市场投机氛围较重。所得结论为政策制定者和市场监管者提供了依据和参考。
王法胜[9]（2014）在《复杂场景下的单目标视觉跟踪算法研究》文中认为视觉目标跟踪是计算机视觉领域的热点研究问题,在智能监控、医学、人机交互、体育运动分析等领域取得了成功的应用。尽管近年来视觉跟踪算法研究取得了长足的进步,但随着现实应用中的视觉场景变得越来越复杂,视觉跟踪算法需要处理的难题也越来越多,这使得现有的视觉跟踪算法无法适应现实应用的需要。这些复杂的场景可能包括：剧烈的光照变化引起的目标外观剧变；目标运动的不确定性引起的运动突变等等。如何设计有效的跟踪算法去处理这些跟踪场景,是视觉跟踪领域的研究者们一直努力去解决的问题。在此背景下,本文研究了基于贝叶斯滤波框架的视觉跟踪算法,结合粒子滤波算法和马氏链蒙特卡罗采样方法,解决复杂场景下的目标跟踪问题。本文的主要研究内容包括：（1）研究了粒子滤波算法及其在视觉跟踪领域中的应用问题,针对传统的粒子滤波跟踪算法存在的问题,提出了基于二阶马尔可夫假设和马氏链蒙特卡罗（Markov chain Monte Carlo, MCMC）后验采样的鲁棒粒子滤波跟踪算法。该算法在粒子滤波算法框架下基于二阶马尔可夫假设,假设系统当前时刻的状态与前两个时刻的状态有关,考虑历史状态的联合后验概率密度；同时抛弃传统的重要性采样方法,使用马尔可夫链蒙特卡罗采样方法,以避免多样性缺失问题的影响。（2）研究了目标运动突变情况下的跟踪问题。基于随机采样的跟踪方法目前在突变运动跟踪问题中得到了广泛的应用,本文针对现有的突变运动目标跟踪算法中存在的问题,提出了一种基于Hamiltonian马氏链蒙特卡罗方法的突变目标跟踪算法。该算法采用Hamiltonian动力学构造马氏链,能够一定程度上抑制传统的随机采样跟踪算法的随机游动行为,在状态空间中搜索时,能够避免陷入局部模式,有效捕获发生突变的目标,在多种不同类型的突变运动场景中均能有效跟踪目标。（3）提出一种自适应有序超松弛MCMC跟踪算法。该算法以HMC跟踪框架为基础,针对传统的MCMC跟踪算法中的随机游动行为,采用有序超松弛方法抑制Gibbs采样过程的随机游动行为,可以减少搜索有希望的目标区域所需要的迭代次数；同时,该算法针对蛙跳方法实现的Hamiltonian动力学的缺点,减少模拟误差,提出跟踪过程中自适应调整蛙跳步长。该算法能够有效跟踪运动发生突变的目标,同时对目标的部分及完全遮挡具有较好的处理能力。
蔡静岚[10]（2013）在《随机游动象集的中偏差问题研究》文中研究指明随机游动象集Rn：=#{S0,S1,…,Sn}是随机游动研究中的一个热点问题,本篇论文旨在研究随机游动象集的相关偏差问题并探讨随机游动在统计中的一些相关应用.本文第一章从理论及实际应用两个方面介绍了随机游动的起源背景、历史发展过程、随机游动象集的研究现状.同时包括本文的工作重点及结果.第二章先介绍随机游动的基本概念和相关基础知识,包括单指标随机游动、多指标随机游动、马氏过程和停时等基本概念,继而讨论后续研究需要的基本性质和引理,最后简要介绍偏差原理和研究意义.第三章中首先着重讨论随机游动的肠（sausage）的偏差问题,得到一维随机游动的“肠”的中偏差问题的一个结果.定理3.2.1设θ>0,则定理3.2.2设{bn}n≥1为正的常数序列,bn（?）∞,bn=o（n）则这里A （?） A={z1-z2|z1,z2∈A}.除此之外,本章还对随机游动在统计中的应用加以探讨,考虑了随机游动在变点检验中的应用.最后,在第四章中对本文的研究及所得到的问题结果进行总结.
二、基本型n参数d维随机游动的周期性（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、基本型n参数d维随机游动的周期性（论文提纲范文）
（1）随机波动与Lévy态金融交互系统模型构建理论及统计分析研究（论文提纲范文）
| 致谢 |
| 摘要 |
| 英文摘要 |
| 第1章 绪论 |
| 1.1 研究背景与现状 |
| 1.2 重要理论基础 |
| 1.3 创新点及主要研究成果 |
| 第2章 具有连续渗流跳跃的Ising金融动力模型与多尺度分析 |
| 2.1 引言 |
| 2.2 金融价格模型构建理论 |
| 2.2.1 随机Ising动力系统理论 |
| 2.2.2 连续渗流系统理论 |
| 2.3 Agent-Based金融价格模型的构建 |
| 2.4 模型收益率过程的有限维概率分布 |
| 2.5 收益率序列的统计分析, 复杂性分析及尺度分析 |
| 2.5.1 时间序列统计分析 |
| 2.5.2 Anderson-Darling检验 |
| 2.5.3 收益率序列长期记忆性分析 |
| 2.5.4 波动聚集性的自相关分析 |
| 2.6 多尺度熵分析和去q-阶多尺度熵分析 |
| 2.6.1 q-阶多尺度熵 |
| 2.6.2 时间序列多尺度熵分析 |
| 2.6.3 随机重排序列多尺度熵分析 |
| 2.6.4 时间序列q-阶多尺度熵分析 |
| 2.7 本章小结 |
| 第3章 基于Potts模型和定向渗流的Lévy态金融模型与复杂性分析 |
| 3.1 引言 |
| 3.2 金融价格模型构建理论 |
| 3.2.1 Potts动力系统理论 |
| 3.2.2 定向渗流系统理论 |
| 3.3 Agent-Based金融价格模型的构建 |
| 3.4 金融价格模型收益率过程的有限维分布 |
| 3.4.1 价格模型交互作用的概率分布收敛 |
| 3.4.2 整体价格模型波动的概率分布 |
| 3.5 价格动态模型波动的统计性质 |
| 3.5.1 金融价格模型的基本统计性质 |
| 3.5.2 收益率的自相关分析 |
| 3.5.3 收益率的幂率行为 |
| 3.6 价格动态模型波动的非线性性质 |
| 3.6.1 收益率和|r(t)|~q序列的Lempel-Ziv复杂性 |
| 3.6.2 分数阶样本熵 |
| 3.7 本章小结 |
| 第4章 具有复合Poisson跳跃的接触过程金融模型与复杂性分析 |
| 4.1 引言 |
| 4.2 随机接触过程理论 |
| 4.3 Agent-Based金融价格模型的构建 |
| 4.3.1 具有跳跃的金融价格模型 |
| 4.3.2 模型收益率过程的有限维概率分布 |
| 4.4 金融价格动态模型的实证研究 |
| 4.4.1 收益率序列的基本统计性质 |
| 4.4.2 排列熵和分数阶排列熵 |
| 4.4.3 样本熵和分数阶样本熵 |
| 4.5 本章小结 |
| 第5章 总结 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（2）个人运动数据的分类算法及其应用系统设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 个人运动数据异常检测 |
| 1.2.2 健康状况预测 |
| 1.2.3 个性化健康推荐系统 |
| 1.3 论文主要内容简介及章节安排 |
| 第二章 高斯混合生成模型检测健康数据异常 |
| 2.1 DAGMM检测数据异常 |
| 2.2 GMGM算法介绍 |
| 2.2.1 生成模型 |
| 2.2.2 高斯混合生成模型计算样本密度 |
| 2.2.3 训练策略 |
| 2.3 高斯混合生成模型实现步骤 |
| 2.4 实验评估 |
| 2.4.1 对比算法与评价指标 |
| 2.4.2 实验结果与分析 |
| 2.4.3 真实数据集实验结果 |
| 2.5 本章小节 |
| 第三章 引入无监督表示学习和堆叠双向GRU的预测模型 |
| 3.1 时间序列表示相关研究 |
| 3.2 tim2vec表示学习模型描述 |
| 3.2.1 分析单元粒度的选择 |
| 3.2.2 模型损失函数 |
| 3.2.3 训练算法 |
| 3.3 层叠式双向门控循环单元 |
| 3.4 实验环境与结果分析 |
| 3.4.1 实验环境 |
| 3.4.2 评价标准 |
| 3.4.3 实验结果分析 |
| 3.5 本章小结 |
| 第四章 个性化健康推荐系统设计 |
| 4.1 系统需求分析 |
| 4.2 系统功能模块的设计 |
| 4.3 个性化健康推荐模块 |
| 4.3.1 用户画像建立 |
| 4.3.2 基于相关系数的协同过滤算法 |
| 4.4 个性化健康推荐系统实现与展示 |
| 4.4.1 开发环境 |
| 4.4.2 系统实现 |
| 4.4.3 系统各模块展示 |
| 4.4.4 系统对比 |
| 4.5 本章小结 |
| 第五章 主要结论与展望 |
| 5.1 主要结论 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读硕士学位期间研究成果 |
（3）随机交互粒子系统与波动统计量的金融市场波动研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与现状 |
| 1.2 基础理论 |
| 1.3 创新点与主要研究内容 |
| 第2章 有限程随机交互传染系统构建模型及波动性质分析 |
| 2.1 引言 |
| 2.2 随机交互传染价格波动模型 |
| 2.2.1 有限程随机交互传染系统的基本理论 |
| 2.2.2 随机交互传染价格波动模型的构建过程 |
| 2.3 随机交互传染价格波动模型的统计性质分析 |
| 2.4 随机交互传染价格波动模型的复杂度行为分析 |
| 2.4.1 指数波动模糊熵方法的介绍 |
| 2.4.2 指数波动模糊熵方法的有效性检验 |
| 2.4.3 基于指数波动模糊熵方法的复杂度行为分析 |
| 2.5 本章小结 |
| 第3章 带跳跃的选举模型构建模型及波动性质分析 |
| 3.1 引言 |
| 3.2 随机交互格点选举价格波动模型 |
| 3.2.1 格点选举模型的基本理论 |
| 3.2.2 随机交互格点选举价格波动模型的构建过程 |
| 3.3 随机交互格点选举价格波动模型的统计性质分析 |
| 3.4 随机交互格点选举价格波动模型的复杂度行为分析 |
| 3.4.1 复合距离模糊熵方法的介绍 |
| 3.4.2 复合距离模糊熵方法的有效性检验 |
| 3.4.3 基于复合距离模糊熵方法的复杂度行为分析 |
| 3.4.4 匹配能量方法的介绍 |
| 3.4.5 基于匹配能量方法的复杂度行为分析 |
| 3.5 随机交互小世界选举价格波动模型 |
| 3.6 随机交互小世界选举价格波动模型的统计性质分析 |
| 3.6.1 基本统计性质分析 |
| 3.6.2 概率分布特征 |
| 3.7 随机交互小世界选举价格波动模型的多重分形性分析 |
| 3.7.1 集合经验模式分解方法的介绍 |
| 3.7.2 多重分形去趋势波动分析方法的介绍 |
| 3.7.3 多重分形性分析 |
| 3.8 本章小结 |
| 第4章 金融市场波动统计量及波动性质分析 |
| 4.1 引言 |
| 4.2 双分量区间强度统计量的构造理论 |
| 4.3 双分量区间强度统计量的基本统计分析 |
| 4.4 双分量区间强度统计量的概率分布分析 |
| 4.4.1 概率密度直方图和箱线图 |
| 4.4.2 幂律分布 |
| 4.5 双分量区间强度统计量的自相关性分析 |
| 4.5.1 自相关函数 |
| 4.5.2 自相似距离方法 |
| 4.6 双分量区间强度统计量的互相关性分析 |
| 4.6.1 互相关函数 |
| 4.6.2 复合多尺度复杂性不变距离方法 |
| 4.7 本章小结 |
| 第5章 总结 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（4）激光去污系统运动规划算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题来源 |
| 1.2 研究意义 |
| 1.3 研究现状 |
| 1.3.1 点云处理技术现状 |
| 1.3.2 路径规划技术现状 |
| 1.3.3 轨迹规划技术现状 |
| 1.4 论文的主要研究内容 |
| 第二章 系统总体设计与关键参数 |
| 2.1 引言 |
| 2.2 系统总体设计 |
| 2.3 系统关键参数 |
| 2.3.1 测量模块关键参数 |
| 2.3.2 运动模块关键参数 |
| 2.3.3 工装夹具关键参数 |
| 2.3.4 激光烧蚀器关键参数 |
| 2.4 本章小结 |
| 第三章 基于点云数据的烧蚀点位提取 |
| 3.1 引言 |
| 3.2 点云数据预处理 |
| 3.2.1 点云去噪 |
| 3.2.2 点云结构化 |
| 3.3 烧蚀点位提取 |
| 3.3.1 点云全局优化分割 |
| 3.3.2 法向量求解 |
| 3.4 干涉检测 |
| 3.5 本章小结 |
| 第四章 基于改进蚁群算法的激光去污路径规划 |
| 4.1 引言 |
| 4.2 路径规划数学模型 |
| 4.3 路径规划算法 |
| 4.3.1 蚁群算法 |
| 4.3.2 改进的蚁群算法 |
| 4.3.3 数值仿真 |
| 4.4 本章小结 |
| 第五章 基于改进混沌粒子群算法的机器人轨迹规划 |
| 5.1 引言 |
| 5.2 轨迹规划数学模型 |
| 5.3 轨迹规划算法 |
| 5.3.1 混沌粒子群算法 |
| 5.3.2 改进的混沌粒子群算法 |
| 5.3.3 数值仿真 |
| 5.4 实际运行测试 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 作者在读期间科研成果简介 |
| [A]已发表论文 |
| [B]参加的科研项目 |
| 致谢 |
（5）车联网中超高速真随机数发生器的设计与验证（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究目的及意义 |
| 1.2 国内外的研究状况 |
| 1.3 本文研究内容与章节设置 |
| 第2章 真随机数的产生和评判方法 |
| 2.1 随机数的基本概念 |
| 2.2 伪随机发生器 |
| 2.2.1 Von Neumann平方取中法 |
| 2.2.2 线性同余算法 |
| 2.2.3 线性反馈移位寄存器(LFSR) |
| 2.3 真随机数发生器 |
| 2.3.1 噪声放大法 |
| 2.3.2 振荡采样法 |
| 2.3.3 亚稳态采样法 |
| 2.3.4 时钟抖动 |
| 2.3.5 电路混沌 |
| 2.4 真随机数的评判方法 |
| 2.5 本章小结 |
| 第3章 超高速真随机数发生器的设计 |
| 3.1 真随机数的的整体架构 |
| 3.2 熵源设计 |
| 3.3 基于随机储存的元胞自动机设计 |
| 3.4 纠偏网络设计 |
| 3.5 AES加密单元设计 |
| 3.5.1 AES加密结构 |
| 3.5.2 AES加密过程 |
| 3.6 DES加密单元设计 |
| 3.7 传输单元设计 |
| 3.8 本章小结 |
| 第4章 超高速真随机数发生器的实现与验证 |
| 4.1 集成电路设计流程 |
| 4.2 集成电路中设计与实现方法 |
| 4.2.1 专用集成电路(ASIC) |
| 4.2.2 复杂可编程逻辑(CPLD) |
| 4.2.3 现场可编辑逻辑门阵列(FPGA) |
| 4.3 真随机数发生器在FPGA中的实现 |
| 4.3.1 实现平台 |
| 4.3.2 熵源的实现 |
| 4.3.3 基于随机储存的元胞自动机实现 |
| 4.3.4 纠偏电路与AES加密电路的实现 |
| 4.3.5 数据传输 |
| 4.4 真随机数发生器性能测试 |
| 4.4.1 测试说明 |
| 4.4.2 数据吞吐量测试 |
| 4.4.3 扩展性能测试 |
| 4.4.4 移植性测试 |
| 4.4.5 性能对比测试 |
| 4.5 真随机数发生器的改进 |
| 4.6 本章小结 |
| 第5章 总结与展望 |
| 5.1 全文总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间参加的科研项目和成果 |
（6）混合生物群智能优化算法及其应用研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 1.绪论 |
| 1.1 研究背景与意义 |
| 1.2 群智能优化算法 |
| 1.3 混合群智能优化算法 |
| 1.3.1 嵌入式结构 |
| 1.3.2 伪并行式结构 |
| 1.3.3 串行式结构 |
| 1.4 本文的主要工作与论文结构安排 |
| 1.4.1 本文的主要工作 |
| 1.4.2 论文结构安排 |
| 2.基于跟踪模式和搜寻模式的改进灰狼算法 |
| 2.1 引言 |
| 2.2 灰狼算法的基本原理 |
| 2.3 基于跟踪模式和搜寻模式的改进的灰狼优化算法 |
| 2.3.1 追踪模式和搜寻模式 |
| 2.3.2 基于跟踪模式和搜寻模式改进GWO算法的流程 |
| 2.4 仿真研究 |
| 2.4.1 单目标测试函数 |
| 2.4.2 与其他元启发算法仿真及性能比较 |
| 2.4.3 与其它改进算法的仿真及性能比较 |
| 2.5 本章小结 |
| 3.基于螺旋复杂路径搜索模式的改进蚁狮优化算法 |
| 3.1 引言 |
| 3.2 蚁狮算法的基本原理 |
| 3.3 基于螺旋复杂路径搜索模式的改进蚁狮优化算法 |
| 3.3.1 螺旋复杂路径搜索模式 |
| 3.3.2 基于螺旋复杂路径的改进ALO的流程 |
| 3.3.3 改进算法的性能分析 |
| 3.4 仿真研究 |
| 3.4.1 单目标测试实验 |
| 3.4.2 多目标测试实验 |
| 3.5 本章小结 |
| 4.基于迁移率模型的伪并行混沌自学习羚羊迁徙算法 |
| 4.1 引言 |
| 4.2 自学习羚羊迁徙算法的基本原理 |
| 4.3 混沌自学习羚羊迁徙算法 |
| 4.3.1 混沌映射 |
| 4.3.2 混沌自学习羚羊迁徙算法流程 |
| 4.4 基于迁移率模型的伪并行混沌自学习羚羊迁徙算法 |
| 4.4.1 迁移率模型 |
| 4.4.2 基于迁移率模型的伪并行混沌自学习羚羊迁徙算法流程 |
| 4.5 仿真研究 |
| 4.5.1 CEC-2017测试仿真 |
| 4.5.2 工程问题优化 |
| 4.6 本章小结 |
| 5.总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
| 作者简介 |
（7）基于时空行为轨迹的兴趣点预测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要研究内容及贡献 |
| 1.4 本文组织结构 |
| 第2章 相关技术基础 |
| 2.1 知识图谱构建技术概述 |
| 2.1.1 知识图谱相关概念及定义 |
| 2.1.2 知识抽取技术 |
| 2.1.3 知识融合 |
| 2.2 图嵌入算法研究 |
| 2.2.1 图嵌入技术相关概念 |
| 2.2.2 基于因子分解的图嵌入算法 |
| 2.2.3 基于随机游走的图嵌入算法 |
| 2.3 推荐算法相关研究 |
| 2.3.1 推荐算法概述 |
| 2.3.2 基于协同过滤的推荐研究 |
| 2.3.3 基于内容的推荐研究 |
| 2.3.4 基于混合的推荐算法 |
| 2.4 本章小结 |
| 第3章 面向时空轨迹数据的知识图谱构建 |
| 3.1 时空知识图谱构建流程概述 |
| 3.1.1 问题分析 |
| 3.1.2 流程框架 |
| 3.2 时空信息抽取 |
| 3.2.1 时空数据来源 |
| 3.2.2 信息抽取 |
| 3.3 时空图谱设计 |
| 3.4 知识存储及可视化 |
| 3.5 本章小结 |
| 第4章 基于元路径的异质网络表示学习 |
| 4.1 异质网络表示学习框架概述 |
| 4.1.1 问题分析 |
| 4.1.2 时空图嵌入模型框架 |
| 4.2 元路径抽取 |
| 4.2.1 元路径定义 |
| 4.2.2 时空多因素元路径设计及抽取 |
| 4.3 图嵌入向量模型 |
| 4.3.1 图嵌入的定义 |
| 4.3.2 异构网络随机游走 |
| 4.3.3 Skip-gram向量模型 |
| 4.4 本章小结 |
| 第5章 基于用户兴趣点的时空混合推荐 |
| 5.1 混合推荐模型概述 |
| 5.1.1 问题分析 |
| 5.1.2 时空推荐模型框架 |
| 5.2 用户兴趣点推荐问题定义 |
| 5.3 基于混合方式的Topk推荐 |
| 5.4 本章小结 |
| 第6章 实验结果与分析 |
| 6.1 实验数据预处理 |
| 6.2 实验设置 |
| 6.3 评估指标 |
| 6.4 实验对比方案 |
| 6.4.1 研究问题 |
| 6.4.2 基线对比实验 |
| 6.4.3 不同单因素路径影响实验 |
| 6.4.4 融合路径影响实验 |
| 6.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士期间的主要科研成果 |
| 致谢 |
（8）中国钢材期货市场非线性特征及套期保值策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景 |
| 1.1.1 理论背景 |
| 1.1.2 现实背景 |
| 1.2 问题提出及选题意义 |
| 1.2.1 问题提出 |
| 1.2.2 选题意义 |
| 1.3 研究思路与研究方法 |
| 1.3.1 研究思路 |
| 1.3.2 研究方法 |
| 1.4 研究内容及论文结构 |
| 1.4.1 研究内容 |
| 1.4.2 论文结构 |
| 1.4.3 技术路线 |
| 1.5 论文的可能创新点 |
| 1.6 钢材期货市场简介 |
| 1.6.1 世界主要钢材期货市场及产品 |
| 1.6.2 我国钢材期货市场及产品 |
| 第2章 相关理论与文献评述 |
| 2.1 有效市场理论 |
| 2.1.1 有效市场理论回顾 |
| 2.1.2 线性范式的失灵——对有效市场的挑战 |
| 2.1.3 资本市场非线性特征 |
| 2.1.3.1 可预测性 |
| 2.1.3.2 持久性特征 |
| 2.1.3.3 非线性特征 |
| 2.2 分形理论与分形市场 |
| 2.2.1 分形理论 |
| 2.2.1.1 分形的定义 |
| 2.2.1.2 分形维数 |
| 2.2.1.3 多重分形 |
| 2.2.2 分形市场 |
| 2.2.2.1 分形市场的涵义 |
| 2.2.2.2 分形市场的特征 |
| 2.2.2.3 分形市场理论与有效市场理论的比较 |
| 2.3 文献综述 |
| 2.3.1 商品期货市场有效性研究 |
| 2.3.2 商品期货套期保值功能研究 |
| 2.3.3 商品期货价格行为特征研究 |
| 2.3.4 基差风险与套期保值研究 |
| 2.3.5 投资者异质与风险溢价研究 |
| 2.3.6 资本市场长记忆性研究 |
| 2.3.7 资本市场多重分形特征研究 |
| 2.4 文献评述 |
| 2.4.1 研究理论与方法评述 |
| 2.4.2 研究内容评述 |
| 第3章 我国钢材市场非线性特征 |
| 3.1 问题提出 |
| 3.2 数据选取 |
| 3.3 钢材市场的非线性检验 |
| 3.3.1 正态性检验 |
| 3.3.1.1 正态检验统计方法 |
| 3.3.1.2 螺纹钢线材市场收益率的正态检验 |
| 3.3.1.3 螺纹钢线材市场价格的单位根检验 |
| 3.3.2 相关性检验 |
| 3.3.2.1 相关性检验统计量 |
| 3.3.2.2 螺纹钢线材日收益率的相关性检验结果 |
| 3.4 钢材市场的长期相关性分析 |
| 3.4.1 R/S分析方法(重标级差分析方法) |
| 3.4.2 R/S分析结果 |
| 3.5 钢材市场的多重分形特征分析 |
| 3.5.1 q阶矩结构分割函数法 |
| 3.5.2 多重分形分析结果 |
| 3.5.3 多重分形现象的经济学解释 |
| 3.6 本章小结 |
| 第4章 基于VaR的钢材期货市场基差风险 |
| 4.1 问题提出 |
| 4.2 VaR及基差风险价值 |
| 4.2.1 VaR度量 |
| 4.2.2 基差风险价值 |
| 4.3 VaR计算方法及检验 |
| 4.3.1 VaR计算方法 |
| 4.3.2 VaR检验 |
| 4.4 数据选取和处理 |
| 4.4.1 样本数据选取 |
| 4.4.2 基差序列的描述性统计 |
| 4.5 基差影响因素分析 |
| 4.5.1 宏观经济影响因素 |
| 4.5.2 微观经济影响因素 |
| 4.6 基差风险价值 |
| 4.6.1 基差自回归模型 |
| 4.6.2 基差风险价值的估计和检验 |
| 4.6.2.1 基于非参数法VaR估计和检验 |
| 4.6.2.2 基于参数法VaR估计和检验 |
| 4.6.2.3 基于半参数法VaR估计和检验 |
| 4.7 本章小结 |
| 第5章 基于风险溢价的钢材期货套期保值策略 |
| 5.1 问题提出 |
| 5.2 研究方法 |
| 5.2.1 风险溢价定义及计算方法 |
| 5.2.2 便利收益调整定义及计算方法 |
| 5.2.3 模型构建与研究假设 |
| 5.3 样本选取与描述性统计 |
| 5.3.1 样本选取 |
| 5.3.2 描述统计 |
| 5.3.2.1 便利收益计算结果 |
| 5.3.2.2 风险溢价计算结果 |
| 5.4 回归分析结果与检验 |
| 5.5 结果讨论 |
| 5.6 本章小结 |
| 第6章 基于条件风险价值的钢材期货套期保值策略 |
| 6.1 问题提出 |
| 6.2 条件风险价值与套期保值比率 |
| 6.2.1 条件风险价值 |
| 6.2.2 套期保值比率优化 |
| 6.3 套期保值组合的收益率与方差 |
| 6.4 条件风险价值与套期保值组合收益率的函数关系 |
| 6.5 条件风险价值与最优套期保值比率 |
| 6.6 实证研究 |
| 6.6.1 样本选取与描述统计 |
| 6.6.2 最优套期保值比率 |
| 6.7 三种套期保值比率对比分析 |
| 6.8 本章小结 |
| 第7章 基于Copula-GARCH的LPM钢材期货套期保值策略 |
| 7.1 问题提出 |
| 7.2 模型构建 |
| 7.2.1 GARCH模型族及边缘分布 |
| 7.2.2 风险的下偏距LPM模型 |
| 7.2.3 Copula函数的参数估计 |
| 7.3 实证研究 |
| 7.3.1 样本选取 |
| 7.3.2 收益率分布拟合 |
| 7.4 最优套期保值比率与绩效分析 |
| 7.5 本章小结 |
| 第8章 研究结论与展望 |
| 8.1 研究结论 |
| 8.2 不足与展望 |
| 参考文献 |
| 致谢 |
| 作者攻读学位期间发表论文及参加科研情况 |
| 作者简介 |
（9）复杂场景下的单目标视觉跟踪算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 视觉跟踪总论 |
| 1.2.2 目标的视觉表示 |
| 1.2.3 目标外观的统计建模 |
| 1.2.4 动估计方法 |
| 1.2.5 其他典型的研究工作 |
| 1.3 论文主要研究内容 |
| 1.4 论文组织结构 |
| 第2章 基于二阶马尔可夫假设的粒子滤波跟踪算法 |
| 2.1 引言 |
| 2.2 粒子滤波算法 |
| 2.2.1 非线性滤波问题的描述 |
| 2.2.2 粒子滤波算法基本原理 |
| 2.3 贝叶斯滤波跟踪框架 |
| 2.4 基于二阶马尔可夫假设的粒子滤波跟踪算法 |
| 2.4.1 二阶马尔可夫假设 |
| 2.4.2 马氏链后验采样 |
| 2.4.3 基于马氏链后验采样的粒子滤波跟踪算法 |
| 2.5 算法实现及实验结果分析 |
| 2.5.1 算法实现 |
| 2.5.2 定性比较 |
| 2.5.3 定量比较 |
| 2.6 本章小结 |
| 第3章 突变运动目标的视觉跟踪 |
| 3.1 引言 |
| 3.2 MCMC方法概述 |
| 3.2.1 蒙特卡罗积分 |
| 3.2.2 MCMC方法 |
| 3.3 Hamiltonian MCMC方法 |
| 3.3.1 Hamiltonian动力学 |
| 3.3.2 Hamiltonian蒙特卡罗方法 |
| 3.4 基于HMCMC的视觉跟踪方法 |
| 3.4.1 HMCMC跟踪算法 |
| 3.4.2 HMCMC跟踪算法中的Leapfrog参数 |
| 3.5 实验结果及分析 |
| 3.5.1 定性比较 |
| 3.5.2 定量比较 |
| 3.6 本章小结 |
| 第4章 有序超松弛马氏链蒙特卡罗跟踪算法 |
| 4.1 引言 |
| 4.2 背景知识 |
| 4.2.1 次序统计量相关 |
| 4.2.2 超松弛方法 |
| 4.2.3 有序超松弛方法 |
| 4.3 基于自适应有序超松弛马氏链蒙特卡罗方法的目标跟踪框架 |
| 4.3.1 有序超松弛马氏链蒙特卡罗跟踪方法 |
| 4.3.2 自适应步长 |
| 4.4 实验结果及分析 |
| 4.4.1 有序超松弛与自适应步长的优点分析 |
| 4.4.2 跟踪结果准确性分析 |
| 4.4.3 采样策略的影响 |
| 4.4.4 定性比较 |
| 4.5 本章小结 |
| 第5章 结论与展望 |
| 5.1 总结 |
| 5.2 未来展望 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 作者简介 |
（10）随机游动象集的中偏差问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 中文文摘 |
| 目录 |
| 第1章 引言 |
| 1.1 随机游动的背景介绍 |
| 1.2 随机游动象集的研究现状 |
| 1.3 本文工作简介 |
| 第2章 预备知识 |
| 2.1 通用记号 |
| 2.2 基本概念 |
| 2.2.1 随机过程和随机游动的基本概念 |
| 2.2.2 偏差理论简介 |
| 2.3 预备引理 |
| 第3章 随机游动象集的若干问题 |
| 3.1 单指标随机游动的象集 |
| 3.2 随机游动的sausag(肠)的中偏差 |
| 3.3 随机游动在统计中的一些应用 |
| 第4章 总结 |
| 参考文献 |
| 攻读学位期间承担的科研任务与主要成果 |
| 致谢 |
| 个人简历 |
四、基本型n参数d维随机游动的周期性（论文参考文献）
- [1]随机波动与Lévy态金融交互系统模型构建理论及统计分析研究[D]. 王倚端. 北京交通大学, 2021(02)
- [2]个人运动数据的分类算法及其应用系统设计[D]. 朱壮壮. 江南大学, 2021(01)
- [3]随机交互粒子系统与波动统计量的金融市场波动研究[D]. 王国超. 北京交通大学, 2021
- [4]激光去污系统运动规划算法研究[D]. 叶轩. 四川大学, 2021(02)
- [5]车联网中超高速真随机数发生器的设计与验证[D]. 季磊. 浙江科技学院, 2020(03)
- [6]混合生物群智能优化算法及其应用研究[D]. 郭梦微. 辽宁科技大学, 2021
- [7]基于时空行为轨迹的兴趣点预测研究[D]. 董鑫. 北京工业大学, 2020(06)
- [8]中国钢材期货市场非线性特征及套期保值策略研究[D]. 李岩. 东北大学, 2017(01)
- [9]复杂场景下的单目标视觉跟踪算法研究[D]. 王法胜. 大连海事大学, 2014(01)
- [10]随机游动象集的中偏差问题研究[D]. 蔡静岚. 福建师范大学, 2013(02)