基于相空间邻域的混沌时间序列自适应预测滤波器(Ⅰ)线性自适应滤波

提出了一种基于相空间邻域的线性自适应滤波算法，将时间域变换到高维重构矢量空间，使 得不可能实现的线性预测变成了可能.实验结果表明：这种基于相空间邻域的线性自适应预 测滤波器能够有效预测一些混沌序列，能够检测到一些混沌载波中的信号，具有去混沌噪声 的能力. 关键词： 混沌时间序列 重构矢量 自适应预测     

混沌时间序列基于邻域点的非线性多步自适应预测

根据流形理论，利用混沌时间序列中某点邻域内最近几点的P次迭代像，提出了一种多步自 适应预测算法.仿真说明，这种算法使得预测速度成倍提高，而预测稳定后得到的误差均方 根序列呈指数增长趋势，这个指数就是该混沌时间序列的Lyapunov指数. 关键词： 混沌时间序列 邻域 非线性自适应预测 Lyapunov指数     

用于真实蛋白质结构预测的一种新的优化方法

用“相对熵”作为优化函数 ,提出了一个有效快速的折叠预测优化算法 .使用了非格点模型 ,预测只关心蛋白质主链的走向 .其中只用到了蛋白质主链上的两两连续的Cα 原子间的距离信息以及 2 0种氨基酸的接触势的一个扩展形式 .对几个真实蛋白质做了算法测试 ,预测的初始结构都为比较大的去折叠态 ,预测构象相对于它们天然结构的均方根偏差 (RMSD)为 5～ 7 .从原理上讲 ,该方法是对能量优化的改进 .     

利用PCC技术预测γ射线对肝癌细胞的辐射效应

利用早熟染色体凝集技术预测研究了γ射线对肝癌细胞SMMC-7721的辐射效应。结果表明,G1和G2期细胞内的染色单体和等点染色单体断裂数与照射剂量之间存在线性相关性,染色单体断裂总数与细胞存活率之间存在良好的线性相关性。说明辐射诱导的染色单体断裂可以作为预测SMMC-7721细胞内在辐射敏感性的指标,也可为临床诊断和治疗肝癌提供依据。     

半色调荧光图像的光谱反射与透射模型

荧光油墨半色调印刷品的显色预测规律是彩色成像领域内十分关键的课题。把荧光半色调印刷品反射出来的光分成两个独立的部分,即由最初入射光组成的主光流和由于吸收了主光流而产生的荧光流;并且采用了一个指数矩阵来描述墨层产生的荧光光强,从而得出了荧光半色调图像色彩的光反射规律。考虑到入射光中从一种颜色油墨入射后再由同色油墨出射的概率要比从其它色油墨出射的概率要大的事实,讨论中引入权重因子描述从同色油墨出射部分与从整个表面出射部分比例不同的现象,建立了荧光油墨半色调图像的Clapper-Yule新光谱反射率模型。     

基于灰色马尔科夫模型的团簇数量演变预测方法

本文以分子动力学方法模拟液态Si的凝固过程为基础,首次建立基于马尔科夫修正的灰色预测模型对不同团簇的演变过程进行分析,利用该模型对液态Si降温过程中团簇数量的变化进行预测.结果证实应用灰色马尔科夫模型在对团簇结构的演变预测是可行的,采用马尔科夫链预测方法能提高预测结果的准确性,该方法能有效描述凝固过程中团簇的形成和演变的整体变化规律,为研究材料微观结构演变提供了一种新的思路和方法 .     

最小方差无失真响应浊音谱建模方法研究

讨论了在语音处理中广泛使用的线性预测模型,分析了线性预测模型在建模语音谱包络方面存在缺点,并分析了线性预测模型过高估计浊音谐波频率处能量以及随着阶数增加线性预测谱逐渐恶化的原因。在此基础上,提出了最小方差无失真响应(MVDR)建模方法,并讨论了通过Toeplitz矩阵的Cholesky分解确定MVDR滤波器系数的方法,通过与线性预测方法进行比较,发现最小方差无失真响应滤波器能提供一个更好的原始语音包络。     

An Explicit Fractal Interpolation Algorithm for Reconstruction of Seismic Data

Based on our previous investigation and the pioneering work of other researchers, a novel explicit fractal interpolation method based on affine transform is proposed, in which we approximate the vertical scaling factors by the locally explicit expression. Numerical experiments indicate that the explicit fractal interpolation method shows great accuracy of reconstruction of the seismic profile and yields significant improvement over wave-equation based trace interpolation methods （unified approach）.     

基于支持向量机方法对非平稳时间序列的预测

目前有关非平稳复杂系统及其在预测中的应用研究是一个较少被人理解并有重大科学意义的前瞻性研究课题.在大气运动中,气候正是一个典型的非平稳系统,但是现有的气候预测理论,包括统计预测理论和非线性预测理论,几乎都无一例外地建立在平稳性假定的基础之上,这有悖于气候过程的基本性质,它有可能是导致气候预测水平低下的重要的理论原因.因此以分析如何降低时间序列非平稳程度作为切入点来研究短期气候预测问题有着重要的理论意义.利用基于“升维”思想的支持向量机方法对时变控制参数条件下Lorenz系统产生的非平稳时间序列以及来自实际     

基于径向基神经网络预测的混沌时间序列嵌入维数估计方法

根据Takens定理,研究了混沌时间序列相空间重构嵌入维数的选取问题.提出了基于径向基函数神经网络预测模型性能的嵌入维数估计方法,即根据嵌入维数与混沌时间序列预测模型性能的变化关系来确定嵌入维数.通过对几种典型混沌动力学系统的数值验证,结果表明该方法能够确定出合适的相空间重构嵌入维数. 关键词： 混沌 相空间重构 嵌入维数 预测