序列相关

摘要： 针对近海区域的渔船雷达信号由于电磁参数和位置密集而产生的信号分选难题,在对渔船雷达信号场景进行深入分析的基础上,提出一种基于时间序列分析的渔船信号分选算法。算法首先将全脉冲序列进行迭代移位相关,然后进行序列相关融合,最后提取信号的脉冲序列特征。仿真和实际数据验证表明,该算法可处理得到较为准确的分选结果,与传统分选算法相比显著提升了在复杂渔船背景下的信号适应能力。

摘要： 针对带有序列相关调整时间的多目标置换流水车间调度问题,将传统的迭代贪婪算法与非支配排序相融合,提出一种多目标迭代贪婪算法.设计了混合多种策略的启发式初始化方法,以得到综合性能较优的初始解集;设计了与问题规模以及非支配解在解空间的分布特点相适应的重启机制,能够在算法进化到一定程度时扩展搜索广度,从而提高算法性能.通过对多个不同规模的标准案例进行测试,验证了改进算子和所提算法的有效性.

摘要： 考虑了部分线性固定效应面板数据模型的序列相关检验问题,基于差分方法和B样条展开得到了模型中未知参数和非参数分量的估计,进而构造了检验统计量.在原假设成立的条件下证明了所构造的检验统计量具有渐近标准正态分布,并通过数值模拟研究了所提出的估计和检验方法在有限样本下的表现.

摘要： 蔬菜是城乡居民重要的生活必需农产品,其价格的大幅度波动会给农民的稳定增收和市民的生活消费带来重大影响.本文采用修正序列相关和ARCH模型,实证分析了气候灾害对蔬菜价格波动的影响,结果表明发生气候灾害会导致蔬菜价格不规则波动加剧,不同类别蔬菜价格受气候灾害影响的程度不同,并根据所得结论给出相关政策建议.

摘要： 岩溶地下水位对降雨响应具有时空变异性,甑皮岩遗址地下水动力系统结构的认识存在分歧。利用高分辨率降雨水位数据,将研究区分割为不同含水体,通过水位动态、相关分析、滑动窗口采样相关分析等方法,探讨岩溶地下水对降雨响应时空变异特征及成因。结果表明,岩溶强发育、扩散流导水的含水体水位对降雨的响应表现为缓升缓降,水位自相关性强;发育岩溶管道的含水体水位表现为陡升陡降,水位自相关系数衰减速率快,对降雨响应的滞后时间短,互相关函数图呈多峰型;岩溶发育的极不均匀性是造成空间响应差异的主要原因。雨季地下水位对降雨响应的滞后时间远小于枯季;雨季累积降雨量大、水位埋深浅、包气带长期处于饱和或者近饱和状态,降雨垂直入渗补给历时短;雨季暴雨频繁导致含水体地下水短期内形成较大水力梯度,径流补给速度加快。综合分析认为,甑皮岩遗址地下水动力系统由NE向岩溶管道、NS向管道-裂隙以及NE向强径流带3个子径流系统组成。

摘要： 均值-方差理论是资产组合领域的经典理论之一,由于参数估计的不确定性,均值-方差最优风险组合在样本外检验中绩效较差.因此,构建估计误差更小的估计值成为资产组合领域的重点问题,现有方法主要从改善期望收益、协方差和利用边际信息来减少估计误差.研究证券收益间的序列相关性在改善投资组合样本外绩效的作用.首先,将序列相关性引入资产组合构建过程中,以改进均值-方差最优风险组合,利用向量自回归模型挖掘序列相关性,并对证券收益的期望收益估计进行改进,实证检验向量自回归模型是否能够提高资产组合的样本外绩效.其次,针对改进后的均值-方差组合绩效不稳定和换手率较高的缺点,利用收缩估计的思想联合均值改善组合和简单分散化组合,给出最优收缩强度的估计值,从理论和实证两个方面说明新提出的资产组合对资产组合绩效的改进效果.最后,在1997年至2015年中国A股市场的4组数据集上进行实证检验,比较14种投资组合的样本外绩效.研究结果表明,序列相关性有助于改善股票组合的样本外绩效.①向量自回归模型预测值的均值-方差组合取得了比样本均值的均值-方差组合更好的样本外绩效,向量自回归模型预测值比历史样本均值更适合作为资产期望收益的估计值.②收缩估计组合在样本外框架中取得了更加稳健的结果,在所有的数据集上都取得了高于简单分散化组合的确定性等价收益,最优收缩强度估计值的分布情况也肯定了收缩估计方法在减少资产组合估计误差中的有效性.向量自回归模型和收缩估计方法有助于市场参与主体更好地认识和分析参数不确定性的影响,对于缓解参数不确定性的影响、减少估计误差、提高投资者的效用具有一定的参考意义,更好地利用序列相关性得到显式解是未来可能的研究方向.

摘要： 复杂化工过程采集到的数据往往夹杂着过程噪声,如何去除冗余数据、充分提取数据的有效信息是研究重点.提出了一种融合序列相关与低秩表征(LRR)的信息提取算法——序列低秩嵌入(SLRE).通过LRR对训练样本进行低秩分解,剔除噪声点,去除数据中的冗余信息,增强了算法的鲁棒性.为了保持数据的全局-局部特征,通过计算样本间相关系数构造加权矩阵,并利用嵌入算法实现数据降维.建立T2和SPE统计量,使用核密度估计(KDE)方法估计控制限.通过数值仿真实例和田纳西-伊斯曼(TE)过程验证了本文方法的有效性.

摘要： 本文提出采用考虑数据中序列相关性的动态主元分析(DPCA)方法,将主元分析(PCA)和动态主元分析(DPCA)同时应用于TE工业过程,结果表明动态主元分析(DPCA)比主元分析(PCA)在序列相关数据中的故障检测更为有效.

摘要： 一种基于序列复相关处理的多序列复扩频传输方法及系统，它属于无线通信技术领域。本发明解决了传统直接扩频技术对多普勒频移抵抗能力差，且设备复杂、实现成本高的问题。本发明是一种利用复序列映射不同的多进制数据位来进行多序列扩频的调制解调方法，将多进制数据的不同数据位映射给长度相同且近似正交的复序列，进行多序列扩频传输。由于复序列对相偏和多普勒频移不敏感，所以有效增强了系统的抗多普勒频移的能力。而且在接收端省去了传统直扩的载波同步模块，不需要传统的扩频锁相环，降低了直扩系统设备的复杂度以及实现成本。本发明可以应用于无线通信技术领域。

摘要： 本申请实施例公开了对象序列化和反序列化方法及相关装置，属于通信技术领域。该方法中序列化阶段获取对象的类型指针，对该对象进行序列化时将该类型指针一起进行序列化。这样，在反序列化时能够根据该类型指针确定对象的类型，达到无需指定对象的目标类型的目的，能够准确反序列化对象。此外，类型指针能够适用所有类型的对象，使得本方案的应用范围广。

摘要： 本发明公开了一种用于敲低与膀胱癌相关的基因的核苷酸序列及含该序列的试剂盒和药物，所述核苷酸序列是根据人TUC338基因设计的RNA干扰序列。本发明人发现TUC338基因与膀胱癌相关，因此针对TUC338基因，可以设计用于RNA干扰TUC338基因的核苷酸序列，例如siRNA或shRNA，进行对TUC338基因的敲低，并且进一步地实现治疗膀胱癌的目的。

摘要： 本发明提供的一种序列化方法、反序列化方法及相关设备，获取普通类的需要序列化的属性及属性类型信息，将所述需要序列化的属性添加系列化描述信息，以使得将普通类标记为可序列化类，加载所述序列化信息及属性类型信息到内存序列化配置通过将序列化信息，无需额外的配置文件，支持静态编译检查，减少配置出错可能，支持自定义需要序列化的属性，支持多种基本类型和自定义类型，实现简单、处理效率高，扩展方便。

摘要： 本发明提供了一种能破坏细胞的氨基酸序列、编码表达该相应氨基酸序列的核苷酸序列、以及氨基酸序列和核苷酸序列的相关应用，其中，氨基酸序列包括：SEQ ID NO：1所示的氨基酸序列。

摘要： 本发明提供了一种能破坏细胞的氨基酸序列、编码表达该相应氨基酸序列的核苷酸序列、以及氨基酸序列和核苷酸序列的相关应用，其中，氨基酸序列包括：SEQID NO：1和/或SEQ ID NO：29所示的氨基酸序列。

摘要： 本发明公开了一种用于确定与两个突变的序列读段衍生自包含突变的相同序列的概率相关的量度的计算机实现的方法。该方法包括：接收突变的序列读段，与不包含突变的序列相比，每个突变的序列读段对应于包含突变的序列的亚序列；将公共极小函数应用于每个突变的序列读段，以为每个突变的序列读段确定极小元；确定每个突变的序列读段中的该一个或多个极小元的位置；确定每个突变的序列读段中突变的位置；以及对于具有公共极小元的至少两个突变的序列读段，当比对所述相应的极小元时，对具有匹配位置和/或具有错配位置的突变的数量计数。本发明还公开了一种用于确定至少一个靶模板核酸分子的序列的至少一部分的对应方法。

摘要： 本申请公开了序列化方法、反序列化方法以及相关装置，序列化方法包括：获取第一集合、第二集合和第一映射关系表；其中，第一集合用于存储已序列化对象的第一地址，第二集合用于存储待序列化对象的第一地址，第一映射关系表用于存储第一地址与对应的已序列化对象的绝对偏移值之间的映射关系；将与第二集合中每个第二地址对应的待序列化对象写入序列化数据中，并将待序列化对象的绝对偏移值写入第一映射关系表；响应于已序列化对象存在对应的引用对象，获得已序列化对象的绝对偏移值和对应引用对象的绝对偏移值之间的相对偏移值，并将相对偏移值写入序列化数据。可以使得序列化算法不受对象之间引用深度的影响。

摘要： 一种基于序列复相关处理的多序列复扩频传输方法及系统，它属于无线通信技术领域。本发明解决了传统直接扩频技术对多普勒频移抵抗能力差，且设备复杂、实现成本高的问题。本发明是一种利用复序列映射不同的多进制数据位来进行多序列扩频的调制解调方法，将多进制数据的不同数据位映射给长度相同且近似正交的复序列，进行多序列扩频传输。由于复序列对相偏和多普勒频移不敏感，所以有效增强了系统的抗多普勒频移的能力。而且在接收端省去了传统直扩的载波同步模块，不需要传统的扩频锁相环，降低了直扩系统设备的复杂度以及实现成本。本发明可以应用于无线通信技术领域。

摘要： 本发明提供了一种时间序列预测方法，其包含以下步骤：将一时间序列分别输入至多个模型中以产生多个预测时间序列；分别使用该多个模型以计算出分别对应到所述多个预测时间序列的多个不确定性参数；根据所述多个不确定性参数来决定出每一个预测时间序列的一权重；以及根据每一个预测时间序列的所述权重来对所述多个预测时间序列进行加权运算，以产生一最终预测时间序列。