-
题名金融时间序列的自适应贝叶斯在线变点检测
- 1
-
-
作者
朱映秋
郑畅
张波
-
机构
对外经济贸易大学统计学院
中国人民大学统计学院
中国人民大学应用统计科学研究中心
-
出处
《统计研究》
北大核心
2025年第1期145-160,共16页
-
基金
国家自然科学基金面上项目“面向中小微企业金融信息服务的网络结构数据建模及应用”(72271232)
国家自然科学基金青年项目“基于支付数据的中小微企业行为模式聚类分析”(72301070)
+2 种基金
教育部人文社会科学重点研究基地重大项目“数字时代的统计学理论与方法研究”(22JJD110001)
对外经济贸易大学中央高校基本科研业务费专项资金资助项目(CXTD14-05)
中国人民大学校级计算平台支持。
-
文摘
快速识别金融时间序列数据流中的变点有助于判断时序数据的趋势变化、动态更新时序分析模型,从而为金融市场中的投资决策、风险管理提供及时可靠的决策支持。然而金融时间序列常表现出复杂或剧烈的波动,如何对金融时序数据进行稳健的在线变点检测仍是一个巨大的挑战。对此,本文基于贝叶斯在线变点检测的框架,提出一种带有滑动窗口的自适应在线变点检测方法。通过滑动窗口的平滑机制,该方法在每个窗口中对变点检测所需的超参数进行实时动态更新,以适应数据环境的动态变化。在模拟数据和上证综指时序数据的实验结果表明,本文提出的方法能够在已有的贝叶斯在线变点检测方法基础上进一步提高识别效果,及时发现变点并避免将正常的序列波动误报为变点。基于上证综指数据,本文方法能够发现带有特殊信号的时间序列,进而为金融市场的风险预警、投资指导等提供有价值的参考。
-
关键词
在线变点检测
金融时间序列
贝叶斯变点检测
自适应变点检测
-
Keywords
Online Changepoint Detection
Financial Time Series
Bayesian Changepoint Detection
Adaptive Changepoint Detection
-
分类号
F840
[经济管理—保险]
-
-
题名贝叶斯变点检测的滚动轴承剩余寿命预测方法
- 2
-
-
作者
雷文平
邹冬良
陈世金
黄广众
董星
-
机构
郑州大学机械与动力工程学院
-
出处
《郑州大学学报(工学版)》
2025年第6期93-101,共9页
-
基金
国家自然科学基金资助项目(51775515)。
-
文摘
针对滚动轴承运行退化呈现随机变点的多阶段特征,提出了一种新型的多阶段退化过程剩余寿命预测方法。首先,以离线历史数据估计各阶段模型的先验参数;其次,针对单一在线设备,通过贝叶斯变点检测方法进行变点的实时检测,采用贝叶斯更新方法在变点出现前对第1阶段参数进行更新,变点出现后对第2阶段进行更新;最后,利用多阶段模型进行剩余寿命预测。数值仿真和实例研究结果表明:基于贝叶斯变点检测的滚动轴承寿命预测方法可以提高85%的变点检测精度,进而实现高精度的多阶段剩余寿命预测。
-
关键词
寿命预测
滚动轴承
贝叶斯变点检测
随机退化设备
-
Keywords
remaining useful life prediction
rolling bearing
bayesian changepoint detection
stochastic deteriorating equipment
-
分类号
TH133
[机械工程]
TH17
[机械工程—机械制造及自动化]
TP273
[自动化与计算机技术]
-
-
题名一种民用小型无人机的射频指纹识别方法
被引量：5
- 3
-
-
作者
蒋平
谢跃雷
-
机构
桂林电子科技大学宽带与智能信息技术中心
-
出处
《电讯技术》
北大核心
2021年第6期737-743,共7页
-
基金
广西科技重大专项(桂科AA17202022)
认知无线电与信息处理教育部重点实验室主任基金项目(CRKL180105)
+1 种基金
广西研究生教育创新计划项目(2020YCXS021)
桂林电子科技大学研究生优秀学位论文培育项目资助(18YJPYSS07)。
-
文摘
随着民用无人机的普及,无人机“黑飞”事件频频发生,给公共安全带来极大隐患。为了实现对“黑飞”无人机的有效监管,通过提取遥控信号指纹特征对无人机识别是一种有效的方法。基于民用小型无人机遥控信号通常采用跳频通信这一特性,通过分形贝叶斯变点检测算法对实测无人机遥控信号的瞬态起始点进行检测,并提取信号瞬态部分所含有的指纹特征,由主成分分析法进行特征降维,最后采用多分类支持向量算法对该信号进行分类及识别。实验结果表明,采用射频指纹法能够完成无人机型号的区分以及同一型号无人机的区分。
-
关键词
民用小型无人机
射频指纹
遥控信号
分类识别
分形贝叶斯变点检测
-
Keywords
civil small UAV
RF-DNA
remote control signal
classification and recognition
fractal Bayesian change point detection
-
分类号
TN971
[电子电信—信号与信息处理]
-
