随着自动驾驶技术研究的兴起，对自动驾驶车辆建立一个科学完善的测试评价体系也逐渐受到重视.自动驾驶车辆的测试评价体系主要包括测试方法，以及评价方案与指标的选取.各个国家也为自动驾驶车辆的技术发展和应用制定了标准和法规，对于评价体系的建立有所帮助.因此，文章针对于自动驾驶车辆的测评研究进行了相关的调研工作，从现状背景、测试方法、评价方案、不同国家政策标准等方面进行了梳理和介绍.现状背景方面介绍自动驾驶车辆测评的意义和应用.测试方法方面具体介绍了蒙特卡洛方法、博弈论方法、测试矩阵评价方法和最坏场景评估方法四种，并详细阐述了对自动驾驶加速测试方法.评价方案方面，文章选取了中国自动驾驶仿真技术研究报告、德国PEGASUS项目、中国智能车未来挑战赛和欧洲AdaptIVe项目四个项目，针对其中的评价方案进行了具体说明，另外，也介绍了其他学术文献中提到的评价方案.最后，文章对中国、美国、欧洲等国家和地区近年来为自动驾驶制定的各类标准和政策进行了整理，并介绍了各国的研究现状、参与研究的公司和现有的仿真软件.

大数据具有体量大、种类丰富、增长速度快等特点,同时也 存在价值密度低、代表性差等问题,为抽样调查带来了机遇与挑战.大数 据背景下的抽样如何适应新的变化、具有怎样的发展和应用? 文章从三个 角度进行了讨论.一是在数据流环境下产生了一些适应性强的新型抽样方 法,能够高效、准确地获得有代表性样本,并兼顾存储空间、处理的时 间与能力.二是借助网络开展调查或进行社交网络数据的收集,发展出 一些无抽样框的非概率抽样方法,能够以低廉的成本在短时间内获得大量分析 样本.三是综合大数据与抽样调查的优势,进行线上、线下调查数据的融合,文章 针对线上样本是非概率样本、线下样本是概率样本的情况,提出了融合的 基本思路:一方面,通过概率样本对非概率样本进行``概率性检验'',另一 方面,通过提取概率样本的信息,基于模型或基于伪随机化对总体进行推断.

文章关注一类具有符号有向图的异质非线性分数阶多智能体系统的预设时间二部一致性跟踪问题.通过引入一类具有广义性质的时变函数,设计了一类基于时变函数的预设时间分布式控制器,以一种完全分布式的方式分别实现了异质线性和异质非线性分数阶多智能体系统的精确预设时间二部一致性跟踪.该预设时间可以通过时变函数预先设定, 且不依赖于任何初始值和参数.最后, 用实例验证了理论结果的有效性.

通过三角模糊器将技术分析指标模糊化并利用Apriori算法和神经网 络生成非主观类交易规则, 设计带有非主观类模糊交易规则库、Mamdani含义的 乘积推理机、中心平均解模糊器的模糊决策系统. 利用带有遗忘因子递推最小二 乘法对系统的结构性参数进行估计, 并提出两种非主观类的交易决策(Apriori策略、神 经网络策略). 实证结果显示, 在扣除交易成本后, 非主观类交易规则策略比被动 的买入持有策略以及主观类的投资策略平均而言具有更高的年化收益率和夏普比率. 研究结果表明, 基金经理或股票投资者在进行交易决策时, 非主观类的模糊决策系统能 给予有效的投资指导, 并建议去尝试克服自身心理以及市场基准.

超像素级的高光谱图像分类是一类有代表性的谱-空分类方法.与像素级分类方法相比，超像素级的分类方法在分类精度和分类效率方面都有明显的优势.然而，超像素级分类算法的主要缺点是分类结果严重依赖于超像素的分割尺度.已有的工作表明，最优超像素分割尺度的获得往往是一个实验结果，很难预先确定.为了削弱这种依赖性，文章提出了一种基于超像素合并的超像素级高光谱分类算法.该方法首先采用局部模块度函数对所构造的稀疏加权超像素图进行合并；然后通过新定义的映射将每一个超像素块表示为一个样本点，使用流行的KNN方法对合并后的超像素图像进行超像素级分类.超像素的合并增强了空间信息在分类中的作用，有效地削弱了分类结果对超像素分割尺度的依赖性，并提高了分类精度.为了评价该方法的有效性，在4个公开的实际高光谱数据集上，将所提出的方法与一些竞争性的高光谱图像分类方法进行了实验和对比.实验结果和比较结果表明，该方法不仅有效削弱了超像素分割尺度对分类结果的影响，且在分类精度和计算效率方面都有十分明显的优势.

电力作为支撑经济发展的基础性产业，电力消费与产业结构和经济增长间关系密切.因此，文章基于甘肃省地级市2004--2018年城市面板数据，运用面板向量自回归（PVAR）模型，实证检验了甘肃省产业结构、电力消费与经济增长之间的因果关系.研究结果表明：甘肃省产业结构和经济增长之间相互影响，经济增长对电力消费具有正向促进作用，全社会固定资产投资推动经济增长和产业结构优化.未来甘肃省的经济发展应秉持"稳增长、调结构"的目标，通过政策驱动风电和光电等清洁能源的快速发展，提高能源投资和能源利用效率，引导和扶持第三产业发展，实现甘肃产业结构优化、经济发展和节能减排的多重目标.

随着大数据时代的来临, 为了提高计算效率, Wang等(2018)提出 基于logistic 回归的最优子抽样算法, 在保证参数估计精度的前提下, 节省了大量的 运算时间. 为解决变量间的多重共线性, 文章提出基于岭回归模型的最优子抽样算法, 并 证明岭回归模型中参数估计的一致性与渐近正态性. 利用数值模拟与实证分析对最优子抽 样算法进行评估, 结果表明, 利用最优子抽样构建的模型与全样本构建的模型在参数估计 的精度相近, 并大幅减少了运算时间.

随着科学技术的发展, 虽然人们提高了收集和处理数据 的能力, 但仍存在一些大数据集超出了现有计算机的计算能力. 目前, 抽取一 部分样本来替代全样本进行建模计算是减轻计算负担的一种方法. 大数据背景 下线性模型的子抽样方法已经得到了相对成熟的研究, 在减轻计算量方面获得 了很大的优势. 文章将线性模型下的子抽样方法推广到非参数回归模型, 并推 导出了基于子样本的加权最小二乘参数估计对全样本加权最小二乘参数估计的收敛速度, 以及子样本参数估计的条件渐近正态性. 通过最小化渐近方差的准则, 提出了非参数局部多项式回归模型下的OPT和PL两种抽样方案, 最后在均方误差、计算成本和拟合效果等方面进行数值模拟, 比较了OPT子抽样和PL子抽样相对于均匀子抽样和杠杆子抽样的差别, 其结果表明于OPT准则和PL准则的子抽样方法在提高估计精确性和减少计算负担方面具有很大优势.

随着信息时代的来临, 如何从海量数据中快速、有效地挖掘有用信息是目前面临的新挑战. 子抽样方法作为大规模数据分析的有效工具, 已经受到国内外学者的广泛关注. 不过, 传统的子抽样方法通常没有考虑到模型的不确定性. 当模型假设不正确时, 后面的统计推断将会出现偏差, 甚至导致错误的结论. 为了解决该问题, 文章利用频率模型平均的方法构建了子抽样模型平均估计(简称SSMA估计). 理论上, 文章证明了SSMA估计是全部数据下模型平均估计的一个渐近无偏且相合的估计. 另外, 我们 基于Hansen (2007)的Mallows模型平均方法提出了SSMA估计的权重选择 准则, 并证明了方差已知和未知时权重估计的渐近最优性. 在这些理论性 质的研究中, 文章同时考虑了模型和抽样设计带来的双重随机性. 最后, 数值分析进一步说明了所提出方法的有效性.

针对具有外部扰动和参数不确定性的多四旋翼无人机，提出了基于指令滤波反步方法的分布式固定时间自适应编队控制算法.通过引入固定时间指令滤波及构建非光滑误差补偿机制，有效地避免了"复杂性爆炸"问题并在固定时间内移除了滤波误差的影响.此外，通过设计分段函数，巧妙地解决了分布式控制器中存在的奇异性问题.利用固定时间稳定性理论，严格证明了闭环系统是实际固定时间稳定的，且闭环系统中所有信号有界，同时编队跟踪误差在固定时间内收敛到原点附近充分小的邻域内.最后，仿真算例验证了所提出的分布式固定时间控制策略的有效性.

针对高维多项式微分系统的Zero-Hopf分岔进行分析.首先，我们将分岔分析问题约化为代数问题，并基于半代数系统求解的符号算法给出微分系统存在~Zero-Hopf~分岔点的判定方法.然后，基于二阶平均方法推导出微分系统Zero-Hopf分岔分析的算法框架，并利用符号计算方法通过具体算例开展了极限环分岔研究，得到了一些新结果.最后提出几个相关的研究问题.

大型灾害发生后应急运力短期内处于紧缺状态, 必须对各类应 急物资的运输次序加以权衡. 文章统筹考虑灾民安置所需救灾帐篷和食物 的协同运输问题, 以安置点最终留存人数最大化为目标建立多阶段应 急物资运输模型, 并从匮乏水平阈值视角对食物配送延迟所带来的痛苦加以约束. 以雅安地震为背景进行数值计算, 结果表明为使安置工作实现最大成效, 在确保灾民匮乏水平处于可接受范围的前提下, 灾害救援初期应优先保障救灾帐篷的运输, 而非传统观点所认为的持续运输食物. 研究发现匮乏水平阈值作为外生变量调节运力对安置点最终留存人数的影响, 决策者需结合实际情况灵活调整安置点生活标准, 综合运力和匮乏水平阈值两方面因素制定应急物资运输方案.

文章通过设计一类具有执行器饱和的脉冲控制器来获得驱动响应神经网络的混沌同步.首先分别利用扇区非线性模型法和多面体表示法处理了脉冲时刻的系统的饱和非线性.其次，通过选取适当的二次Lyapunov函数，结合数学归纳法获得了线性矩阵不等式（LMIs）相关的局部指数同步准则.最后，通过一个数值例子验证了结论的有效性.

针对机械臂在工作空间中运动轨迹规划难的问题，文章提出了一种基于示教学习的轨迹学习与避障方法，该方法融合了高斯混合模型（GMM）、动态运动基元（DMP）和快速扩展随机树（RRT）方法.通过GMM表征预处理后的轨迹数据集，提取运动特征，优化轨迹点分布并回归生成示教轨迹.利用DMP模型对优化轨迹进行编码，学习生成复现轨迹，并具有一定的轨迹泛化能力.同时，在工作空间中存在障碍物的情况下，采用RRT算法在DMP生成轨迹的基础上进行修正，快速得到避障路径.最后在Franka-Panda七自由度机械臂平台上进行物块搬运实验，实现了机械臂抓取-放置作业的快速部署与精准操作，结果验证了文章所设计方法的有效性.

文章研究三阶多智能体系统的尺度群一致性问题:个体网络由两个子网组成;个体网 络由任意有限个子网组成.分别针对这两种情形,设计分布式尺度群一致性协议,并基于矩阵 理论及Routh-Hurwitz判据分析得到系统达到尺度群一致性的判定条件,以及系统达一致时 的收敛状态.最后,通过仿真验证理论结果的有效性.

流行病的广泛传播对经济发展以及日常生活造成了巨大的冲击.因此，收集流行病相关数据并分析其发病率或感染强度的时空规律对制定相应的控制策略，经济恢复政策等方面至关重要.文章讨论了基于分层贝叶斯时空Poisson模型的流行病建模方法，具体包括数据模型，过程模型以及参数模型的不同设定，参数先验分布的讨论，模型选择等.基于这种思路对流行病的传播和发展进行分析，可以研究不同地区的空间差异性及其他协变量对流行病趋势的影响，同时也可以研究病毒传播的时空依赖性和空间效应的异方差结构.所讨论的建模方法可为相关问题研究提供理论参考.对于参数估计，可利用已有的软件WinBUGS和OpenBUGS中默认的马尔可夫链蒙特卡罗算法（MCMC）下的Gibbs抽样算法.

针对符号网络条件下扩散耦合多智能体网络的可控 性进行了研究. 基于广义几乎等价划分的方法, 结合系统系数 矩阵的限制条件, 运用图理论, 给出了此时系统可控子空间维数 的上界, 并给出了系统可控的一个必要条件, 即系统可控时, 划 分中所有胞腔都是平凡的. 给出了一种用来计算最大领导者孤立广义几乎 等价划分的算法. 此外, 还证明了结构平衡条件下, 如果从同一个顶点 集中选择领导者, 则扩散耦合多智能体系统的可控性与对应的全正网络 的可控性是等价的, 而与系统系数矩阵的选取无关.

引入一种全新的智能优化算法------烟花算法------对支持向 量回归模型中的参数选择过程进行优化, 并考虑旅游经济行为中的季节性 因素, 构建了季节调整的烟花算法支持向量回归模型(FWA-SVR).随后, 文章将该模型应用于海南国 际旅游岛的旅游过夜接待人数和旅游收入的预测中. 预测结果表明, 与不进行季节调整的ARMA模型相比, 季节调整后的FWA-SVR 模型具有更好的预测精度. 而与经典的遗传算法、粒子群算法相比, FWA-SVR模型在所有模型中的 预测表现也是最优的.

研究了一类具有疫苗接种和染病者死亡后病毒继续传播的随机埃博拉传 染病模型的动力学行为. 通过利用It\^{o} 公式和构造Lyapunov函数等方法, 首先 证明了随机系统全局正解的存在唯一性;接着分析了随机系统的正解围绕确定性系统的 无病平衡点和地方病平衡点的渐近行为;最后通过数值模拟验证了理论结果. 所得结果表 明环境白噪声对传染病模型平衡点的稳定性有影响.

X射线CT (computed tomography)成像技术中常遇到尺寸、形状或是材料特殊的检测对象, 此时只能在有限的角度内进行数据采集. 在不满足CT 精确重建条件时, 常规的重建算法表现出严重的滑坡伪影, 难以为实际应用提供有价值的信息参考. 为了更好地消减图像中的伪影, 文章提出了一种基于ResNet网络模型的有限角CT图像 重建方法, 其采用残差学习方法, 可用来对输入的图像进行特征提取, 获取足够的细 节信息, 并使用反卷积算法对学习的特征进行恢复. 有限角医学CT图像数据证明了所提出的重建方法有效性, 明显减少了滑坡伪影且有效地保留了原始图像的结构特征.

针对由数据量过大带来的函数型综合评价中计算复杂度增 大或评价效率降低等问题, 文章将符号分析技术应用于函数型综合评价, 提 出了一种基于区间函数欧式距离的区间函数型聚类方法作为区间函数型综合 评价基本模型.由于综合评价的多指标区间函数特点, 提出区间函数熵值法 构建综合指标区间函数.与函数型综合评价相比较, 区间函数型综合评 价方法中增加了数据区间化的步骤, 能够在避免信息丢失的情况下, 更好地 抓取数据变动趋势, 提高了综合评价的效率.最后将文章提出的区间函数型综 合评价方法用于对股票的市场表现进行评价分析, 结果表明该方法在处理针对高频数据 的综合评价问题上具有一定的优势, 可以基于该方法开展应用研究.

区块链通证激励的兴起,为解决用户内容创作动力不足的问题提供了新思路,但其在实际落地过程中仍面临着诸多挑战.文章以基于区块链的知识社区Steemit为研究对象,通过采集区块数据,从激励平等性和知识贡献效率两个维度分析了社区通证激励机制的现状及问题,从而揭示社区通证激励分配垄断的现象,并探究了通证激励分配垄断对用户知识贡献的影响.研究结果表明:社区的通证激励分配被少部分头部用户所垄断,且社区的激励分配机制不能有效反映用户的知识贡献水平;通证激励分配的不平等性降低了用户的内容生产和内容发现水平.

基于原油的商品和金融双重属性视角, 在区分美 元汇率影响原油价格的计价、结算和资产组合效应基础上, 通过在油元关系的VAR框架中嵌入结构变化和石油金融化的门限变量, 研究油元关系的结构变动特征以及石油金融化对油元关系的非对称影响, 并进一步基于自适应预期模型考察石油金融化条件下投资者预期对油元关系的影响特征. 结果表明: 第一, 油元关系在2001年前后发生了显著结构变动; 第二, 石油金融化是油元关系结构变动的重要原因, 2001年后石油金融化程度加深使资产组合效应成为美元影响油价的主导效应, 美元在长期和短期内均对油价产生显著负向影响; 第三, 在石油金融化条件下, 投资者预期也显著影响油元关系. 美元大幅波动会极大强化投资者对美元汇率的单边走势预期, 从而进一步增强资产组合效应, 提高美元对油价的负影响程度.

近年来, 社交网络的不断发展提升了网络信息传播的速度, 故识别能 使舆情信息影响力最大化的最小节点集已成为信息科学的重要问题之一. 文章融入度相 关性与社区识别, 设计DCCI社交网络环境的舆情信源集发现方法, 并在网络中对所提方法进行验证. 由实验结果可知, 文章所提算法的精度略优于其他算法, 且运行效率较高.

文章分别在简单随机抽样和排序集抽样下研究 了Inverse Rayleigh分布中对应样本所含刻度参数$\theta$的Fisher信息量. 数值结果表示, 同等样本容量的排序集样本比简单随机样本提供更多关于$\theta$的信息. 接着分别基于简单随机样本和排序集样本构造了$\theta$的一些优良估计, 并对估计结果进行了数值比较.

研究了信息物理系统状态区间观测器设计及传感器攻击检测 问题.~首先, 建立整个信息物理系统的动态模型, 再基于未知输入信 号的上下界信息, 假设无传感器攻击信号的前提下, 基于不同的假设条件, 设计 了两类区间观测器, 并将第二类区间观测器的增益矩阵求解转化为求解Sylvester方 程形式.~利用区间估计结果, 构造了不含传感器攻击信号的系统输出阈值范围, 再 利用系统输出是否处于该阈值范围来判断是否存在传感器攻击信号.~最后, 给出了 一个仿真实例, 验证了所提方法的正确性和有效性.

在决策过程中,如何在达成个体决策者期望效用的前提下获得群体最优决策方案,是多属性群决策研究的主要内容之一. 然而,已有的群决策方法在解决问题时,很少有研究考虑到决策者对单个属性的期望与风险偏好.文章研究了决策者愿景满意度的多属性群决策问题, 首先,文章探讨将BWM方法应用于多属性群决策问题当中, 用于确定属性权重; 其次,通过考虑决策者对属性的愿景以及风险偏好对方案进行排序, 最后,将BWM方法和愿景满意度函数结合, 提出了一个新的多属性群决策模型, 此外,通过一个新能源汽车的实例, 来验证所提算法的有效性与可行性,并对参数进行仿真分析.

多维系统常用多项式矩阵来描述，系统理论中的多维系统等价问题也常被转化为多项式矩阵等价问题进行研究.文章主要研究两类多元多项式矩阵的等价问题，得到这些矩阵分别与其Smith型等价的判别条件.这些条件的检验是比较容易实现的，文章中也通过具体的等价实例进行说明.

针对现有的双边匹配决策双方主体满意度最大而忽略双方匹配是否公 平的问题,提出一种新的双边匹配决策方法.首先,定义了值为区间对偶犹豫模糊数的 得分函数,使用投影技术将区间对偶犹豫模糊矩阵转化为贴近度矩阵;然后,以双方各 自的贴近度最大化和双方贴近度差值最小化为目标,考虑双边公平匹配的约束条件,构 建了基于贴近度的双边公平匹配模型;通过求解该模型得出``最优''双边公平匹配.最 后,以物流运作中供应商与第三方电商平台的双边公平匹配问题为例,说明区间对偶犹豫 模糊信息双向投影技术下的双边公平匹配方法的有效性与实用性.

将广义变系数回归模型与广义函数型线性回归模型相结合, 提出了一种新的模型------广义函数型部分变系数混合模型. 基于函数型主成分基和~B-样条基的方法, 通过最大化拟似然函数得到了未知函数的估计, 并在一定的正则条件下得到了各估计量的收敛速度及预测精度. 通过数值模拟展现了模型的可行性和优越性, 最后将所建模型应用到~Tecator 数据说明了模型的实用性.

网络舆论的研究既应重视数量也应重视质量, 在纷繁复杂的舆论大数据中寻找高质量的网络舆论是对新网络舆论观的践行. 以网络舆论质量三维评价体系为理论基础, 通过对舆论超网络模型节点和连边的改变和重构, 提出了网络舆论本体“噪声”超网络识别模型, 涉及环境子网、情绪子网、社交子网和内容子网. 网络舆论本体“噪声”是指无法对管理决策的制定提供意见和建议的舆论观点. 基于所提出的超网络模型, 提取18个特征指标, 并利用机器学习分类算法实现对高质量舆论观点的提取.

在手机类废旧电子产品的回收活动中，用户对个人隐私关切度的加深会影响闭环供应链成员的决策.基于此，通过刻画用户隐私关切度等因素，构建基于制造商回收、二手商回收和混合回收模式的三个博弈模型，研究其对闭环供应链成员决策的影响.研究表明：用户隐私关切度增加可促进制造商和零售商的利润，但会降低二手商的利润；制造商回收模式下的供应链系统利润高于其他两种模式；当用户隐私关切度增加时，新产品和再制造品（翻新品）的销售价增加（减少），销售量反而增加（减少）.一定条件下，当用户对隐私更加关注时，制造商可以通过隐私处理增强自身产品的市场竞争优势.

复杂网络已被广泛应用于探究复杂系统的规律.文章使用分位图方法,分别将中国市场的上证指数、深证成指、香港恒生指数和美国市场的纳斯达克指数、道琼斯工业指数和标准普尔指数六支股指日收盘价序列映射到复杂网络,对股指分位图的特性进行分析,探究这两个的股票市场网络结构的变化.结果表明,首先同一市场的股指序列分位图网络特性较为接近,而不同市场之间的差别较大;其次,中国的上证指数和深证成指具有长程相关性,香港恒生指数较为随机,而美国市场的三支股指序列偏反长程相关;最后,两个市场的分位图网络存在不同的社团结构.该方法从宏观的角度揭示不同地区股票市场的性质和潜在动力学行为,并且可以为股指趋势预测提供丰富的信息.

局部修复码是一种能修复多个故障节点的纠删码，在分布式存储系统中被广泛使用，构造最优局部修复码是目前分布式存储编码理论研究的热点问题之一.文章利用有限域$\mathbb{F}_{q}$上循环码构造了以下两类具有局部修复性$（r，\delta）$的最优局部修复码：1）$[3（q+1），3（q+1）-3\delta+1，\delta+2]$，其中$q\equiv1（\bmod~6）$，$r+\delta-1=q+1$，$2\leq\delta\leq q-1$是偶数；2）$[3（q-1），3（q-1）-3\delta+2，\delta+1]$，其中$q\equiv7（\bmod~9）$，$r+\delta-1=q-1$，$2\leq\delta\leq\frac{2（q-1）}{3}$是偶数且$\delta\not\equiv0（\bmod~6）$.

在高维情形下, 为了实现对期望收益率的更准确估计, 提高投资 组合策略的稳定性及获得更好的样本外表现, 文章利用流通市值和账面市值比的 双因子排序组合信息, 在回归形式的均值-方差策略目标函数中引入了Group-LASSO (GLASSO) 正则项, 构建了GLASSO-MV投资组合策略. 相比包含权重$l_1$-范数正则项的LASSO-MV策略, GLASSO-MV能够有效利用因子组合之间的定价差异信息, 从而输出组间的稀疏权重, 进而更有效地估计高维投资组合权重并取得更好的样本外表现. 为了获得合适的正则项参数和权重稀疏度, 文章在5 折交叉验证寻优结果的基础上进行了稀疏度调整. 为验证此策略, 文章利用A 股1995 年至2019 年共3695 只股票的日际实证数据集, 将GLASSO-MV 与多种常见的投资组合策略进行了比较. 结果显示相比LASSO-MV, MV, GMV, TZ (Tu-Zhou), BS (Bayes-Stein) 等策略, GLASSO-MV实现了更好的样本外夏普率, 更低的标准差风险和换手率.

文章研究了高阶空间自回归模型的模型选择方法, 该方法可以同时进行空间权重矩阵和协变量的选择. 模型选择方法在Kullback-Leibler 损失意义下的渐近有效性得到证明. 此外, 文章进一步提出了高阶空间自回归模型的模型平均方法, 并证明了其渐近最优性. 数值模拟结果展示了模型选择方法的价值, 也表明了模型平均具有进一步提升模型选择效果的优势.

由于估计误差的存在，均值方差投资策略的样本外表现并不尽如人意，与此同时，等权重投资策略由于没有估计误差和良好的样本外表现而逐渐被关注，且在策略组合中发挥重要作用.因此文章引入等权重投资策略对原有的均值方差资产配置进行调整，基于确定性等价衡量不同投资策略样本外表现的优劣，确定子策略的加权系数，构建组合投资策略.研究结果表明：就单一投资策略而言，均值方差策略在降低标准差、控制风险方面更占优，而等权重策略则在增大夏普比率、提高收益方面发挥更大的作用；就组合投资策略而言，基于确定性等价构建的组合投资策略一方面可以降低投资组合的尾部风险，帮助投资者规避极端损失，另一方面可以显著提高投资组合的夏普比率和索提诺比率，获取更高的风险调整后收益.

为解决含有未知项以及输入死区的严格反馈非线性系统跟踪控制问题,提出一种基于免疫函数的投影自适应指令滤波有限时间控制方法.该方法使用免疫函数构造扩张状态观测器对具有输入死区控制系统中的未知项进行逼近,并使用指令滤波解决反步法中微分爆炸问题,建立滤波误差补偿机制降低滤波误差对跟踪精度的影响,同时使用投影算子保证了自适应参数的有界性.与现有文献中基于障碍李雅普诺夫函数的自适应反步约束控制相比较,文章可同时约束系统状态、补偿跟踪误差以及自适应参数在预设的范围内,保证了闭环系统中所有信号有界,结合有限时间控制加快了控制系统的收敛速度.最后仿真结果表明了文章控制方法的有效性.

为准确进行GH159螺栓热镦后头部缺陷识别, 提出了基于 迁移学习的缺陷识别方法, 其中, 不同场景亮度下的数据集分别设 置为迁移学习的源域, 目标域. 首先, 考虑域条件分布的多簇特点, 使 用K-means算法对同类缺陷数据进行簇划分, 确定簇中心, 并基于其构造 新的分布差异度量; 其次, 为有效提升迁移学习计算效率, 使用簇中心 间距离以及各簇中心与该簇样本间距离, 建立新的类内差异度量; 最后, 以 分布差异度量与类内差异度量的加权和最小化为目标, 准确识别不同场景 亮度下的缺陷. 针对所提出方法的参数设定需求, 基于反向验证理念设 计伪精度, 并以其最大化进行参数确定. 基于收集的GH159螺栓热镦后头部 缺陷数据集, 开展缺陷识别分析应用, 验证所提出方法的有效性.

肝癌在所有癌症中病死率高居第二名.由于机器学习方法能改进疾病预测精度，因此文章将利用它们研究肝癌前期诊断问题，提高肝癌的预测精度.首先选取影响肝癌的10个指标作为预测变量，将579位肝癌患者分为两组：随机抽取492位患者构成训练样本，剩余87位患者构成测试样本.接着利用训练样本建立6个分类器：逻辑回归、$L_{2}$惩罚逻辑回归、支持向量机（Support Vector Machine，SVM）、梯度提升决策树（Gradient Boosting Decision Tree，GBDT）、人工神经网络（Artificial Neural Network，ANN）和极限梯度提升算法（eXtreme Gradient Boosting，XGBoost），其中逻辑回归和$L_{2}$惩罚逻辑回归采用Newton-Raphson算法得到模型参数的迭代加权最小二乘估计，计算患者肿瘤细胞为恶性和良性的概率估计，确定最佳阈值预测肿瘤性状.最后用测试样本计算混淆矩阵、灵敏度和特异度，绘制ROC曲线评价预测精度.结果表明$L_{2}$惩罚逻辑回归预测精度最高，SVM预测精度排第二，XGBoost预测精度排第三，逻辑回归预测精度排第四，GBDT预测精度排第五，ANN和随机森林预测精度最差.