陈明华
- 作品数：48 被引量：162H指数：7
- 供职机构：皖西学院金融与数学学院更多>>
- 发文基金：安徽省高校省级自然科学研究项目安徽省教委自然科学基金安徽省高等学校优秀青年人才基金更多>>
- 相关领域：理学自动化与计算机技术文化科学环境科学与工程更多>>
- NA样本下半参数回归模型估计的强相合性被引量：8
- 2000年
- 考虑固定设计下的半参数回归模型 :yi=xiβ+ g(ti) + ei,i=1 ,2 ,… ,n,在 { ei}为 Eei=0 ,Ee2i=σ2i 的 NA序列时 ,得到了一类估计的强相合性 .
- 任哲陈明华
- 关键词：半参数回归模型NA序列强相合性NA样本
- 固定设计下半参数回归模型估计的随机加权逼近被引量：1
- 2000年
- 考虑固定设计下的半参数回归模型:y_i=x_iβ+g(t_i)+e_i,i=1,…,n 对利用一般非多数估计法结合最小二乘法得到的参数分量β和误差方差σ~2的估计量(?)_n和(?)_n^2,本文用随机加权法构造了(?)_n和(?)_n^2的随机加权统计量H_(?)_n和H_(?)_n^2,并证明了在给定原样本的条件下,H_β_n和H_((?)_n^2)分别与n^(1/2)((?)_n-β)和n^(1/2)((?)_n^2-σ~2)有相同的渐近分布.
- 陈明华
- 关键词：半参数回归模型随机加权逼近
- 可证明安全的移动代理路由协议
- 2008年
- 针对移动代理路由安全问题,利用Hash函数单向性和迭代方法提出一种移动代理路由协议。用户主机通过Hash函数的单向性保证路由信息安全到达路由主机,路由主机之间根据Hash函数值的迭代进行交互认证。该协议的计算复杂度显著降低,特别是在大数据传输的情况下。采用常规方法和串空间模型方法分析并证明了该协议的安全性。
- 田旭刘仁金陈明华
- 关键词：移动代理迭代串空间计算复杂度
- L—统计量的非一致性收敛速度
- 1998年
- 本文研究了高阶矩条件下L—统计量的非一致性收敛速度,得到了与独立和类似的收敛速度。
- 陈明华王礼彬武荣慧
- 关键词：L-统计量收敛速度
- 一般形式的密度估计被引量：5
- 2005年
- 对于一般形式的核密度估计,我们指出ComposV.S.M.和DoreaC.C.Y.2001年论文中存在的几处错误,且给出了正确的结果及其证明.推广了一些有关文献中关于连续型密度和离散型分布核估计的若干结果.
- 胡舒合陈明华方红
- 关键词：核密度估计核估计连续型
- L─统计量的随机加权逼近的非一致性速度被引量：1
- 1998年
- 任哲讨论了一类L─统计量的随机加权逼近的一致性速度，本文研究了其非一致性速度．
- 陈明华武荣慧
- 关键词：随机加权法L-统计量
- 一种求解图最小顶点覆盖问题的混合遗传算法
- 最小顶点覆盖问题是一个典型的NP-hard组合优化问题,在诸多领域有着重要应用.近年来,传统遗传算法等各种智能优化方法被引入到该问题的求解中来,但效果不理想.文章基于理想浓度模型的机理分析,利用均匀设计抽样的理论和方法,...
- 周本达陈明华
- 关键词：VERTICESGENETICUNIFORMDESIGNGENETICALGORITHMUNIFORMDESIGN
- 求解最大子团的随机抽样免疫遗传算法
- 2011年
- 针对遗传算法在最大子团求解中保持群体多样性能力不足、早熟、耗时长、成功率低等缺陷,利用随机抽样方法对交叉操作进行重新设计,结合免疫机理定义染色体浓度,设计克隆选择策略,提出了求解最大子团问题的随机抽样免疫遗传算法。用仿真算例说明了新算法在解的质量、收敛速度等各项指标上均有提高,且不比DLS-MC、QUALEX等经典搜索算法差,对某些算例还得到了更好解。
- 周本达陈明华
- 关键词：最大团问题遗传算法人工免疫系统
- 拉丁超立方体抽样遗传算法求解图的二划分问题被引量：4
- 2009年
- 图的二划分问题是一个典型的NP-hard组合优化问题,在许多领域都有重要应用.近年来,传统遗传算法等各种智能优化方法被引入到该问题的求解中来,但效果不理想.基于理想浓度模型的机理分析,利用拉丁超立方体抽样的理论和方法,对遗传算法中的交叉操作进行了重新设计,并在分析图二划分问题特点的基础上,结合局部搜索策略,给出了一个解决图二划分问题的新的遗传算法,称之为拉丁超立方体抽样遗传算法.通过将该算法与简单遗传算法和佳点集遗传算法进行求解图二划分问题的仿真模拟比较,可以看出新的算法提高了求解的质量、速度和精度.
- 陈明华任哲周本达
- 关键词：遗传算法
- 随机化均匀设计遗传算法被引量：4
- 2010年
- 众所周知,遗传算法的运行机理及特点是具有定向制导的随机搜索技术,其定向制导的原则是:导向以高适应度模式为祖先的"家族"方向.以此结论为基础.利用随机化均匀设计的理论和方法,对遗传算法中的交叉操作进行了重新设计,给出了一个新的GA算法,称之为随机化均匀设计遗传算法.最后将随机化均匀设计遗传算法应用于求解函数优化问题,并与简单遗传算法和佳点集遗传算法进行比较.通过模拟比较,可以看出新的算法不但提高了算法的速度和精度,而且避免了其它方法常有的早期收敛现象,
- 陈明华周本达任哲
