导读:本文包含了交叉序列相关论文开题报告文献综述及选题提纲参考文献，主要关键词:时间序列分析,非平稳性,去趋势波动分析,交叉相关分析
交叉序列相关论文文献综述
孙中皋,程爽,王菲,王巧玲[1]（2018）在《基于SSA的时间序列交叉相关分析中指数趋势的去除》一文中研究指出去趋势交叉相关分析是考察非平稳时间序列的长程交叉相关性的一种标度指数.在对含趋势信号的时间序列进行交叉相关分析时,标度会出现交叉点,从而影响相关性分析.针对时间序列中常见的指数型趋势,提出一种采用奇异谱分析法去除该类趋势后再进行交叉相关分析的算法,消除了标度指数图中的交叉点,使得分析结果更为准确.采用二元分数求和滑动平均模型产生两个交叉相关时间序列并迭加指数趋势进行仿真实验,结果表明,奇异谱分析法可以有效地去除指数型趋势,求得的交叉相关标度指数与原始时间序列的标度指数几乎完全吻合,具有较高的精度.(本文来源于《辽宁师范大学学报(自然科学版)》期刊2018年02期）
王晶[2]（2012）在《时间序列的重分形交叉相关分析及其预测方法》一文中研究指出如何描述和理解复杂系统是十分艰巨的任务,但我们可以通过研究由复杂系统产生的时间序列来间接研究复杂系统。本文首先研究时间序列的重分形交叉相关性。我们提出研究重分形交叉相关性的新方法——多重分形统计矩交叉相关分析(MFSMXA)法。为了对比说明其分析效果,采用多重分形去趋势波动分析(MFXDFA)和多重分形去趋势滑动平均分析(MFXDMA)作为对比方法。随后分析了四类时间序列的重分形交叉相关性。其中两类是人工生成数据：二元自回归分数求和滑动平均模型(二元ARFIMA)和重分形二项方法(MFbs)生成的序列对,两模型都具有分形性的理论表达,叁种方法得出的标度指数τxy接近于其对应的理论值,但MFSMXA方法分析效果最好,与理论曲线最为接近,MFXDMA次之,MFXDFA较差。另两类是实际序列,其中一类为金融时间序列,分析结果说明两个股票市场的波动指数序列间具有重分形特性,且MFSMXA和MFXDMA有相似的分析结果；一类为交通流量和速度序列对,同样分析出其具有重分形性,在q≤O时,叁种方法分析结果相似；在q≥0时,MFSMXA和MFXDMA分析结果接近,MFXDFA有偏移。在分析了时间序列间的重分形交叉相关性后,我们主要针对交通时间序列提出双模式K近邻非参数回归(BKNN)模型,它基于K近邻非参数回归(KNN)模型改进而来。我们使用北京北叁环附近站点采集的交通速度进行预测,并引进KNN模型、PKNN模型(KNN模型的修改模型)、季节自回归求和滑动平均(SARIMA)模型以及人工神经网络(ANN)模型作为对比模型,发现BKNN模型给出了最好的短时预测结果,最稳健,应用前景广阔。(本文来源于《北京交通大学》期刊2012-05-31）
肖盛峰[3]（2010）在《流动性与组合收益交叉序列相关的关系研究》一文中研究指出通过构建在两个市场时间段下的不同市场条件下(牛市和熊市)不同规模的投资组合,本文探究了市场流动性的差别对交叉序列相关的影响。结果发现在市场流动性很低的时候,存在组合收益间的交叉序列关系。但是在市场流动性很高的时候,线性因果关系消失了,而且也不存在非线性的因果关系。(本文来源于《金融评论》期刊2010年05期）
冷晓艳,薛模根,韩裕生,李从利[4]（2005）在《基于区域特征与灰度交叉相关的序列图像拼接》一文中研究指出针对具有平移、旋转、缩放变换的序列图像连续拼接,提出一种将基于区域特征的配准算法和基于灰度交叉相关的配准算法相结合的拼接算法。该算法用迭代阈值分割算法提取区域,利用区域特征进行配准,建立初始的同名区域对;然后以同名区域对的质心点作为特征点,基于图像的灰度信息,选择交叉相关准则作为度量;最后得到图像间的精确变换关系,实现序列图像的拼接。实验结果表明,算法配准率高,鲁棒性强。(本文来源于《红外与激光工程》期刊2005年05期）
交叉序列相关论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
如何描述和理解复杂系统是十分艰巨的任务,但我们可以通过研究由复杂系统产生的时间序列来间接研究复杂系统。本文首先研究时间序列的重分形交叉相关性。我们提出研究重分形交叉相关性的新方法——多重分形统计矩交叉相关分析(MFSMXA)法。为了对比说明其分析效果,采用多重分形去趋势波动分析(MFXDFA)和多重分形去趋势滑动平均分析(MFXDMA)作为对比方法。随后分析了四类时间序列的重分形交叉相关性。其中两类是人工生成数据：二元自回归分数求和滑动平均模型(二元ARFIMA)和重分形二项方法(MFbs)生成的序列对,两模型都具有分形性的理论表达,叁种方法得出的标度指数τxy接近于其对应的理论值,但MFSMXA方法分析效果最好,与理论曲线最为接近,MFXDMA次之,MFXDFA较差。另两类是实际序列,其中一类为金融时间序列,分析结果说明两个股票市场的波动指数序列间具有重分形特性,且MFSMXA和MFXDMA有相似的分析结果；一类为交通流量和速度序列对,同样分析出其具有重分形性,在q≤O时,叁种方法分析结果相似；在q≥0时,MFSMXA和MFXDMA分析结果接近,MFXDFA有偏移。在分析了时间序列间的重分形交叉相关性后,我们主要针对交通时间序列提出双模式K近邻非参数回归(BKNN)模型,它基于K近邻非参数回归(KNN)模型改进而来。我们使用北京北叁环附近站点采集的交通速度进行预测,并引进KNN模型、PKNN模型(KNN模型的修改模型)、季节自回归求和滑动平均(SARIMA)模型以及人工神经网络(ANN)模型作为对比模型,发现BKNN模型给出了最好的短时预测结果,最稳健,应用前景广阔。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
交叉序列相关论文参考文献
[1].孙中皋,程爽,王菲,王巧玲.基于SSA的时间序列交叉相关分析中指数趋势的去除[J].辽宁师范大学学报(自然科学版).2018
[2].王晶.时间序列的重分形交叉相关分析及其预测方法[D].北京交通大学.2012
[3].肖盛峰.流动性与组合收益交叉序列相关的关系研究[J].金融评论.2010
[4].冷晓艳,薛模根,韩裕生,李从利.基于区域特征与灰度交叉相关的序列图像拼接[J].红外与激光工程.2005