针对股票价格波动拐点难以有效预测导致预测精度不高的问题,提出一种特征滞后程度计算的均值门限广义自回归条件异方差(LRD-TGARCH-M)模型。首先,基于股价波动与指标变化出现的不一致性,给出了滞后性的定义,并引入能量波动概念,从能量角度提出特征滞后程度(LD)计算模型;然后,用LD度量拐点出现之前的风险大小,将其加入到股价均值方程中,克服均值门限广义自回归条件异方差(TGARCH-M)模型对拐点预测的不足;其次,根据拐点附近波动相对剧烈,将LD加入到误差项的方差方程中,优化方差的变化,提高模型的预测精度;最后,给出了LRD-TGARCH-M模型的波动预测公式和精度分析,并在股票数据上进行实验,结果表明,与TGARCH-M模型相比,精确度提高了3.76%;与均值指数GARCH(EGARCH-M)模型相比,精确度提高了3.44%,证明了LRD-TGARCH-M模型可以提高股价走势预测精度,减小误差。
针对Hadoop云平台下MapReduce计算模型在处理图数据时效率低下的问题,提出了一种类似谷歌Pregel的图数据处理计算框架——MyBSP.首先,分析了MapReduce的运行机制及不足之处;其次,阐述了MyBSP框架的结构、工作流程及主要接口;最后,在分析PageRank图处理算法原理的基础上,设计并实现了基于MyBSP框架的PageRank算法.实验结果表明,基于MyBSP框架的图数据处理算法与基于MapReduce的算法相比,迭代处理的性能提升了1.9~3倍.MyBSP算法的执行时间减少了67%,能够满足图数据高效处理的应用前景.
为研究在社团划分基础上复杂网络的级联抗毁攻击策略,采用节点及其邻居节点介数定义初始负荷,这种定义方式综合考虑了节点的信息,采用局部择优分配策略处理故障节点负荷,研究了网络耦合强度,WS(Watts-Strogatz)小世界网络、BA(Barabási-Albert)无标度网络、ER(Erds-Rényi)随机网络、局域世界(WL)网络在社团划分攻击策略下抗毁性,以及不同攻击策略下具有重叠和非重叠社团结构网络的抗毁性。仿真结果表明，网络的耦合强度与抗毁性成负相关；不同类型网络在快速分裂算法识别社团前提下,攻击介数最大节点时网络抗毁性最弱；具有重叠社团结构的网络在集团渗流算法（CPM）识别后,采用攻击重叠部分介数最大节点的策略时网络抗毁性最弱。结论表明采用社团划分的攻击策略可以最大规模破坏网络。
