基于Gauss径向基变换的非平稳空间结构估计

为克服空间变换的非参数化估计方法存在双射约束不严格和计算度高的缺点,提出在非平稳空间变异结构估计中,基于Gauss径向基变换的空间变异结构参数化估计算法。该算法通过参数限制保证了空间变换的双射特性,利用时间维的统计特性对变换参数进行降维,降低了运算复杂度。在火烧油层温度分布预测应用中,对比泛Kriging算法,采用该算法可获得更加精确的空间预测结果,可以在较低的运算代价下得到双射限制下的非平稳空间变异结构估计。     

基于改进随机减量法和小波变换的

基于改进随机减量法和小波变换提出了一种新的结构模态参数统计识别方法.随机减量法改进后可直接处理零均值非平稳响应信号,得到自由衰减响应,小波变换的时频域特性可解耦密频、低阻尼系统,自助分布的统计估计能力考虑和降低模态参数识别的不确定性.对提出的方法进行了完整的理论推导,并通过一个四自由度系统的数值算例验证了该方法可靠性.相比较传统的时域方法和直接小波变换方法,该方法具有更高的识别精度,尤其是阻尼比系数.随后的抗噪能力验证结果表明该方法在15dB噪声干扰下仍能够稳定、准确地识别出系统的模态参数,可适用于环境激励下模态参数识别.     

非参数可靠性模型中一些参数的区间估计

研究了非参数模型下的一些可靠性参数的推断. 基于U-统计量的渐近性质和变换方法,导出了这些参数的具有渐近正确覆盖率的置信区间. 给出了比较这些置信区间效果的模拟结果.     

基于改进随机减量法和小波变换的结构模态参数识别

基于改进随机减量法和小波变换提出了一种新的结构模态参数统计识别方法.随机减量法改进后可直接处理零均值非平稳响应信号,得到自由衰减响应,小波变换的时频域特性可解耦密频、低阻尼系统,自助分布的统计估计能力考虑和降低模态参数识别的不确定性.对提出的方法进行了完整的理论推导,并通过一个四自由度系统的数值算例验证了该方法可靠性.相比较传统的时域方法和直接小波变换方法,该方法具有更高的识别精度,尤其是阻尼比系数.随后的抗噪能力验证结果表明该方法在15dB噪声干扰下仍能够稳定、准确地识别出系统的模态参数,可适用于环境激励下模态参数识别.     

非线性系统的非参数识别

对一个系统进行非线性的判别,进而识别出其非线性的类型,可统称为非线性系统的非参数识别。本文阐述了一些非线性时间序列的非参数识别的方法：对于确定性非线性振动系统,识别方法为极限环法和Ｈｉｌｂｅｒｔ变换;对于随机非线性振动系统,采用概率统计方法．其中有概率密度函数的分布,高阶矩,高阶相关和多维功率谱。计算机仿真实验证明,以上方法是行之有效的。     

4种NET欧拉-伯努利直梁的动力学特性

考虑长程力,非局部弹性直梁内参考点的应力与直梁占据区域内所有点的应变都有关系．基于Eringen的非局部弹性理论积分型本构关系和采用幂指数型参模空间推导了Euler-Bernoulli直梁的积分型方程和4阶偏微分型方程,采用Laplace变换得到了直梁自然频率、振型的通解．给出了简支直梁、固定直梁、自由直梁、悬臂直梁的自然频率和振型．实例结果表明除悬臂直梁的第1阶自然频率随Eringen参数的增加而略微增加外,直梁自然频率随Eringen参数的增加而减小．固定直梁、自由直梁、悬臂直梁振型的振幅大体上随Eringen参数的增加而减小．但Eringen参数对简支直梁的振型没有影响．当Eringen参数为零时,非局部弹性理论与局部弹性理论的自然频率、振型一致．     

随机动力学系统的研究方法

本文介绍了不确定参数概率统计方法和非概率统计方法的研究现状,并对随机线性参数系统振动控制,非线性随机参数系统混沌控制、混沌同步等问题的研究进行展望,介绍了非概率统计的两种方法：非概率集合理论凸方法和模糊集合方法。     

基于统计形变模型的多模医学图像非刚性配准方法研究

多模医学图像间可能存在复杂的非刚性形变,矫正这类形变需要采用具有较高自由度的非线性变换模型.直接求解非线性变换的高维参数,不仅会增加配准时间,而且也影响配准精度.为此,本文提出一种基于统计形变模型的配准算法,该算法利用统计形变模型对大量多模图像间的非刚性形变进行统计学习,利用由此建立的模型大幅减少变换模型的参数,达到提高图像配准效率和精度的目的.大量的实验结果表明：与基于传统自由形变模型的配准算法相比,本文提出的基于统计形变模型的配准算法其效率可以提高52%,同时目标配准误差平均减少0.503 2个像素.     

球面波照射下实现非精确分数阶傅里叶变换

利用菲涅耳衍射知识对球面波照射下物平面和观察平面光场分布问的非精确分数傅里叶变换关系进行了定量的分析,并将其与精确傅里叶变换相比较,得出结论：观察平面上的强度分布是相同的,但复振幅分布存在相位差．定量的给出了球面波照射下实现任意阶非精确分数傅里叶变换时系统参数的选择定则．     

变换下回归模型的似然估计

研究了对响应变量作变换后成线性回归模型的参数估计问题.当变换是非参数时,用分段线性函数来逼近非参数变换,把非参数问题化成参数问题.当变换是参数时,求出了似然估计的显示解并证明了其强相合性,同时讨论估计的条件分布.     

相依数据非参数核估计的收敛速度

在非参数和半参数模型中，不论数据是独立的还是相依的，都涉及到对未知均值函数或者对某函数的未知条件期望的估计。文章针对这一问题，在数据为混合相依的条件下，给出一般函数条件数学期望的估计，并讨论了它的收敛速度。     

非参数利率期限结构模型的实证检验

利用随机过程的原理和非参数的核函数估计方法建立了非参数的利率期限结构模型，采用上海证券交易所的国债回购利率数据对建立的模型进行了实证检验，并与Vasicek、CIR模型进行了比较．结果显示，短期利率扩散过程的漂移函数和扩散函数都是非线性的，短期利率的概率分布不服从参数模型所假设的分布．实证结果证实，与参数模型相比，非参数模型能够更准确地描述我国的国债利率期限结构状况．     

一种考虑数据截尾的非参数软件可靠性模型

通过分析数据截尾对软件可靠性模型的影响，建立了一种考虑数据截尾的非参数软件可靠性模型，为的是克服一般参数模型假设约束过紧的问题，并能在估计失效率的同时估计残存缺陷数．同时，提出了基于非参数统计的软件失效率单调下降性检验方法，在加权核函数估计中引入数据截尾率作为加权系数和优化参数，并用失效率单调下降约束下的加权核函数方法来估计失效率和残存缺陷数．模拟试验和实例分析表明，所提模型可以较好地处理截尾数据，给出残存缺陷数的合理估计，其失效率估计精度较高，不低于较好的传统模型．     

一种基于非参数似然比准则的ICA盲检测算法

为抑制CDMA系统中的多址干扰,提出一种基于非参数似然比准则的ICA盲检测算法.该算法直接由观测信号样本出发,使用核函数估计分离信号的概率密度函数,并结合梯度下降法和似然比准则进行目标用户的信号检测.计算机仿真及与其他算法的比较表明,该算法抑制多址干扰的能力介于FastICA检测和最小均方误差(MMSE)检测之间.     

基于不同核函数的非参数利率期限结构模型的估计

给出了用非参数方法估计利率期限结构的过程,并以上海证券交易所的国债回购利率数据为样本,采用4种不同核函数：高斯核、抛物线核、四次方核和六次方核对利率期限结构模型进行估计。结果显示：当利率小于4%时,4种核函数估计结果相近;当利率大于4%时,高斯核和抛物线核的估计结果相近,四次方核和六次方核的估计结果相近;从利率均值回复的角度来说,后两者要优于前两者。所有结果表明：短期利率的密度函数是非正态的,扩散过程的漂移函数和扩散函数是非线性的,印证了非参数利率期限结构模型在刻画利率行为方面的优越性。     

相依函数型数据递推改良核回归估计的收敛性

研究了基于相依函数型数据非参数回归函数算子的估计问题,构造了非参数回归函数算子递归改良核估计,利用非参数函数型渐近理论,对估计量进行分解,建立了其递归改良核估计在α-混合相依函数型数据下的几乎完全收敛性及其收敛速度,推广了现有文献中的相关结果.     

含缺省约束的基于模型诊断方法

目前已有的诊断系统一般都默认有完备而可靠的模型，但在实际中常无法实现．因此，在目前已知的对待诊断设备的可靠描述之外．提出了可加入假设性的信息作为对无法完备模型的补充．并且这些假设采用了从规范缺省理论中的规则转化而成的公式的形式．进一步给出了在加入这些假设后的情况下，含缺省约束的基于模型的诊断、中心诊断、蕴含、蕴含式及本原蕴含等概念，证明了含缺省约束的基于模型的中心诊断与缺省本原蕴含的直接关系．并指出这种刻画即为含缺省约束的基于一致性中心诊断和中心溯因诊断的刻画的一般化情形．从而将理论与实现联系了起来。     

非参数核密度估计的L~r收敛

核密度估计是一种具有广泛应用领域的非参数统计方法.有关它独立情况下的大样本性质,在文献[1]中已详细介绍,本文在改进Parzen给出的一个基本引理的基础上得出非参数核密度估计的Lr收敛.     

非参数核密度估计的Lr收敛

核密度估计是一种具有广泛应用领域的非参数统计方法．有关它独立情况下的大样本性质，在文献[1]中已详细介绍，本文在改进Parzen给出的一个基本引理的基础上得出非参数核密度估计的L^τ收敛．     

基于模态回归的半参数部分线性模型的稳健估计

以半参数部分线性模型为对象,研究了基于模态回归的稳健估计方法。非参数部分采用B样条近似,在模型的回归中通过控制核函数的带宽来实现估计的稳健性,结合局部二次算法(LQA)和模型期望值最大化算法(MEM),提出EM估计算法,得到了参数估计以及非参数部分估计的收敛速度。通过蒙特卡洛模拟和实例分析,验证了本文方法的有效性。