基于探索性因素分析的Q矩阵标定方法

标定Q矩阵是认知诊断评估中最基本也是最为关键的一步.如今Q矩阵标定的统计方法,多数为验证性方法,即验证或修正已有Q矩阵中元素的方法.在常见的Q矩阵未知和已有作答数据情形下,提出将探索性因素分析方法和验证性方法相结合的Q矩阵标定方法,并采用模型整体拟合指标、分类准确性指标等,综合确定属性数和Q矩阵.模拟研究表明:新方法可较好标定Q矩阵.     

基于可达阵的补偿模型Q矩阵标定方法

Q矩阵标定是认知诊断评估中研究的热点问题,Q矩阵的好坏决定了认知诊断评估的准确性.根据确定性输入噪声"与"门模型(DINA)中可达阵R与简化Q矩阵存在布尔"与"的关系,提出基于确定性输入噪声"或"门模型(DINO)的可达阵R与简化Q矩阵在列向量上存在布尔"或"的关系,并由此推导出基于可达阵的补偿模型Q矩阵标定方法.实验结果表明:当可达阵失误与猜测小于0.20且待标定项目参数小于0.25时,该方法所得Q矩阵元素返真率达到90%以上,且在可达阵失误与猜测参数均小于0.25时真实Q矩阵与估计Q矩阵之间的差异较小.     

测验Q矩阵的修正方法及其比较研究

在认知诊断评估中,构建正确测验Q矩阵十分关键,但比较困难.该文将确定性输入噪音与门模型下3种在线标定方法(极大似然估计方法,边际极大似然估计方法和交差方法)用于测验Q矩阵修正,并与δ方法,γ方法和最小残差平方和方法进行比较.采用模拟研究验证和比较各方法的表现,研究结果显示:边际极大似然估计方法表现良好,交差方法次之; 项目所考查的属性数目是影响δ方法和γ方法的表现.     

非接触测量系统中标定矩阵的研究

摄像机标定矩阵是非接触测量系统中的重要研究内容.主要介绍一种新的摄像机标定矩阵修正方法.实验表明,该标定方法操作简便,标定快速、准确.     

Q矩阵标定的一种简便方法

基于认知诊断的Q矩阵理论,由潜在Q矩阵向量的累赘表达式的分解,给出一种简便的Q矩阵标定方法,并且给出这种方法的证明.     

一种新的非线性相机模型标定方法

提出一种新的非线性相机模型标定方法.该方法考虑各种成像误差,用二元函数的多项式建立成像误差模型,用一个中间变量代替非线性畸变因素.在已知至少6个不共面点的空间坐标及对应的图像坐标,利用线性算法求解出非线性畸变模型的投影矩阵,用修正后的投影矩阵进行三维重建.实验结果表明,整个修正过程避免非线性方程的求解,10个修正参数由线性方程组一并解出,修正模型三维重建的精度整体得到提高.     

偏振相关损耗对偏振模色散的影响分析

偏振模色散和偏振相关损耗的综合影响会引起不规则的色散现象,这一点不能通过原始的琼斯矩阵本征分析方法（JME）得到,为了分析偏振相关损耗对偏振模色散特征矩阵的影响,必须对JME方法进行适当的修正．理论分析和数值模拟表明,存在PDL的情况下,偏振模色散相关矩阵的特征值不再为实数,实部和虚步分别具有不同的物理意史,必须加以修正以得到真实的偏振模色散。     

项目属性标错时可达阵补救作用的研究

以Q矩阵理论为基础,从分析专家给测验项目标定属性时可能出现的差错入手,设计不同的测验Q矩阵和模拟实验,分析比较在不同情况下的模式判准率,考察可达阵对测验Q矩阵标定出现差错时的补救作用。     

认知诊断中Q矩阵和Q矩阵理论

Q矩阵和Q矩阵理论是认知诊断中一对容易混淆的概念,一方面需要强调它们的差异,另一方面对Q矩阵理论做一些补充,比如在一定条件下,多级评分的认知诊断中测验蓝图的设计原理.根据实测数据对测验蓝图Q矩阵修正的设想,以及认知诊断模型和多维项目反应模型的联系.     

4参数GRM对猜测现象和失误现象的纠正

将c、γ参数加入到Samejima等级反应模型中形成4参数等级反应模型(4参数GRM),该模型包含了两级记分1、2、3、4参数Logistic模型、Samejima等级反应模型.4参数GRM适合测验中的多级和两级记分试题,也可以适合两级记分试题的猜测现象和失误现象.Samejima等级反应模型下,被试作答的猜测现象会导致能力高估现象,失误现象会导致能力低估现象.在4参数GRM下,被试能力高估现象和低估现象均得到了有效的纠正.     

自校正集中式融合信息滤波器

对于带未知噪声系统和不相关噪声的多传感器随机系统,将基于相关方法得到的噪声方差带入到集中式融合最有信息滤波器,提出自校正集中式融合信息滤波器。同基于Riccatia方程的集中式融合Kalman滤波器相比,它避免了计算高维矩阵的逆,从而减少了计算负担。应用动态误差分析方法,证明了自校正集中式融合信息滤波器以概率1收敛于最优集中式融合信息滤波器,因而具有全局渐进最优性。一个带3传感器跟踪系统的实例说明其有效性。     

关联噪声对单模激光统计性质的影响

利用线性近似方法推导了具有ｅ指数关联噪声的单模激光增益模型的光强关联函数和关联时间，分析讨论了光强关联函数随时间的演化特征及各种参数对光强关联时间的影响．研究表明：ａ．噪声间的负关联使得光强关联函数随时间演化具有两种形式，即单调衰减和出现负极值；ｂ．噪声间的负关联使激光的驰豫过程变快，而正关联则慢化了激光的驰豫过程；ｃ．光强关联时间随泵噪声强度变化的一个明显特征是存在一个峰（谷）值．     

多传感器系统噪声统计辨识的一种相关方法

对于带未知噪声统计和相关噪声的多传感器线性离散定常随机系统,通过左素分解将观测过程表为两个滑动平均(MA)过程之和,利用解相关函数矩阵方程组方法得到系统的噪声方差、相关阵及互协方差的在线估计器.基于观测过程的采样相关函数的遍历性证明了噪声统计估值器是强一致的.一个两传感器带相关噪声系统的仿真例子说明了方法的有效性.     

三阶近似激光模型线性化近似适用范围的分析

采用具有实虚部关联的量子噪声和泵噪声驱动的三阶近似激光模型，运用线性化近似方法计算了光强关联函数和光强相对涨落，在一定的近似条件下分别讨论了量子噪声强度、泵噪声强度、量子噪声实虚部关联系数对光强相对涨落的影响，并对线性化近似方法的适用范围进行了详细的分析，得出在小噪声、远离阈值时，线性化近似方法适用范围扩大；小噪声、远离阈值且当量子噪声实虚部无关联时，线性化近似方法适用范围最大的结论．     

结构损伤识别中部分相关噪声模型

详细地讨论了噪声的来源和产生的物理机制,分析了经典不相关噪声模型的物理意义和适用范围,将测试噪声分为与信号大小无关的测试系统基础噪声和与测试信号幅值和相位有关的环境噪声两部分,提出与结构试验实际环境符合的部分相关噪声模型.计算比较了部分相关噪声模型和传统噪声模型下仿真测试信号的信噪比和方差比,并比较了其对结构振型的识别精度和损伤识别定位的影响.结果表明,所提出的部分相关噪声模型较为符合工程测试实际,而传统噪声模型未能有效模拟系统和环境噪声.     

以相关系数为特征量的飞机目标识别法

利用各目标距离像之间的相关系数 ,可提高基于距离像建库的目标识别方法的性能。该文提出了利用相关系数构造特征矢量和用神经网络进行分类的雷达目标识别方法。研究了特征矢量的分类性能、最终判决量的确定、相关系数特征矢量法与最大相关系数法各自的特点等问题。对 6类飞机目标全方位角范围的识别结果表明 :最大相关系数法在高信噪比时的识别率较高 ,相关系数特征矢量法的抗噪性较强 ,两种识别方法有较强的互补性。若按某种方式将两者结合起来 ,将得到识别率和抗噪性俱佳的识别方法     

基于粒子滤波的雅可比矩阵在线估计技术

研究基于图像的机器人视觉伺服技术中雅可比矩阵的在线估计方法.以雅可比矩阵的元素构成系统状态向量,将问题转化为对系统的状态估计问题.引入非线性非高斯系统的粒子滤波算法,在该算法的框架下在线估计图像雅可比矩阵.以非高斯环境下二自由度机械手跟踪运动目标这一应用背景为例,分别对新提出方法与已有基于Kalman滤波的估计方法进行了实验比较.结果证明,前者具有更高的估计精度和更强的鲁棒性,基于粒子滤波的方法不仅可以避免系统标定,而且对系统噪声的类型没有具体要求.     

关联噪声驱动的分子马达模型

推导了在关联噪声驱动下分子马达定态几率流的表达式,通过解析计算和数值模拟得到如下结果：加性白噪声不能驱动分子马达产生定向运动,定态几率流的方向取决于积分值δ,且在一维余弦势场中,定态几率流随着噪声关联参数的变化与噪声强度大小有关,不论噪声间是正关联或负关联,当内噪声强度一定,随着外噪声强度的增强,定态几率流增大,最终达到一个饱和值。     

基于双阵元的宽带相干信源数估计

不同噪声条件下,宽带相干信源数估计是阵列信号处理中的难点问题.本文针对宽带信号的特点,利用虚拟阵列扩展技术,将宽带信号的不同频率成分虚拟为不同间距的虚拟阵元,通过空间平滑削弱信号之间的相干性.但由于噪声的功率谱非严格平坦,虚拟阵列协方差矩阵的噪声特征值发散程度严重,经典的信息论方法完全失效.基于对角加载技术,提出了一种新的加载量,有效地平滑了噪声特征值,减弱了其发散程度,并在此基础上利用比率准则改进了信息论方法,实现了两阵元对多个信源的数目估计.仿真实验表明,改进后的方法在白噪声和色噪声条件下均具有较好的性能,优于盖氏圆方法.     

Stochastic resonance in the growth of a tumor induced by correlated noises

Since half a century ago, nonlinear physics has changed our views of world drastically[1]. People expected to use it to solve the complexity of biology[2,3]. In the past decade, more and more evidence shows that noise plays an impor- tant role in nonlinear systems[4―10], such as noise-induced phase transitions, stochastic resonance (SR) and so on. Especially, SR uncovered a heap of complexities of biol- ogy[11,12]. For many years, the law of tumors growth has been a challenging subject. Sci…