混合加速寿命试验模型下威布尔分布参数的统计分析

在混合加速寿命试验模型（序进应力加速寿命试验和恒定应力加速寿命试验相结合）下，讨论了寿命分布为威布尔分布时的参数估计问题，给出了形状参数的逆矩估计以及加速系数的置信区间．并且随机模拟一组样本，验证了这个方法的有效性．     

一类半导体方程组整体弱解的存在性

考虑一类半导体方程组的混合初边值问题。利用正则化算子和逼近过程，通过一系列先验估计，在迁移率既不为常数，又不满足速度饱和的条件下，证明了其整体弱解的存在性．     

关于随机环境分枝过程混合重组的一个注记

给定一个繁衍概率母函数均值待定的两状态独立同分布随机环境分枝过程,证明了若该随机环境分枝过程是下临界的,则通过适当选择其繁衍概率母函数均值的取值后,它的两个独立复制过程总能够混合重组为一个上临界随机环境分枝过程;但反之,若该随机环境分枝过程是上临界的,则它的两个独立复制过程不一定总能够混合重组为一个下临界随机环境分枝过程。     

ρ-混合序列Jamison型加权和的强收敛性

设{Xn,n≥1}为同分布ρ-混合序列,EX1=0,{an,n≥1}为正实数序列,An=n∑k=1 ak↑∞（n→∞）,考虑Jamison型加权和Tn=1/An∑k=1 akXk,在类似Jamison等（1965）的条件下,证明了Tn的强收敛性,即Tn→0,a.s.（n→∞）,把已有的结论推广到了ρ-混合序列的情形.     

门限回归模型预测粤中西部冬春气温

用门限自回归模型和混合门限回归模型对广东省中西部的冬春季平均气温做预测.选取北半球500 hPa高度场和太平洋海温场的分区分季节的多个气候背景场的前若干个主分量作为因子(共1792个),这些因子包含着气候背景场的主要信息,通过对预报量和预报因子群的相关筛选,选取相关系数最大的因子建立混合门限非线性回归模型.并初步探讨了气候背景场对预报量的影响.结果表明:混合门限回归模型优于门限自回归模型;前者能较好地拟合冬春气温序列,预报效果较理想.粤中西部冬季气温场与东北半球南部3-4月高度场第5个主模态相关最密切,当3-4月500 hPa高度场东亚大陆为低槽控制,日本海太平洋附近为高压脊,有利于当年冬季气温偏低;春季气温场则与北半球冬季500 hPa高度场第8个主模态相关密切,当冬季500 hPa高度场乌拉尔山附近地区为明显的阻塞高压形势,有利于次年春季气温偏低.     

混合低温送风方式的测试及分析

对低温蓄冷低温送水中央空调系统中采用回风、新风、露点风混合调节到合适的温、湿度的混合空气送风方式进行了能耗实验测试，测试结果证明混合送风的方式有较好的节能效果．     

二阶抛物问题的扩展混合元方法

对二阶抛物问题提出了一种新的混合元方法一扩展混合元方法．该方法能同时逼近未知函数、未知函数的梯度和流体的流量，较好地模拟了带有混合型边界条件的二阶抛物问题．通过数值分析进一步证明了未知函数、未知函数的梯度和流体的流量的最优L^2-误差估计。     

微粒群算法的研究现状及发展趋势

微粒群优化算法(PSO)是一种进化计算技术(evolutionary computation)．算法通过微粒间的相互作用发现复杂搜索空间中的最优区域。其优点是：计算速度快且简单易实现；缺点是容易陷入局部极值点，进化后期收敛速度慢且精度较差．本文对微粒群算法的研究现状进行了部分介绍，并对其研究的发展趋势进行了预测．     

基于高斯混合模型的EM学习算法

本文研究了一类基于无监督聚类学习的算法——EM算法的算法实现．EM算法通常用于存在隐含变量时的聚类学习，由于引入了隐含变量，导致算法难以保证收敛和达到极优值．本文通过将该算法应用于高斯混合模型的学习，引入重叠度分析的方法改进EM算法的约束条件，从而能够确保EM算法的正确学习．     

用混合编码遗传算法实现匹配追踪算法

在分析总结浮点数编码和格雷码编码各自特点的基础上,提出了一种用浮点数和格雷码混合编码的遗传算法来实现匹配追踪算法.该算法有机结合了遗传算法和匹配追踪算法的优点,不仅能够得到较高精度的最佳匹配参数,而且有效地降低了计算量,克服了匹配追踪算法由于计算量太大而不能广泛应用的缺点.计算机仿真结果表明,该算法提取相位的精度和提取时间均有明显改善,证实了该算法的准确性.最后,将该算法应用于转子实验台的冲击信号特征提取中,提取结果证明了它的实际应用价值.