缺失数据下带约束条件的部分线性变系数EV模型的估计

用一般级数估计方法研究了带约束及响应变量缺失条件下的部分线性变系数EV模型的参数与非参数估计,并讨论了参数估计的一致性和渐进正态性及非参数估计的收敛速度,且通过数值模拟验证了所提方法的估计效果.     

基于图像处理方法的纸币清分系统的研究与实现

纸币自动清分可以有效提高银行的工作效率,基于图像处理技术的纸币自动清分系统的识别准确率对于纸币自动清分系统非常关键.基于机器视觉知识与模式识别的理论,并结合纸质人民币的图像特点,提出了纸质人民币序列号图像识别处理算法、"奖惩"机制下的线性传感算法和序列号区域特征提取方法.对纸币图像进行倾斜校正、局部特点提取、灰度增强和图像分块等处理后,将上述方法运用于采用CIS传感器的纸币图像处理系统中.实验证明,该方法具有较高的识别准确率,取得了理想的纸币自动清分效果.     

高频振动影响下双层Marangoni-Bénard对流稳定性研究

对高频振动影响下双层Marangoni-Bénard对流进行了线性稳定性理论分析,发现了高频振动对于Marangoni-Bénard对流不稳定性特征的双重影响,并分析了硅油与氟液(FC70)典型双层流体实验系统的不稳定性,其结果显示在一定振动运动或残余重力场下的两层流系统具有更复杂的不稳定现象.     

成都市典型重度灰霾期间NO_2演化长期持续性特征的空间稳定性

应用消除趋势波动分析方法,研究了成都市一次典型重度灰霾期间,城区6个监测站点大气NO2小时平均浓度序列的时空演化尺度特征.研究表明,尽管在灰霾期间成都市各站点NO2浓度波动在空间上差异很大,但NO2演化动态在5 d的宏观时间尺度上表现出很强的长期持续特征,且各站点的差异性不大,在空间上具有稳定性.该特征表明,成都市灰霾期间某一时刻所排放的NO2将持续地对未来5 d的NO2浓度带来影响,成都市灰霾期间NO2的波动演化在动力学上主要是由NO2的长期持续性特征主导控制.研究结果有助于进一步加强对灰霾期间大气NO2污染演化复杂规律的认识.     

一类一阶拟线性双曲型方程组的精确边界能控性

考虑了由3个方程组成的一阶拟线性对角型方程组.在边界条件中对角变量没有任何耦合关系的情况下,通过建立一类二阶拟线性双曲型方程组的局部精确边界能控性,得到了该类方程组的单侧精确边界能控性以及具有较少控制的双侧精确边界能控性.     

时延相关网络控制系统的输出反馈镇定

研究了一类具有时变时延网络控制系统的输出反馈镇定问题.对于传感器与控制器间产生时变时延情形,采用时延相关切换控制器,通过Lyapunov-Krasovskii泛函方法和广义模型变换,得到了使闭环系统渐近稳定的线性矩阵不等式充分条件,该控制器是可以降阶的.仿真算例验证了该方法的有效性.     

近十年来我国高校文库建设的文献计量分析

采用文献计量学方法,对近十余年来我国高校文库建设相关论文进行了统计分析,包括论文的发表情况、期刊分布、作者发文量、研究主题、论文研究的重点以及未来研究趋势等。     

电流模式Boost变换器中非线性现象的研究

利用分段光滑开关模型,通过MATLAB中simulink搭建模型并采用龙格-库塔(Runge-Kutia)算法,得到了电流模式Boost变换器的时域波形图及相图;利用精确离散迭代数学模型,通过MATLAB中M文件编程,得到了电流模式Boost变换器的庞加莱映射图及分叉图。在电流模式Boost变换器中选择不同的参考电流数值,采用这两种模型对不同的参考电流值进行仿真,两种仿真模型的工作状态是相同的,分别证明了电流模式Boost变换器中具有丰富的分叉与混沌现象,也就是非线性现象。     

基于模糊聚类测点优化与向量机的坐标镗床热误差建模

为了研究电主轴系统热特性对机床精度的影响,建立了主轴轴向及径向热误差模型.以精密坐标镗床为对象,采用五点法对主轴热误差进行测量,并分析了转速对主轴热误差及温度场的影响规律.利用模糊聚类分析法对温度变量进行分组优化,选出对热误差敏感的温度变量,建立主轴轴向热伸长及径向热倾角的最小二乘支持向量机(LS-SVM)以及多元线性回归(MLRA)的综合热误差模型,并设定了预测优度评价标准.结果表明:模糊聚类分组法能有效降低温度变量间的多重共线性,并提高模型的稳定性;LS-SVM模型具备全局寻优的特点,可实现不同工况的高精度预测,预测精度可达90%,且比传统的MLRA模型有更好的通用性以及更强的泛化能力,可作为后期热误差的补偿模型.     

神经网络集成模型在广东省海洋生产总值预测中的应用

海洋生产总值预测是一项极其复杂但又非常重要的工作,本文探讨了神经网络集成模型在广东省海洋生产总值预测中的应用.通过采集广东省2000—2010年海洋统计年鉴数据,借助Bagging方法生成仿真数据训练网络个体,将12个个体网络集成对广东省2010年海洋生产总值进行预测分析,该模型解决了海洋经济数据非线性、时变性、样本量少和偏差大等问题.与线性回归方法的比较结果表明,神经网络集成模型预测海洋生产总值的结果更可靠.