融合多源先验信息的舰船备件可靠性评估

舰船工作环境常导致备件的实际可靠性规律与设计参数不一致。在实际使用消耗量较小的条件下,全面分析备件可靠性信息来源,通过定义似然权重系数,融合多源先验信息,建立指数型备件可靠性的贝叶斯评估方法。最后,通过仿真分析验证方法的合理性。结果表明,所提出的基于似然权重的先验信息融合方法可以较好地融合不同信息源的可靠性信息,估计方法具有较好的稳定性。     

初等变换在向量组的线性相关性中的应用

线性方程组的解及向量组的线性相关性是线性代数的核心内容,而初等变换是研究它们的最有力的工具,因此应用好这一工具对学习线性代数非常有帮助;用"提问—总结—举例"的方式给学生阐述了初等变换在向量组的线性相关性中的应用.     

几乎无偏刘估计的不可容许性

考虑了线性回归模型中,在Fisherian和Mahalanobis损失函数下,几乎无偏刘估计对于最小二乘估计的不可容许性;结论表明:几乎无偏刘估计在Mahalanobis损失函数下是不可容的;最后进行了数值模拟来表明结果.     

中心极限定理在统计推断中的应用

本文首先说明了中心极限定理研究的必要性，介绍了两个常用的中心极限定理，然后给出了中心极限定理在统计推断中有关统计估计和假设检验的实际应用，最后指出了研究中心极限定理具有理论意义和实际价值。     

基于加权局部梯度直方图的头部三维姿态估计

在实时估计人的头部三维姿态时,基于局部梯度方向直方图的面部特征表示方法容易受到背景和环境的影响,其检测精度无法满足实际需求。为了减少图像或视频序列中背景和环境的影响,提出了一种新的对面部特征进行描述的方法,即基于肤色权值和高斯权值加权的局部梯度方向直方图特征表示方法。在具体计算时,首先进行人脸检测并将人脸区域缩放到统一大小,然后计算人脸区域每个像素点对应的梯度方向,接着计算肤色权值并利用肤色权值和高斯权值对梯度方向进行加权得到加权局部梯度方向直方图,从而强化面部特征在直方图中的比重,有效减小背景对头部三维姿态估计的影响,最后利用非线性支持向量回归机求解加权局部梯度方向直方图与头部三维姿态之间的关系。实验结果表明:该特征表示方法具有更高的检测精度。     

机器人的盛会

<正>2015年7月17—23日,合肥成功举办了第19届Robo Cup机器人世界杯赛及学术大会,这是由Robo Cup国际联合会主办的当前国际上级别最高、规模最大、影响最广泛的机器人顶级赛事,被称为"机器人的盛会"。Robo Cup是怎么发展起来的,有哪些比赛项目,本届比赛有什么特点,让我们来了解一下。一、Robo Cup发展历程在人工智能与机器人学的历史上,1997年是一个值     

关于Golomb猜想的一般化

设p为奇素数,c是任意与p互素的整数。那么Golomb猜想可以简单描述为对任意素数p≥3,存在模p的两个原根α,β,使得α+β≡c mod p。文中的主要目的是推广这一结果,即利用特征和的估计以及原根的判别性质证明更一般的结论:设p为充分大的素数,k为给定的正整数。对于任意给定的两两不同余的整数c1,c2,…,ck且(p,c1c2…ck)=1,一定存在模p的k+1个原根β1,β2,…,βk及α使得βi+α≡cimod p,i=1,2,…,k。显然当k=1时就是Golomb猜想。所以,该结果是Golomb猜想的进一步推广和延伸。     

浅论因明中的因与因过

古印度的因明、中国先秦的名辩之学和古希腊的逻辑,三者都是关于推理方法、论证方法的学说,属于同一范畴。因明作为古印度治学、研究的核心学问由唐代僧人玄奘传入中国,后由其弟子发扬。因明中的因是至关重要的,因的重要性在于其是指称立者论式即宗成立的关键。似因是立论者在对宗行论证时所使用的错误的因。因的过失共有十四种,如何成立好的因,就要明白因的过失有哪些,从而避免这些过失。     

部分线性回归模型中改进的差分估计及SCAD

考虑了部分线性回归模型中回归参数向量估计的问题,提出了具有更好性质的压缩差分估计,并且将SCAD惩罚函数运用到模型中得到SCAD估计,然后通过Monte Carlo模拟了压缩差分估计和SCAD估计的相关结果,并对它们之间的优劣进行了比较.