Остроградский──Gauss定理的一个注记

本文给出在一定条件下，即使在闭曲面围成的空间区域内有奇点公式也同样成立。     

一种改进的树形矢量量化编码算法

矢量量化中的一个最严重的问题是在一本码本中搜索最近码字的高计算复杂度。本文在研究树形矢量量化的基础上提出了一种改进的树形矢量量化编码算法。实验结果表明,本文提出的编码算法相对于树形矢量量化算法可大大改善峰值信噪比（ＰＳＮＲ）。     

Construction of High Level Expression Cell Lines of Erythropoietin *

Ｅｒｙｔｈｒｏｐｏｉｅｔｉｎ（ＥＰＯ）ｉｓｏｎｅｏｆｔｈｅｍｏｓｔｉｍｐｏｒｔａｎｔｒｅｇｕｌａｔｏｒｙｆａｃｔｏｒｓｄｕｒｉｎｇｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｍａｍｍａｌｉａｎｅｒｙｔｈｒｏｃｙｔｅ,ａｃｔｉｎｇｍａｉｎｌｙｏｎｔｈｅｅｒｙｔｈｒ...     

Ho∞-based fault detection for nonlinear networked systems with random packet dropout and probabilistic interval delay

The fault detection problem for the nonlinear networked control system (NCS) with packet dropout and delay is investigated.A nonlinear stochastic system model is proposed to account for the NCS with random packet dropout and networkinduced non-uniformly distributed time-varying delay in both from sensor to controller (S/C) and from controller to actuator (C/A).Based on the obtained NCS model,employing an observer-based fault detection filter as the residual generator,the addressed fault detection problem is converted into an auxiliary nonlinear H∞ control problem.Then,with the help of Lyapunov functional approach,a sufficient condition for the desired fault detection filter is constructed in terms of certain linear matrix inequalities,which depend on not only the delay interval but also the delay interval occurrence rate and successful packet communication rate.Especially,a trade-off phenomenon between the maximum allowable delay bound and successful data packet transmission rate is found,which is typically resulted from the limited bandwidth of communication networks.The effectiveness of the proposed method is demonstrated by a simulation example.     

一种给出方案偏好信息的多属性决策方法

本文针对决策者给出决策方案偏好程度的条件概率的多属性决策问题,给出了一种逼近于决策偏好信息的决策分析方法,并以实例说明该方法的合理性．     

基于最小扰动相关去噪法股票投资组合风险优化

金融相关矩阵的计算是构建金融投资组合的基础.为解决金融相关矩阵的“维数灾祸”问题,进而促进金融投资组合风险的优化,受基于随机矩阵理论(RMT)和特征向量的Krzanowski稳定性的KR去噪法的启发,对收益相关矩阵特征值增大时的特征向量最小扰动进行了数学推导,并将以该扰动衡量的特征向量的Krzanowski稳定性引入到RMT去噪法中,进而建立对金融收益相关矩阵去噪的KRMIN方法. KRMIN法对KR法的算法进行了两方面的优化.一方面, KRMIN法对KR法的特征值设定方法进行了扩展; 另一方面, KRMIN法采用模拟退火算法计算特征值.理论研究表明,由于在收益相关矩阵特征向量的稳定性和特征值算法准确性上的优势, KRMIN方法将获得比KR法更好的组合风险优化效果.通过bootstrap方法,开展了将LCPB法、PG+法、KR法和KRMIN法用于不同数量股票的投资组合优化的实证研究.结果表明: LCPB法、PG+法、KR法和KRMIN法都能通过股票收益相关矩阵去噪而带来投资组合风险的优化;基于收益相关矩阵特征向量的Krzanowski稳定性的KR法和KRMIN法的组合风险比其他两种方法更低;由KRMIN法得到的收益相关矩阵的特征向量稳定性和组合风险优化效果好于KR法.     

H_∞-based fault detection for nonlinear networked systems with random packet dropout and probabilistic interval delay

The fault detection problem for the nonlinear networked control system(NCS) with packet dropout and delay is investigated.A nonlinear stochastic system model is proposed to account for the NCS with random packet dropout and networkinduced non-uniformly distributed time-varying delay in both from sensor to controller(S/C) and from controller to actuator(C/A).Based on the obtained NCS model,employing an observer-based fault detection filter as the residual generator,the addressed fault detection problem is converted into an auxiliary nonlinear H∞ control problem.Then,with the help of Lyapunov functional approach,a sufficient condition for the desired fault detection filter is constructed in terms of certain linear matrix inequalities,which depend on not only the delay interval but also the delay interval occurrence rate and successful packet communication rate.Especially,a trade-off phenomenon between the maximum allowable delay bound and successful data packet transmission rate is found,which is typically resulted from the limited bandwidth of communication networks.The effectiveness of the proposed method is demonstrated by a simulation example.     

基于改进的局部保持投影的战时备件分类

为提升战时合成部队备件保障效能,需对其进行有效分类,以便开展备件的预储预置。针对备件种类多、时效性强、影响分类因素复杂的现实问题,提出了基于改进的局部保持投影的备件分类方法。首先,根据战时备件分类储备的影响因素,作为备件分类的特征指标,其次,利用改进的局部保持投影的降维方法对备件原始特征数据进行特征降维,得到低维特征向量。再利用支持向量机（support vector machine,SVM）的分类器对低维数据进行分类。并通过量子粒子群对SVM的核函数参数进行寻优,提升备件分类精度,得到满足备件分类准确率最优时的降维维数和分类器参数。最后,通过对演习装备备件分类的实例分析,验证了模型的可行性和合理性,并对比分析了其他分类方法,表明该方法能够较好地解决战时备件分类的问题。     

面向多极值质量特性的全局式序贯性实验设计方法

针对多极值质量特性的全局性建模和参数优化问题, 为降低实验设计样本量, 提高模型预测性能, 提出一种全局式序贯性设计方法. 首先在一定的初始实验设计方式下, 建立过程粗略的SVR模型; 而后根据模型中支持向量的分布, 在支持向量样本各维度的45度角或轴向方向同步地增加实验点, 再拟合过程新的SVR模型; 如此迭代进行, 当模型精度达到要求或样本量达到上限时终止序贯性设计. 仿真与实证研究表明, 该方法能够在可行域全局的范围内将实验点合理地分配在质量特性的多个极值附近, 避免了传统的单路径式序贯性设计只能发现单个极值的不足, 充分提高了实验效率; 与均匀空间网格设计、 拉丁超立方设计和均匀设计相比, 在样本量接近的情况下, 基于全局式序贯性设计的SVR 模型的预测均方误差至少降低了30%; 而在预测误差较为接近的情况下, 全局式序贯性设计的样本量至少降低了12%.     

基于PSO的SVR参数优化选择方法研究

支持向量回归机(SVR)模型的拟合精度和泛化能力取决于其相关参数的选取,因此提出了基于粒子群(PSO)算法的SVR参数优化选择方法;并以不同噪声影响下的sinc函数和实际发酵过程产物浓度的SVR模型为对象,将提出的PSO优化参数方法与现有的交叉验证法、留一法进行比较。仿真结果表明:该PSO优化SVR参数方法可行、有效,由此得到的SVR模型具有更好的学习精度和推广能力。