附加应力扩散项的Johnson-Segalman流体模型相图分析

研究一类带附加应力扩散项的Johnson-Segalman模型, 通过不变流形分析方法以及同宿轨与异宿轨的研究, 刻画了该模型的相空间结构, 并证明了一类具有三井位势的Hamilton系统同宿轨和异宿轨的存在性.     

基于codebook的事件关联分析

为关联系统事件,给出最根本故障原因,采用codebook与原因池相结合的方法,建立了一种新的事件分析模型。模型通过不断地缩小原因池中原因的个数,最终锁定系统故障原因,适用于分布式系统的事件关联分析应用。针对codebook中记录的事件和原因规模扩大的情况进行了模型的性能测试,并对查全率、差误率、重报率等指标进行了模型的功能测试。测试结果表明,模型对丢失事件和事件逆序具有抗干扰性,可独立进行多系统并发事件分析且不会互相影响。     

门限Poisson对数线性自回归模型的参数估计

给出一个新整数值时间序列模型,它既可以刻画相关性较强的数据,也可以刻画相关性较弱的数据.给出了该模型平稳性的一个充分条件,并研究其最大似然估计问题及估计的渐近性质.     

Johnson Segalman模型非定常解的估计与数值计算

采用Johnson Segalman流体模型（简称JS模型）作为 聚合物流体剪切流动的数学模型, 给出了其非定常解的有界性和按Sobolev范数的先验估计式以及当ε=0时迎风差分格式的模拟JS模型.     

宽带信号DOA估计的一种快速算法

CSM(Coherent Signals-subspace Method)算法需要构造聚焦矩阵和进行预估计,运算量大且估计精度容易受预估计的影响,很难达到信号实时处理的目的。为此,提出了一种基于前后向平均的改进非相干信号子空间算法(ISM:Incoherent Signals-subspace Method)。该算法通过把宽带信号分解为若干个窄带信号,对每个窄带信号先用前后向平均法进行去相关处理,再利用ISM算法对宽带非相干信号和相干信号进行DOA(Direction Of Arival)估计。该算法不需要进行预估计,且去相关处理简单容易实现,对宽带相干信号的估计虽然性能不如相干信号子空间算法,但运算量比CSM算法减小很多,是一种快速的宽带信号DOA估计算法。通过实验仿真和性能分析,验证了该算法的有效性。     

Neumann Bessel级数的收敛性

由Neumann Bessel积分算子的核函数K_n(z,ξ)出发, 构造一种Bernstein型核M_n(z,ξ),并证明了带有新核的积分算子在单位圆周Γ((|z|=1)上一致地收敛到每个连续函数f(z),且具有最佳收敛阶.