定数双截尾下艾拉姆咖分布参数的贝叶斯估计

首先在定数双截尾场合下,当取Jeffreys先验时,得到了艾拉姆咖分布参数的后验分布;其次分别在平方损失、熵损失和对称熵损失函数下给出了参数的贝叶斯点估计;然后由后验分布得到了参数的贝叶斯可信区间;最后通过实例给出了不同截尾样本下参数的点估计和区间估计,并说明了估计与截尾数之间的相关性.     

双定时混合截尾下Pareto产品失效时刻的预测

假设受试样品的失效时刻服从Pareto分布，基于双定时混合截尾样本得到了未来失效时刻的概率密度函数，利用经典方法得到了未来失效时刻的点预测和区间预测.当形状参数的先验分布分别取为伽玛先验和无信息先验分布时，得到了未来次序失效时刻的等尾预测区间.根据所得到的双定时混合截尾数据，对于独立同分布于该Pareto分布的任一产品，得到了它的失效时刻的中位数预测和区间预测.借助一个数值例子，利用文中的结论计算出了相关的点预测和区间预测.     

模拟综合实训在刑事科学技术教学中的应用

对162名刑事科学技术专业本科生采用仿真犯罪现场情景下,模拟现场勘验和物证检验鉴定综合实训教学。设计问卷调查学生,对模拟综合实训进行评价。其中95.3%学生认为该形式能增强教学效果,98.7%认为有利于培养训练动手操作能力,98%认为有助于培养综合能力。表明在本科生毕业阶段开展模拟综合实训,能强化学生对理论知识的运用,提高操作技能,有利于学生的刑事科学技术综合能力培养。     

指数分布下的产品可靠性抽样检验

对于失效时间遵从指数分布,本文提出了定时截尾样本下可靠性抽样检验方案的统计方法.质量统计是不可靠度的矩估计的严格增加函数,利用渐近正态分布样本量和接受常数被近似确定.     

指数分布下的产品可靠性检验

对于失效时间遵从指数分布,提出了全样本下可靠性抽样检验方案的统计方法.质量统计是不可靠度的极大似然估计的严格增加函数,利用卡方分布和渐近正态分布样本量和接受常数可被近似确定.     

双向Elman神经网络在卫星电池阵功率预测中的应用研究

针对神经网络预测电池阵功率存在的模型阶数难以确定及预测精度低下的问题，提出一种基于改进的Elman神经网络的双向预测模型。该模型利用关联层动态神经元的反馈连接，将未来预测网络和过去预测网络的信息进行融合。使网络对时间序列特征信息的记忆得到加强，从而提高预测精度。用该文提出的双向预测模型对电池阵功率进行预测，输入层仅需一个节点，不需事先对模型进行定阶。仿真预测表明，预测精度比单向模型明显提高，且网络具有较好的泛化能力。     

几何分布的推广及应用

先给出几何分布的定义,然后由一个概率模型给出了推广的几何分布的定义,并计算了数学期望和方差,最后通过实例说明了推广几何分布的应用.     

犯罪现场勘验DNA物证污染的防控

随着DNA物证鉴定技术灵敏度的提高,DNA物证污染的危险性显著增加,这将严重损害DNA物证鉴定结果的证据价值。重点分析犯罪现场勘验阶段的DNA物证污染的来源以及可能造成DNA物证污染的环节及DNA污染的严重后果。提出建立现场勘验防控DNA物证污染的制度和监控体系,提高现场勘验提取DNA物证检材的质量,降低DNA物证污染的可能性。     

大型复杂系统故障隔离智能优化策略

大型复杂系统的故障隔离是系统维修的重要环节,现有的故障隔离算法存在平均故障隔离时间(MFIT)长,不能快速自动生成决策树等缺点.利用AO*算法自动构造决策树,将离散粒子群算法应用于AO*算法的每一个节点的测试选择,降低计算复杂度,使故障隔离策略智能化.实例表明:该算法将故障隔离时间缩短20%,并降低测试代价,提高故障隔离效率,为大型复杂系统故障隔离提供-种高效算法.     

基于DPSO最小碰集算法的掩盖故障识别

针对可测性分析中掩盖故障识别的难点,提出一种掩盖故障存在性的判定及计算其冲突集方法;并将离散粒子群算法(discrete binary particle swarm optimization,DPSO)用于求解冲突集的最小碰集,实现掩盖故障最小碰集的求解;为克服DPSO易陷入局部最优的缺点,还比较了惯性权重对DPSO算法性能的影响。实例验证表明:与求解掩盖故障的其他方法相比,惯性权重线性变化的DPSO算法不仅提高了算法效率,而且避免了其他算法求解时容易出现"计算爆炸"的问题,尤其适合于识别大型复杂系统的掩盖故障。