样本相对熵与相依随机序列的若干小偏差定理

设{Xn,n≥1}是任意连续型随机序列,引入相对熵hμμ(w)作为随机序列{Xn,n≥1}的概率测度μ与参考测度μ之间偏差的一种随机性度量,在适当条件下,给出了任意连续型随机变量部分和小偏差定理.     

过速型室性心律失常事件的短时非线性心率变异性预测

过速型室性心律失常(室速和室颤)是心脏猝死的一个主要诱因, 有效的治疗手段是在体内置入埋藏式心脏复律除颤器. 心脏复律除颤器能够准确、有效地捕捉到患者心律失常事件的发作并及时发放电击指令. 本文采用两种基于熵的非线性复杂度测度——近似熵和样本熵, 以及两种线性测度——平均RR间期(心电图相邻R波之间的时间间隔)和平均RR间期的标准差, 分析了78名患者体内心脏复律除颤器中存储的135个室速或室颤事件刚刚发生前的一段RR间隔片段, 并与来自同样患者的没有室性心律失常事件发生时(通常为窦性节律)记录到的RR间隔序列进行比较. 结果显示, 过速型室性心律失常发作前患者心跳会出现明显的加快现象, 并且其心率变异性信号的近似熵和样本熵值均明显减小. 室速或室颤事件发作前的一段时间内, 患者自主神经系统中的交感神经张力增加, 而其心率变异性信号的复杂度却降低了, 表明心脏病患者过速型室性心律失常事件的自然发作并不是突发现象, 而是在发作前的一段时间内就已经有了某种先兆. 为了获得更好地识别室性心律失常事件的能力, 单独分析了矢量匹配容差对两种算法性能的影响, 从而确定了最佳的容差取值范围. 因此, 近似熵和样本熵测度有可能成为心脏复律除颤器中短时预测恶性过速型心律失常事件的有效的非线性参数.     

基于潜在类分析的城市异质出行群体识别研究

异质出行群体的合理划分是提升出行需求预测准确性和实施主动式交通管理的关键,针对目前城市多方式出行群体划分研究的不足,在分析出行习惯与偏好差异影响因素的基础上,提出基于潜在类分析(Latent Class Cluster Analysis,LCCA)的城市异质出行群体识别方法.以北京市为例,应用揭示性偏好调查进行基础数据收集,运用Mplus软件编程实现LCCA模型估计.模型将出行者划分为三类异质出行群体,群体1:低出行+方式均衡组(20.4％),群体2:中高出行+小汽车偏好组(30.3％),群体3:高出行+绿色交通组(49.3％).模型回归结果表明:群体2、3的百分比与北京市小汽车、公共交通出行比例之差均不超过2％,证明提出的出行群体识别方法有效,个人属性、出行者对各交通方式的认知与态度对群体隶属影响显著.针对各异质出行群体提出了相应的绿色交通发展措施,为城市交管部门的精细化出行管控提供重要依据.     

无控T型交叉口机动车的抢行行为分析

研究混合交通情形下无控T型交叉口机动车的抢行行为及其重要影响因素. 通过录像拍摄,获取机动车抢行行为及其影响因素数据,采用二项Logistic回归法建立机动车抢行行为模型. 结果表明,机动车在面对行人、年长者及女性时更易抢行;行人数和非机动车数越多,抢行比率越小. 该研究结果可用于对行人及非机动车使用者进行安全教育,为无控交叉口交通法规的制定提供参考.     

整值随机序列滑动平均的若干小偏差定理

研究任意整值随机序列部分和滑动平均的小偏差定理 ,在适当的条件下 ,有 :liminfN h- 1(N) ∑N h(N)i=NXi ≥α(c) ,limsupN h- 1(N) ∑N h(N)i=NXi≤ β(c)     

轧机液压压下电位移反馈电液伺服阀的测试与调整

为了调整电位移反馈电液伺服阀的参数，处理其运行中发生的故障，在分析电位移反馈电液伺服阀4WS2EEl0--45结构的基础上探讨其测试、调整方法。