重力场中概率成像方法对脉状矿体的识别

重力场概率成像方法对复杂地质体的成像效果较差,提出一种较好的适用于脉状矿体模型的改进方法．把重力异常场看作位于脉状矿体顶点的点源产生的场,从而把对脉状矿体的成像转换成对脉状矿体的顶点成像,并根据顶点推断脉状矿体的几何参数．脉状矿体的正反演结果表明。这种方法是可行的．     

高次导数的概率成像原理

讨论了概率成像方法的一个不足，提出一种：采用电位的二次导数进行成像的方法，通过算例分析证明，这个新的成像公式的分辨能力更高一些，而且能够提高对小强度电荷的定位能力。     

骰子模型中和概率的计算

概率论中的骰子模型在许多领域有着重要的应用,本文研究投掷多次骰子时,点数之和的概率计算问题.应用生成函数法得上述问题简洁的概率计算公式,并考虑它的推广情形,最后给出几个计算的例子.     

电磁导数场概率成像方法研究

电磁导数场概率成像方法是一种侧重于识别地质异常体的成像反演方法.它基于归一化的电磁场的偏导数更能突出异常场分布特性,将电磁场概率成像的发生概率函数改为实测电磁场场值函数与相应的扫描函数各自的导数函数经归一化后的互相关函数.用新方法对几个理论模型进行成像,成像结果显示:改进的概率成像方法使得高概率更加集中于异常体区域,并且不再需要计算背景场,使概率成像方法对复杂地质体成像成为可能.     

复合二项风险模型下的生存概率

用分析论证的方法得到了在复合二项风险模型下 ,保险公司生存到固定时刻n ,在n恰好发生第k次赔付 ,而且在n的盈余为某数x(x 0 )的概率公式 .由此得到了 :保险公司生存到固定时刻n而且在n的盈余为某数x(x 0 )的概率公式 参 9     

一种特殊情形下的完全离散二项风险模型的生存概率

应用分析方法研究了保险公司在完全离散复合二项风险模型下的生存概率问题，得到了生存到固定时间n，在时刻n为止恰好发生了n次赔付，而且在时刻n盈余为某数x(x≥0)的概率公式。     

基于概率母函数的ISR谣言传播模型

为了探究个体抵制率对谣言传播的影响,利用概率生成函数建立了一类引入个体谣言抵制率的谣言传播模型,计算了该模型谣言传播的阈值,并利用数值模拟分析了个体谣言抵制率对谣言传播的影响,得到谣言抵制率的增大会降低谣言传播者的峰值的结论。     

双复合Poisson风险模型的赤字尾概率

研究双复合Poisson过程的风险模型,得到了关于赤字尾概率的函数型不等式,并且作为它的应用,得到了一些指数型上界估计,使得某些已有结果得到推广.     

概率可靠性模型的可靠性

研究了机械概率可靠性设计模型的可靠性问题，通过实际计算探讨了概率特征参数和分布型式等可能出现的偏差对可靠性计算结果的影响。说明了概率可靠性模型的一些局限性和合理建模的重要性。     

带扩散风险模型破产概率的拉普拉斯变换方法

主要讨论受扩散干扰的古典风险模型,应用随机过程的一些理论得到了破产函数的拉普拉斯变换,然后用数学技巧求得逆变换,从而得到的明显表达式。     

古典概型中摸球模型的解法探讨

通过对古典概型中摸球模型的探讨,提供了一些有用的解题思路和方法,并试图以明确的公式形式表达特定问题的解.     

双Poisson风险模型的破产概率

对保险费收取次数和每一张保单收取保险费均为随机变量的风险模型进行了研究,讨论盈余的性质,并给出关于调节系数所满足的方程,进而得到破产概率的一般表达式以及它的一个上界。     

带干扰的相关风险下的破产概率的渐近估计

考虑了一类带干扰的双险种相关风险模型,利用随机过程的方法得出了该模型的生存概率所满足的积分-微分方程和破产概率的上界.     

一类干扰模型下的破产估计

目的 研究S(γ)族索赔分布在一般干扰模型中的破产概率.方法 利用分布的相关性质及拉普拉斯变换.结果 得到与分布及干扰过程有关的破产概率定理.结论 揭示了初始准备金趋于无限时,破产概率受干扰强度的规律,推广了已有干扰模型的破产概率估计.     

双Poisson风险模型下的破产概率

首先将经典复合Poisson风险模型推广到使其保费到达过程与个体索赔过程是两个相互独立的Poisson过程的一种新模型,然后运用鞅论的方法得出破产概率满足的Lundberg不等式和一般公式,以及当个体索赔服从指数分布时的破产概率的具体表达式。     

一类双险种风险模型的破产概率研究

讨论一类保险费收取次数为泊松过程且带干扰,索赔额分别服从Poisson分布和负二项分布的风险模型,运用鞅方法和盈余过程的性质得到了破产概率的一般公式及Lundberg不等式.     

多险种风险模型的破产概率

建立了一个基于进入过程的多险种风险模型,讨论了索赔过程的性质,得到了最终破产概率的一般表达式和Lundberg上界.     

基于状态驻留时间的汉语语音分段概率模型

为了解决分段概率模型 (SPM)因缺少对时间信息描述而带来的建模精度低的问题 ,提出了状态驻留分段概率模型 (SDSPM)。SDSPM中包含了用伽玛分布表示的状态驻留概率 ,以刻划语音的时间特征。此驻留概率相当于隐马尔可夫模型 (HMM)中的状态转移概率 ,但使 SDSPM描述语音时间特征的能力强于 HMM。SDSPM既改善了 SPM的模型性能 ,同时又避免了 HMM的计算复杂度问题。测试实验证明了 SDSPM模型在汉语语音识别中的有效性。