技术进步测算中一个新的参数估计方法

提出了一个新的技术进步参数估计的最优化方法，利用该方法实际计算了天津市的技术进步水平，证明了该方法的有效性。     

技术进步测算中一个新的参数估计方法

提出了一个新的技术进步参数估计的最优化方法．利用该方法实际计算了天津市的技术进步水平,证明了该方法的有效性．     

中性粒细胞分布的分形研究

将分形引入血膜中中性粒细胞分布的研究，揭示出中性粒细胞分布服从多重分形，建立了中性粒细胞的ｆ（ａ）－ａ谱，探索了分形在医学检验工作中的应用。     

基于GPS弹道测量的卡尔曼滤波参数估计算法

为提高基于GPS定位的弹道辨识方法的实时性和可靠性,提出了一种以弹道微分方程四阶龙格库塔数值积分预测作为状态量递推的卡尔曼滤波弹道参数估计算法,并针对卫星接收机有粗大误差或失效情况对方法进行了改进. 利用卫星信号模拟器和C/A码GPS接收机构建半实物仿真系统对算法进行验证,该方法的弹道参数估计误差是GPS接收机正常工作时测量误差的30%～40%;且能在GPS接收机出现异常时继续给出接近实际的估计值.     

基于神经网络的一类非线性系统参数估计

基于Ｈｏｐｆｉｅｌｄ神经网络的神经计算原理，提出了一类非线性系统的参数估计方法：首先将系统参数估计问题转化为以系统模型残差平方和为目标函数的优化计算问题，然后利用连续Ｈｏｐｆｉｅｌｄ神经网络的神经计算估计待辨识参数．数字仿真结果表明，该方法不仅算法简单，而且估计精度高．     

EMX对鸡中性粒细胞吞噬能力的影响

将临床健康的6周令鸡随机分成3组,即EMX饮水组、EMX静脉注射组和未处理的对照组,每组30只。实验进行40 d后,用直径0.81μm的乳胶颗粒做中性粒细胞吞噬能力测定。结果表明:EMX静脉注射组中性粒细胞对乳胶的吞噬率为72.80±4.33;EMX饮水组58.55±4.15;对照组的吞噬率为35.47±4.0。EMX注射组、EMX饮水组的吞噬率显著高于对照组(P<0.01)。说明EMX能提高鸡中性粒细胞的吞噬活性和非特异性免疫功能。     

动态系统参数估计的一种新方法

分析了利用Ｈｏｐｆｉｅｌｄ神经网络进行系统参数估计的基本原理，把参数估计问题转化为Ｈｏｐｆｉｅｌｄ网络的能量函数的最小化问题．当能量函数达到最小值时，Ｈｏｐｆｉｅｌｄ网络的输出即为待估计的参数值．仿真实验证明了该方法的有效性．     

PHA对MDS患者中性粒细胞功能的影响

PHA在体外能显著提高MDS患者中性粒细胞碱性磷酸酶活性及吞墨能力。两者阳性百分率和积分的增加均与PHA的用量呈正相关，表明PHA能促进MDS患者的中性粒细胞进一步分化成熟。     

金黄色葡萄球菌对中性粒细胞粘弹性的影响

采用微管吸吮技术研究了中性粒细胞在外源病原微生物金黄色葡萄球菌刺激而免疫激活状态下的粘弹特性及不同的细菌浓度对中性粒细胞粘弹性的影响。同时以标准线性固体模型对实验数据进行了拟合。结果表明：中性粒细胞免疫激活后的粘弹性参数K1、K2、μ与对照组比较均显著增高，但随着细菌浓度的提高而表现出饱和效应；用金黄色葡萄球菌分泌物（培养液）处理中性粒细胞后，其粘弹性参数与对照组比较没有显著差异。     

基于神经网络集成的IRT参数估计

针对统计方法难以解决小样本条件下项目反应理论（IRT）项目参数问题,提出了运用广义回归神经网络（GRNN）集成对小样本条件下项目参数进行估计的方法,运用计算机模拟的方法产生项目参数的真实值,根据双参数逻辑斯蒂模型得到被试的反应矩阵。运用经典测验理论方法得到项目难度和区分度的统计量,将其作为神经网络的输入,以模拟产生IRT的项目参数作为网络的输出,对GRNN进行训练。并且对30个神经网络加以集成,将它们在测试阶段得到输出值的平均值作为IRT参数的估计值。结果表明,神经网络集成可以得到比统计方法和单个神经网络更好的参数估计结果。     

基于变压器参数修正的变电站状态估计

常规变电站状态估计中电压或无功的误差普遍比较大,其中一个原因是模型的参数不准确．通过变压器参数引入状态量或同时引入状态量及量测量的方法,来建立变电站状态估计的模型,并对这2种模型及权值变化对状态估计精度的影响进行分析,得到如下结论：如仅将参数作为状态量而不加约束,可以使实际量测量的估计精度大幅提高,但导致参数估计值误差过大;只有将参数同时作为状态量和量测量,并对权值进行适当调整,才能兼顾实际量测量和参数的估计精度,得到更有实用价值的状态估计结果．     

动力学参数估计的频域方法

本文讨论以谱估计为基础的动力学参数估计方法。它一般包括两步估计算法．即首先由线性系统的输入－输出信号估计其谱密度函数．再由第一步得到的频率响应数据估计系统的传递函数参数。文中从统一形式的性能指标出发，选用不同的加权项而导出不同的频率特性曲线拟合算法，如线性化算法、迭代法、非线性最优化方法以及基于若干基本环节的顺序迭代算法。文中还介绍了这种算法的几个应用实例。这种频域方法适用于一般线性系统的实验建模．具有通用性。     

基于改进微粒群算法的非线性系统模型参数估计

将改进微粒群优化算法用于非线性系统模型参数估计,并通过对三种典型的非线性系统模型参数估计进行验证。实验结果表明:改进微粒群优化算法参数估计精度高,是一种有效的参数估计方法。     

Pareto杂波模型的参数估计性能研究

对于服从Pareto分布的杂波,采用一二阶矩估计法和xln(x)估计法存在分布参数的有效估计范围受限的问题。基于xrln(x)估计法进行估计,推导出形状参数的有效估计区间为(r,+∞)。在此基础上,利用负数阶矩估计的思想进一步提出x-1ln(x)估计法,使形状参数的有效估计范围扩大到(0,+∞)。仿真实验表明,x-1ln(x)估计法将形状参数的有效估计范围扩大到整个取值区间。和其他几种估计法的估计性能相比,x-1ln(x)估计法的运行速度更快,在区间(0,1)上的估计性能更好,在实际工作中的应用范围更广泛。     

基于自适应粒子群算法的重油热解模型参数估计

通过构造一个合适的目标函数,将化工模型参数估计问题转化为一个多维数值优化问题,然后提出一种参数自适应调整和维变异的改进粒子群优化算法来求解该问题。该算法首先利用佳点集方法初始化种群以保证粒子的多样性。惯性权重和学习因子随进化过程自适应调整,从而协调算法的全局和局部搜索能力。为了避免算法陷入局部最优,对收敛度最小的维进行变异。几个标准测试问题的实验结果表明该算法具有较强的全局寻优能力。最后将改进粒子群算法应用到重油热解模型参数估计中,并与基本遗传算法（SGA）和粒子群优化算法（SPS0）进行比较。研究结果表明：本文得到的平均相对误差为5．62％,比SGA和SPSO分别低1．08％和0．50％。     

ARCH(0,p)模型的参数估计

ARCH模型中的未知参数很多,本文利用Monte Carlo最优法对ARCH(0,p)模型和ARCH(0,1)模型中的未知参数进行估计。     

基于改进进化策略的线性参数估计方法

针对线性回归模型,在最小二乘意义下,提出一种基于改进进化策略的线性参数估计方法并用仿真实例检验其有效性.该方法是将进化策略与最小二乘法相结合并且对算法中的变异算子作了相应改进.算法参数估计精度较高,收敛速度快,自适应性强,能有效处理线性回归参数估计问题.     

基于频率微分属性的跳频信号参数估计

提出了一种基于跳频频率变化微分属性,能够估计跳周期、跳变时刻和跳频频率的特征参数方法.与传统平滑伪维格纳分布最大值序列算法相比,该方法增强了跳变时刻信号检测的可靠性,提高了参数估计的精度.仿真结果和性能分析表明了算法的有效性和实用性.