度量空间中的拟近标准点及度量空间的非标准完备化

研究了度量空间中的拟近标准点和度量空间的非标准完备化.在K-饱和的非标准模型下.采用非标准分析方法,提出了度量空间中的拟近标准点的定义,得到了非标准度量空间中的点是拟近标准点的充要条件是它属于某一个标准点的每一个*-开球,证明了度量空间的非标准完备化恰是该空间的非标准扩张中拟近标准点集的商空间.     

空间机械臂直接驱动、挠性的输入成型控制

针对空间环境和空间任务的特殊性,以空间机械臂模拟实验系统为研究对象,利用空间机械臂动力学模型,设计了脉冲输入成型器.它借助输入成型技术的前馈控制方法,有效地消除机械臂完成跟踪运动的余振动,实验证明:该系统的运动状况能够满足控制系统的要求.     

利用辛空间的子空间构作dz-析取矩阵

分组测试在医学、工业、统计等领域都有许多实际应用,近年来人们借助于复形理论、图理论、专门模型、信息渠道和容错估算来研究它.介绍了分组测试的基础知识和文章中符号的含义,利用有限域上辛空间里的子空间构作了dz-析取矩阵并证明了它的若干性质.     

面向分布式GIS的多Agent系统模型

将Agent技术应用到分布式GIS的建设中来,分析了分布式GIS中Agent的分类与结构,设计和实现了一个面向分布式GIS的多Agent系统模型Geo-Agents,给出了其通讯模型、体系结构和分布模型,并探讨了它的应用:空间信息导航和空间决策支持系统.     

型空间与模型空间

在著名的Morley定理的证明中,M.Morley第一次对型空间中的点(即型),按其拓扑特性进行了分类,于是,将拓扑的思想和方法引进模型论的研究中。本文则从另一个角度,即从讨论模型的空间结构着手,得到关于型空间,以及与此关联的模型空间的几个结果。最后,对在Morley理论中曾起重要作用的一类模型、(即其型空间有稠孤立点集)得到一个刻划定理,它无疑地推广了R.Vaught定理.     

低信噪比的空间谱估计通道幅相误差校正算法

针对低信噪比情况下空间谱估计算法性能下降的问题,建立了低信噪比的阵列误差模型.该模型不仅考虑了通道幅相误差对接收信号的影响,还考虑了它对接收机通道噪声的影响.利用该模型提出了一种通道幅相误差校正算法,该算法结合阵列接收数据自相关矩阵的特征值分解和迭代方法,可以在低信噪比情况下准确求得阵列通道幅相误差,使得高分辨率的空间谱估计算法能够很好地应用于毫米波热辐射阵列接收系统.最后通过仿真和实验验证了所建立的阵列误差模型和算法的正确性和有效性.     

面向人脸表情分析的表情空间模型

首先对人脸表情的特点进行分析,给出了表情空间的定性描述.在此基础上,提出了一种兼有离散情感空间模型和连续情感空间模型特点的新的表情空间模型.为了验证该模型的合理性,利用Gabor小波特征和主分量分析方法结合混合高斯模型在人脸表情数据库JAFFE上进行了实验.对不同表情的分布规律进行了实验分析,实现了对表情空间的定性/定量描述.实验结果表明,提出的人脸表情空间模型能够对日常人脸表情进行恰当的表达.     

一种基于信息几何的支持向量回归模型选择新标准

针对现有模型选择标准无法对支持向量回归(SVR)模型选择过程给出明确几何意义的弱点,提出了一种基于信息几何理论的模型选择新标准.它将模型空间看成是一个流形,将模型复杂度等价于其所能覆盖的概率分布个数,模型拟合度则视为样本的真实分布与模型分布之间的分散度,由此直观地解释了SVR的求解过程,并明确了模型选择的几何意义.     

颜色空间转换的模糊神经网络辨识算法

为了提高颜色在不同成像设备之间传递的准确性,以RGB颜色空间与CIE L*a*b*颜色转换为例,提出采用颜色空间转换模糊模型将输入颜色空间划分为多个子空间,在子空间内采用神经网络模型对输入值进行输出,利用神经网络优化颜色空间模糊转换模型,得到了基于模糊神经系统的颜色空间转换模型.研究结果表明,该模型转化精度相对于单一的颜色空间模糊转换模型有很大提高,并解决了BP神经网络颜色空间转换模型由于空间采样点数目过多而引起的训练难度增加问题.     

循环竞争引起的集合种群时空波

在集合种群框架下研究了循环竞争关系.基于Tilman的多物种竞争模型和均匀场假设,建立了三物种循环竞争的Lavins型集合种群模型.在局部扩散的假设下,依据马尔科夫过程理论建立了概率转移模型.解析分析和计算机模拟的结果表明Lavins型模型表现出阶段性平衡动态,即特定的时刻只有一个物种在群落中占有绝对数量,但很快就被它的优势物种取代,这样三物种轮流处于优势地位;概率转移模型却呈现出在时间和空间上的混沌动态行为,模拟结果表现为一种螺旋生物波;这说明局部扩散可以弱化竞争引起的种群振荡,引起空间分布的异质性,同时表明Lavins型集合种群模型可能低估了物种共存的条件.     

粒度支持向量机学习模型

粒度支持向量机(Granular Support Vector Machine,GSVM)是以粒度计算理论和统计学习理论为基础的一种新的机器学习模型,它可以有效地克服传统支持向量机(Support Vector Machine,SVM)对于大规模数据集训练效率低下的问题,同时也可获得较好的泛化性能.文章针对原空间的GSVM模型进行了分析,提出了核空间的GSVM学习模型,在标准数据集上的实验说明了文中提出模型的有效性.     

基于串空间的Kao Chow加密协议形式化验证

Kao Chow加密协议是由Kao和Chow提出的,他们利用BAN逻辑证明了该协议的认证性,但没有证明该协议的保密性,而且没有说明协议参与实体间得到的新会话密钥是否一致.事实上,由于BAN逻辑自身的缺陷,它无法用于证明加密协议的保密性.基于此,给出了Kao Chow加密协议的串空间模型,这个模型不仅验证了该协议的认证性,还验证了它的保密性及新会话密钥的一致性.     

我国城镇居民收入与消费的半参数空间计量分析

本文利用半参数空间回归模型分析了我国2009年31个省市的居民收入与消费的关系,并将分析结果与普通线性回归模型、空间滞后回归模型和空间误差自回归模型的分析结果做了对比.结果表明半参数空间回归模型可以更好地刻画空间效应.     

非线性模型空间非线性平差模型的处理方法

讨论了参数效应非线性贡献因子的处理方法.基于真误差的定义,给出了GMSE的定义,以此为基础,提出了以新的平差准则-GSMSE为基础的非线性平差模型的综合处理方法.作为实例,在非线性模型空间,借助迭代技术,研究了非线性回归模型的解,并对线性模型空间与非线性模型空间的解进行比较.表4,参8.     

一类CML模型的拟序和湍流性态研究

提出了一类系统的耦合映象格点(CML)模型,和现有的同类模型相比,它具有适宜描述物理分层耦合的功能,从而便于分析主动、从动的耦合系统.空间上,它具有描述物理随机交换机制的功能,它既适宜弱耦合也适宜于强耦合系统.时间上,它具有描述随机现象机制的功能.我们分析了物理因子如随机耦合、相位、振幅等所起的作用,研究了局部耦合方式和相变形式对于系统性态的影响,计算了刻画系统性态的一些定量指标,并对于系统的湍流态的演化规律进行了分析.     

基于子空间辨识的焦炉集气管压力控制

针对焦炉集气管压力具有多变量、耦合、时变性等特点,设计焦炉集气管压力增量式在线子空间多变量预测控制策略.在增量式子空间预测控制的基础上,引入滚动窗口子空间辨识方法,设计子空间预估器模型的更新策略,实现了在线子空间自适应预测控制.应用在线子空间辨识方法对焦炉集气系统现场数据进行辨识,取得了较好的预测精度;利用子空间预估器模型进一步建立焦炉集气系统的状态空间模型,在考虑输入约束、模型时变和干扰的情况下,该模型表现出了很好的控制精度和性能.     

空间天气定量化预报系统的设计与实现

 空间天气模型系统是在特定的模型计算框架下,对多个空间天气模型进行封装集成,实现对空间天气定量化分析功能的系统.为加强模型间联系,提高模型预报应用水平和国内空间天气预报能力,设计实现了针对中国空间天气模型的系统——空间天气定量化预报系统.该系统采用以计算框架为核心,模型服务组件、可视化服务组件、数据管理服务组件为支撑的思想进行架构设计,提供对5大空间区域模型的高速计算环境,实现模型的封装集成,并以多种可视化形式对计算结果进行丰富的展现.系统具有高效的业务调度和数据传输能力,有效提高了系统运行性能、预报效率和科研用户的交互体验.     

用于密码协议安全性证明的串空间模型

形式化分析是密码协议安全性证明的一个有效途径。串空间模型是在Dolev-Yao代数模型的基础上,结合Woo-Lam模型、CSP、Schneider秩函数和Paulson归纳法等方法的优点所提出的一种新的密码协议形式化模型,它可为密码协议安全性的证明提供新的方法。文章介绍了串空间模型的研究背景,分析它的架构和特点,综述有关研究工作,并分析其进一步的研究趋势。     

一种新型并联工作台的空间分析

为了避免六自由度并联机构存在的制造成本高、工作空间与外形尺寸比不合理等缺点,提出了一种新型四自由度并联工作台.工作台的工作空间是衡量其性能的重要指标,因此必须要对它的工作空间进行分析.首先对工作台进行了运动建模,并在模型上建立坐标系,然后利用旋转矩阵找出工作台的动平台和机架之间的关系.从而推导出动平台四个铰链相对于机架的坐标,根据这些坐标和杆长的关系写出工作台工作空间的运动学方程,最终可以得到并联工作台的运动空间正解.     

基于元胞自动机模型的城市空间变化模拟研究进展

元胞自动机(CA)是一种时间、空间、状态都离散,空间的相互作用及时间上的因果关系皆局部的网格动力学模型,其“自下而上”的研究思路,强大的复杂计算功能、固有的平行计算能力、高度动态以及具有空间概念等特征,使得它在模拟空间复杂系统的时空动态演变方面具有很强的能力.在城市空间动态变化的模拟研究方面,CA模型已应用到除非洲、南极洲的所有大洲的城市模拟研究当中.CA模型和G IS的集成,一方面增强G IS的空间模型运算及分析能力,另一方面,G IS提供的强大空间处理能力可以为CA模型准备数据和定义有效的元胞转换规则以及对模拟结果进行可视化.同时CA模型还可以与神经网络、主成分分析、遗传算法、模糊逻辑以及其他研究方法相结合,以增强其在城市空间变化模拟研究方面的能力.将CA与MAS技术相结合,建立一个能够模拟多个不同参与因子(自然系统)、不同决策者(人文系统)共同影响下的城市发展模型,以此来模拟与预测城市发展的真实状况,将是CA模型在城市空间变化模拟与预测研究中的未来发展趋势.