大坝变形分析的模糊似然推理方法

作为模糊似然推理方法的扩展，在多输入因子情况下，推演出水位、温度、时效因子交替固定或变化而似然推理大坝位移的规则，并以刘家峡大坝的水平位移为例，导出了模糊演算预测模型。     

应用模糊神经网络反演大坝弹性模量

根据大坝实测位移资料，应用模糊神经网络反演坝体和坝基的弹性模量，其中两种水位下的位移的水压发量差值作为网络输入矢量，待求的坝体和坝基的弹性模量作为网络输出矢量，计算结果表明，应用模糊神经网络反演大坝弹性模量，具有精度高、速度快的优点。     

大坝位移BP网络模型影响因子的优选

大坝位移影响因子中最优影响因子的选择,将直接影响到大坝的变形预报,将不同相关系数法引入到大坝位移重要影响因子的选择中,进行对比分析,基于BP神经网络进行预报与分析,得到大坝位移影响因子的优选法。     

关于一维模糊随机变量的极大似然估计方法

研究一维模糊随机变量情形总体未知参数的极大似然估计的两种方法——扩张原理法与随机集的可积选择法．在模糊观测条件下,定义了Kwakernaak-Knrse-Meyer型模糊随机变量情形的模糊参数的极大似然估计量及Puff-Ralescu型变量情形的模糊参数的边缘极大似然估计量．得到了它们的存在条件,一致性条件及其相关性质．     

新的模糊似然函数

模糊似然函数是刻画两个模糊集之间相似程度的重要工具，众多学者给出了多种形式的计算方法，但由于实际问题的复杂性，有些方法在某些情况下会产生违反直觉的结论．首先就闫德勤在2001年建议的方法进行讨论，然后证明了一个引理，提出一种新的模糊似然函数，其本质是由模糊集合间l^p距离导出的贴近度．与相关公式比较，发现它们能导出相同的模糊熵，最后给出一个它在模式识别中的应用实例．     

基于模糊C均值聚类改进的最大似然分类法

基于参数密度分布模型的最大似然分类法(MLC)是遥感影像经典分类方法之一,它具有清晰的参数解释能力、易于与先验知识融合和算法简单而易于实施等优点,但是由于遥感数据具有高度的模糊性和随机性,使得贝叶斯(Bayes)判别函数中的均值向量和协方差矩阵很难准确确定。因此首先利用模糊C均值聚类得到模糊划分矩阵,然后基于模糊划分矩阵计算出每一个聚类类别模糊均值和模糊协方差矩阵,并利用模糊均值和模糊协方差矩阵来代替贝叶斯判别函数中的均值向量和协方差矩阵从而建立一个新的判别函数,最后与传统的最大似然分类结果进行比较,结果表明改进后的最大似然分类法在总体精度、Kappa系数均优于传统的最大似然分类方法。     

INARS(p)模型的拟似然统计推断

用拟似然方法对p阶基于符号伯努利稀疏算子的整值时间序列模型参数进行估计,得出了参数修正的拟似然估计因子以及该估计因子的极限分布(可以用此极限分布对模型参数进行假设检验等统计分析),并通过数值模拟,将修正的拟似然估计与条件最小二乘估计进行了比较,结果表明,修正的拟似然估计在一定条件下明显优于条件最小二乘估计.     

信息分类中的一种模糊技术

把模糊交互熵和模糊似然函数的性质应用到模式聚类中，从而为模式聚类增加了新一种方法；最后给出安德林（IRIR）数据实验对比情况。     

伽玛分布环境因子的极大似然估计和Bayes估计

针对伽玛分布位置参数已知情形,给出了伽玛分布环境因子的极大似然估计,并给出了伽玛分布环境因子的Bayes估计.用Monte-Carlo法进行数值模拟,数值模拟结果表明伽玛分布环境因子的Bayes估计优于极大似然估计.     

多元统计中因子分析的模型识别法

论述了因子分析模型参数的极大似然估计法和公因子最佳个数的ＡＩＣ识别法，从而为公因子个数的选一提出了更有效的方法。     

混凝土面板堆石坝模糊有限元变位分析

考虑堆石材料邓肯E-B模型中试验参数的模糊性，将堆石材料参数K、n、Pf、Kb、m设为三角模糊数，采用模糊有限元法计算分析了模糊数不同水平截集下混凝土面板堆石坝的模糊位移场，研究结果表明，堆石材料参数的模糊性对于坝体变位影响很大，设计中不能忽视。另外，用模糊有限元计算混凝土面板堆石坝的坝体变位，计算成果包含大量信息，从中不仅可以得到某点位移的变化范围，还可以得到位移为某一取值时的隶属度，从而为面板堆石坝设计和大坝的安全性判别提供重要参考。     

完全极大似然估计与分步极大似然估计

得到了完全极大似然估计的一个重要性质和线形模型、指数分布、均匀分布的完全极大似然估计和分步极大似然估计，并与矩估计和极大似然估计进行比较，结果表明了完全极大似然估计和分步极大似然估计的优良性。     

基于软似然函数的直觉模糊多属性决策方法

为解决传统似然函数中结果值受极端数据影响及无法全面反映决策者偏好程度等问题,本文提出基于软似然函数的直觉模糊多属性决策方法。首先,针对具有不确定性的多属性决策信息,利用直觉模糊集表示模糊信息,对不确定的属性信息进行统一描述,构建了一个直觉模糊环境下的多属性决策问题。其次,通过引入态度特征识别决策者的主观偏好,考虑幂有序加权平均算子下各属性间的支持度,从而确定属性权重,在此基础上采用基于软似然函数的多属性决策算法对多个概率证据进行有效聚合。实验结果表明,所得软似然函数值更趋近于线性变化,不仅能更好地软化加权值,反映决策者的偏好信息,而且能在一定程度上减弱极端数据对结果产生的影响。     

论信息熵和似然函数的极值关系

给出似然函数与熵函数的关系式，得出熵极大时，似然极小；似然极大时，熵极小的结论。     

双参数Rayleigh分布的参数和环境因子的统计分析

针对定时截尾试验的弊端提出了一个新的寿命试验方案,基于试验数据得到了似然函数,但运用极大似然法不能得到尺度参数的解析表达式.利用EM算法讨论了Rayleigh分布的可靠性问题,并根据缺失信息原则计算了Fisher信息矩阵.利用极大似然估计(MSE)的渐近正态性,推导出环境因子的渐近置信区间.运用Monte Carlo方法对估计的平均相对偏差(ARE)、均方误差(MSE)进行了模拟计算,并讨论了样本量对估计精度的影响.结果表明,尺度参数和环境因子的极大似然估计的ARE随样本量增大而减小,都具有大样本性质.     

自适应模糊神经网络在大坝安全监控中的应用

将模糊理论和神经网络理论相结合,建立了一种自适应模糊神经网络模型,应用于大坝安全监控领域,并针对某一混凝土重力坝水平位移实测值建立自适应模糊神经网络监控模型,计算结果表明,其预报精度优于常规的统计回归模型。     

气动光学效应退化图像循环迭代复原算法研究

为了从湍流序列退化图像中有效地去除模糊、抖动等气动光学效应，提出一种基于内外循环迭代的湍流退化图像复原新算法．该算法利用多帧湍流退化图像，建立了一个基于航天图像随机场概率模型的联合对数似然函数．通过极大化该对数似然函数，推导出了基于内外循环交替求解目标图像及各帧点扩展函数的迭代关系，据此可将目标图像和各帧点扩展函数同时估计出来．在微机上进行了复原实验，实验结果表明该算法能用多帧图像获取目标图像和点扩展函数的最佳联合估计，可有效地去除模糊、抖动等气动光学效应．     

非线性观测算子的集合卡尔曼滤波的改进

在带有线性观测算子的集合卡尔曼滤波中,对预报误差方差阵比较客观的调整是用与时间相依的因子对其进行膨胀调整,然后用极大似然方法去估计膨胀因子.若观测算子是非线性的,新息的似然函数不易表示,从而膨胀方法不能直接套用.我们通过对非线性观测算子的线性逼近,得到似然函数的近似表达式,进而实现对预报误差方差阵的膨胀调整.数据模拟表明这种方法预报精度更高,更加稳健,效果远好于传统的非线性集合卡尔曼滤波方法.     

定时截尾情形下 Ｂｕｒｒ Ⅻ分布的参数估计及其检验

在定时截尾情形下，讨论了 Ｂｕｒｒ Ⅻ分布的形状参数、可靠度和失效率的极大似然估计，给出了极大似然估计的表达 式，证明了极大似然估计的相合性和渐进正态性，并给出它的近似区间估计和假设检验公式，最后进行了参数估计的数值模 拟。 结果表明:形状参数的极大似然估计效果良好。     

基于神经网络的最大似然空间信号参数估计

本文主要研究了用Hopfield神经网络实时实现最大似然多信号源空间参数估计方法。报传统最大似然信号参数估计的理论和Hopfield连续状态神经网络特性后，给出了一种实现最大似然空间参数估计模型，该神经网络模型的模拟实验结果表明，用Hopfield网络实时实现的信号参数估计方法具有与传统的最大似然参数估计法拥有同样的理论分析结果。