具有随机偏差的最优多段卡尔曼估值器

提出了具有随机偏差的最优多段卡尔曼估值器。针对状态模型与观测模型同时具有偏差且偏差模型噪声与状态模型噪声相关的情况 ,给出了具有随机偏差的状态方程的增广状态 ,并通过U V变换对卡尔曼估值器的协方差矩阵解耦得到了最优多段卡尔曼估值器。结果表明 ,多段卡尔曼估值器不仅是最优的 ,而且降低了计算的复杂度     

建立系统科学基础理论框架的一种可能途径与若干具体思路(之七)——离散动力系统的密度演化与序列的信息结构

本文是总题目下的第七篇。全文的总目的是试图从现代物理、分子物学与脑神经解剖等学科领域的最新实验事实，以及相应的前沿理论领域围绕着演化概念研究的展开所获得的已有理念与成就为基础，按照“由大爆炸理论所描述的物理世界之最初情景出现以来，世界物质总是在其不同时空点具体结构状态下的几种基本相互作用属性形成的制约机械造成的物质——能量结构与分布仍非完全平衡态势的推动下，不断地一层一层完成其全方位整体性进一步精细平衡结构，实现其该层次从无序到有序的起伏演化——这一总体自然法则”的认识主线，提出一种建立系统科学基础理论的定性定量框架思路与若干细节方法。文中对相互作用、进化、演化、适应性与复杂性等概念进行了分析，对突变、分歧、吸引子、混沌、协同、分形等基于此种理论作了一种较为直观的诠释。同时，也将论及所谓信息的本质与其人本意义下的价值概念，特别是她与非线性的密切关系等。当然，这一切均还是初步的，尽管其中的一部分我们也已经获得了一些较为严谨的结果。     

基于模糊逻辑系统的组合大系统自适应观测器设计

针对一类非线性不确定组合大系统，利用模糊逻辑系统具有充分逼近连续函数的性质，分析和研究了这类系统自适应状态观测器设计问题，并在较弱的假设条件下，证明这种观测器与被控系统状态间的误差及各参数估计误差一致终极有界。最后的仿真实例说明了本文所提出方法的有效性。     

雷达视频信号实时模拟器的一种通用结构

提出一种雷达视频信号模拟器的通用模块化结构 ,采用高性能的计算机和通用数字信号处理器构成 ,降低上层算法和底层硬件之间的关联程度 ,使得系统具有良好的通用性和实时性。讨论了在模块化设计中需要注意的主要问题 ,并以某脉冲多普勒雷达的模拟器为例 ,对这种结构进行了具体说明。但由于雷达信号处理的特点 ,模拟器还不能很简易地实现仿真能力和功能的扩展 ,这是有待解决的问题     

一种基于模型共享的半监督多标签图像学习法

提出一种快速且有效的半监督多标签学习方法:模型共享半监督推举。该方法能发现、共享并组合多个基模型,每个基模型是在某个标签上利用半监督支持向量机(S3VM)上学习的。通过使用模型共享,标签关联被显示地利用且对于每个标签来说只需要少量的基模型即可生成最后的决策结果。在Corel5k和Mediamill数据集上评估方法,实验结果显示的方法与当前流行的监督和半监督多标签学习方法是可比的。     

存款准备金率变动对股市影响的实证研究

运用VAR模型的G ranger因果检验和脉冲响应函数分析研究了中央银行存款准备金率变动对沪深300指数的影响,并通过方差分解分析前者对后者的贡献度。得出的结论是存款准备金率变动对股市波动在短期内存在一定负方向的影响,股市波动对存款准备金率则无影响。但在长期内,存款准备金率变动对股市影响很小。最后在此基础上提出相关的货币政策的建议。     

基于单元重用机制的轻量化建模算法

给出了一种在三维模型中发现所有外形相同的模型单元并重用这些单元来构造轻量化模型的新方法。该方法不仅能有效地区别相同几何顶点而拓扑不同的模型单元,并且通过对模型单元进行对称不变性变换及其它优化处理,使相同单元的对齐效果和处理效率得到了进一步的提升。采用的体素化匹配方法对于PCA协方差矩阵退化情况具有鲁棒性,不需专门处理,并可以精确且高效地比较两单元。实验结果表明,该方法相比其他方法可以寻找出更多的可重用单元,速度上平均提升20倍左右,因此本方法在效果与效率上均好于已有的同类算法,并且很好的应用于模型轻量化。     

从系统科学角度探究“哲学始于惊讶”的本质

从柏拉图、亚里士多德开始就认为哲学始于惊讶,但对此问题的研究仍比较粗浅。惊讶是广泛的,它是获得智慧的人脑机能基本过程。惊讶的本质是人脑内思维非简单和的涌现。从系统科学角度探究哲学始于惊讶的丰富本质,使哲学作为智慧和一般知识的关系有一个新角度的认识。     

灰关联分析在机械设备故障诊断中的应用

本文着重介绍了灰关联分析的有关理论及其在机械设备故障诊断中的应用,实践证明,该方法简单、计算量小、诊断结果可靠.     

一种新的基于策略的联盟分析方法

针对多方冲突现象 ,分析比较了传统联盟分析的不足 ,提出了一种新的基于策略的联盟度量方法 ,新方法在计算机编程以及分析多局中人、多策略的大规模冲突模型方面有独到之处 .