CDMA中干扰消除多用户检测器的研究

基于统计分析方法,导出了传统并行干扰消除检测器(PIC)、部分干扰消除检测器(P-PIC)和最小均方误差检测器(MV-PIC)的输出均值和方差. 结果表明:与传统PIC检测器比较,P-PIC检测器降低了软判决量的均值和方差的偏差;选择恰当的部分干扰消除系数,可以使MV-PIC的输出均值增大、方差减小、误码性能优于PIC检测器.     

灰色数列预测在我国税收预测中的应用

准确预测税收总量,对于有效地进行市场经济条件下的宏观调控有着重要的意义。定性分析了我国1992到1997年的税收数据,引入了均值生成算子对原始数据进行处理,建立了GM(1,1)模型,从而发现、掌握税收数据的变化规律,并对未来数据进行了定量预测。为了充分利用新信息,进一步提高预测精度,对数据进行了新陈代谢,再次建模预测。结果表明,用GM(1,1)模型对税收数据进行预测,不仅所需样本小、信息少,而且建模简单,具有很好的预测精度。     

基于多维伪F统计量的基因表达动态聚类分析方法研究

K-均值聚类分析算法是一种广泛应用于基因表达数据聚类分析中的迭代变换算法，它通过指定类别数K-基于给定的聚类目标函数，并采用迭代更新的方法，使得最终的聚类结果的目标函数值为极小值，达到较优的聚类效果。针对K-均值聚类分析算法存在参数依赖性强，且在整个聚类过程中类的数目无法改变的缺点，引入动态调整聚类个数的思想和多维伪F统计量，提出了一种基于多维伪F统计量的基因表迭动态K-均值聚类算法。实验结果表明该算法可以动态调整聚类个数，给出最佳聚类数目，从而获得较好的聚类质量．     

基于遗传-模糊聚类的说话人识别方法及其仿真研究

利用遗传算法的全局收敛性及模糊C-均值（FCM）聚类强大的局部寻优能力，提出了一种基于遗传-模糊聚类的说话人识别方法。对说话人的训练语音数据进行遗传-模糊的软聚类分析，从而得到分类中心的全局最优解，作为每个说话人的语音模型，最后利用最大总平均隶属度函数准则对待识别语音进行模糊聚类识别．除此之外，使用自适应参数增加遗传算法的局部搜索能力。实验结果表明，这种算法克服了传统硬聚类的缺点，避免了FCM对初值敏感及容易陷入最小值的缺陷，使聚类更加合理，更好地描述了说话人的语音特征。     

漂移的南极大陆

距今2亿多年前的侏罗纪时期，南极大陆是与现今的南美洲、非洲大陆、马达加斯加、新西兰、澳大利亚和印度大陆连为一体的冈瓦纳古大陆。古大陆以南极大陆为中心，大约在1．8亿年前开始分裂．经过数次分离并逐渐漂移，南极洲大陆形成并移到现今位置。     

L-函数一个新的偶次加权均值

利用三角和估计,特征和估计与解析方法研究了广义二次Gauss和的二次方与偶次DirichletL-函数的加权均值。     

基于均值场理论和马尔可夫场的运动目标分割算法

研究了基于均值场理论和马尔可夫场的运动目标分割方法.该算法先对帧差图像进行简单的前背景划分,再采用均值场理论(MFT),建立马尔可夫随机场(MRF)模型,构造系统相应的能量函数.然后通过求取最大后验估计(MRF-MAP),即求最小能量函数,得出标记场,提取运动目标.实验结果证明:该算法能够很好地消除噪声,对运动目标分割具有较好的分割效果.     

两种评价方法在评价微污染水体中的比较

针对水环境质量的均值污染指数评价方法的缺点,提出了利用活性污染指数法来评价微污染水体环境.并用此方法对吉林省白城市的微污染水体进行了分析.并与均值污染指数法进行了比较,效果显著.     

基于模糊神经元网络的信息融合模型

为了解决对象是庞大数据的复杂的工业生产过程的建立模型困难的问题,提出了基于势场拓扑的层次聚类算法和模糊c均值聚类算法融合,结果表明:通过两次聚类算法的融合,获得精确的聚类个数和隶属度,以此来确定模糊神经网络的结构模型,并将得到的隶属度作为依据,建立基于多判据信息融合和模糊技术构建神经元网络模型,通过对实际地下开采生产过程的仿真,结果验证了模型的有效性。该成果对煤矿开采具有一定的参考价值和指导意义。     

最佳均值-VAR投资组合问题的研究

（Value at Risk)是一个在当前的金融市场条件下，各种不同的风险测量一个确定投资的获利的重要方法，近年来，套利研究被用来开发这种风险的可行方法，文中提出VAR估计并提出新问题，假设给定一个可接受的VaR，如何确定一组给定证券的组合投资撮大收益，并且同时满足VaR的约束条件，假设市场条件是变化的，如何在保证的投资组合下，在给定的VaR范围内，获得一个投资重组（重新平衡）策略，使其在一系列投资组合中相应的收益最大，为了解决这些问题，采用并进一步开发了一种算法来进行这些投资组合的优化问题。