一种确定IFSP中迭代次数下限的算法

提出了一种求解带概率的迭代函数系统（IFSP）中迭代次数下限的自动算法,该算法基于一个基本假定,从给定的多个压缩仿射变换矩阵的谱半径入手,先分别求出每一个压缩仿射变换收敛到其对应的不动点时的迭代次数,然后根据每一个压缩仿射变换使用的概率即可计算出IFSP中迭代次数的下限．理论分析和实验计算结果表明,提出的算法能有效地确定IFSP中迭代次数的下限,且在保证分形图质量的同时避免了不必要的计算开销,为快速生成高质量的分形图提供了一种有效的方法．     

具有投资收益的双险种双复合Poisson-Geometric风险模型的破产概率

本文研究了保费过程和索赔过程均为复合Poisson-Geometric过程的具有投资收益的双险种双复合Poisson-Geometric风险模型,利用概率论中的期望理论和切比雪夫不等式,得出此模型的调节系数不存在。在将干扰因素考虑进来后,得到了调节系数和破产概率的表达式。     

联合功率域SPMA协议的动态阈值算法

针对基于优先级概率统计的多址接入(statistic priority-based multiple access, SPMA)模式协议在高负载情况下战术信息的碰撞概率十分严重, 网络性能无法满足协同攻击要求的问题, 本文借鉴非正交多址接入技术在功率域上区分同时同频信号的思想, 改进SPMA协议信号发送机制与多优先级检测机制, 在原有的时域、频域基础上引入功率域, 提出一种联合功率域的SPMA协议性能改进策略。并针对各优先级数据包到达率的动态变化场景, 设计动态阈值算法, 以达到降低碰撞概率, 提升网络吞吐量的目的。仿真结果表明, 采用该改进策略与动态阈值算法可以使网络承载更大的业务流量, 提高网络吞吐量。     

基于作战环的不同节点攻击策略下的作战网络效能评估

基于作战环思想, 以作战网络抽象模型为基础, 围绕作战环的分类、定义、形式化描述、数学模型等基本问题开展了理论研究, 进一步丰富了作战环理论体系。同时, 以能否快速有效打击对方目标实体为根本依据, 建立了基于目标节点打击率和基于目标节点打击效率的作战网络效能评估指标。通过仿真实验, 将作战环相关理论运用于不同节点攻击策略下的作战网络效能评估, 为实际作战体系对抗中双方的攻击与防护提供应用指导, 也为进一步开展基于作战环的作战网络应用研究提供参考借鉴。     

岩土力学参数概率分布的推断方法研究综述

岩土力学参数的概率分布推断是岩土工程可靠性分析的关键步骤之一,选择和建立输入参数的概率模型直接影响可靠性最终的计算结果和精度.介绍了不同情况下确定岩土参数概率分布的各种推断方法和研究进展,主要包括小样本情况、较大样本及大样本情况、存在先验分布和现场有限小样本情况下的推断方法.详细介绍了笔者最近在这一领域内所做的工作,希望对这一领域内的研究工作起到一定的推动作用.     

基于概率图的作战任务智能规划方法

针对人工调配作战资源及规划方案效率低下的问题,本文提出一种基于概率图的作战任务智能规划方法,通过统计分析判定任务间因果关系,采用GNN抽取任务中的关键事件构建概率图并计算任务规划方案成功的概率,进而基于时间序列方法预测战场态势变化,实现辅助指挥员智能决策。最后,本文在某联合登岛案例中开展了方法验证,结果表明,所提出的方法可成功实现任务规划并具有可解释性,可实现对战场态势变化的预测和快速响应,在战场上为军队提供强有力的支持。     

Forecast Combination and Bayesian Model Averaging: A Prior Sensitivity Analysis

In this study we evaluate the forecast performance of model‐averaged forecasts based on the predictive likelihood carrying out a prior sensitivity analysis regarding Zellner's g prior. The main results are fourfold. First, the predictive likelihood does always better than the traditionally employed ‘marginal’ likelihood in settings where the true model is not part of the model space. Secondly, forecast accuracy as measured by the root mean square error (RMSE) is maximized for the median probability model. On the other hand, model averaging excels in predicting direction of changes. Lastly, g should be set according to Laud and Ibrahim (1995: Predictive model selection. Journal of the Royal Statistical Society B 57 : 247–262) with a hold‐out sample size of 25% to minimize the RMSE (median model) and 75% to optimize direction of change forecasts (model averaging). We finally apply the aforementioned recommendations to forecast the monthly industrial production output of six countries, beating for almost all countries the AR(1) benchmark model. Copyright © 2011 John Wiley & Sons, Ltd.     

基于离散时间风险模型下的亏损破产概率的研究

新定义离散时间风险模型下的亏损破产概率为初始盈余u,亏损额度不大于y的破产概率。利用离散时间风险模型下的终时破产概率的计算规律,得到初始盈余水平在不同条件下的亏损破产概率的具体表达形式,并且数值模拟了一定条件下不同参数取值对亏损破产概率的影响情况,数据表明当亏损边界固定时,随着初始盈余水平的增加,亏损破产概率水平逐渐减小;当初始盈余水平固定时,随着亏损边界的增加,亏损破产概率水平逐渐增多。     

The genomic basis of the Williams – Beuren syndrome

The Williams-Beuren syndrome is a genomic disorder (prevalence: 1/7,500 to 1/20,000), caused by a hemizygous contiguous gene deletion on chromosome 7q11.23. Typical symptoms comprise supravalvular aortic stenosis, mental retardation, overfriendliness and visuospatial impairment. The common deletion sizes range of 1.5–1.8 mega base pairs (Mb), encompassing app. 28 genes. For a few genes, a genotype-phenotype correlation has been established. The best-explored gene within this region is the elastin gene; its haploinsufficiency causes arterial stenosis. The region of the Williams-Beuren syndrome consists of a single copy gene region (~1.2 Mb) flanked by repetitive sequences – Low Copy Repeats (LCR). The deletions arise as a consequence of misalignment of these repetitive sequences during meiosis and a following unequal crossing over due to high similarity of LCRs. This review presents an overview of the Williams-Beuren syndrome region considering the genomic assembly, chromosomal rearrangements and their mechanisms (i.e. deletions, duplications, inversions) and evolutionary and historical aspects. Received 11 July 2008; received after revision 15 October 2008; accepted 16 October 2008     

基于Kriging模型与重要性抽样的可靠性灵敏度分析

针对因无法获得功能函数的梯度信息而不能使用解析方法的情形,提出了进行可靠性灵敏度分析的高效的仿真方法,首先基于Kriging模型和重要性抽样去计算失效概率,然后通过记分函数(score function)方法求出失效概率对各个参数的偏导数。在计算失效概率时采用反问题(inversion problems)中的不确定性逐步减少(stepwise uncertainty reduction)准则来更新功能函数的Kriging模型,继而在重要性抽样的框架下将失效概率表示成一个"增大"的失效概率与修正项的乘积;而记分函数方法只是对前面抽样方法的一个简单后处理,不需要计算额外的功能函数值.对所提方法使用算例验证表明:当功能函数为昂贵的计算模型或对系统(非单个构件)进行灵敏度分析时,该方法具有较高的计算效率和精度。