递归方法在窗宽选择上的应用

在未知总体分布的情形下,给出密度核估计中选择窗宽的一个新方法,并在选取高斯核的情形下,推导出计算窗宽的递归公式。最后通过与理论窗宽值比较,说明使用该递归方法选择最优窗宽是非常有效的一个途径。     

基于正弦映射的动态递归网络产生混沌序列实现方案

提出了应用正弦映射来产生混沌序列，正弦映射是结构简单的一维映射，通过对此映射的分析，得出其能在较大参数范围内产生混沌，并且产生的混沌序列具有较大的Lyapunov指数，具有比较丰富的动态特性，并将其引入到动态递归网络的隐含层作为非线性甬数，选择合适的网络权值，便可在输出层产生具有复杂动力学行为的混沌序列．通过对此序列进行Lyapunov指数和相关性的仿真分析，得出其具有良好的随机性，可应用于混沌保密通信等领域．     

利用串/并联神经网络建立化学反应器模型

本文研究使用线性动态神经网络与非线性的静态网络相结合的混合建模方式解决复杂非线性系统的建模问题。使用混合神经网络建模，可以降低单个网络的训练难度，基于此，也可将非线性系统控制策略的求解分解，转换为线性系统的求解。从而改善使用单一神经网络建模存在的精度不高以及训练时间长等不足，也为非线性系统控制策略的求解提供方便。本文以一个典型多变量系统——连续搅拌釜式反应器（CSTR）作为仿真对象，详细研究和实现了两类神经网络串联和并联的混合建模方法，并对结果进行了比较。     

函数列的收敛与一致收敛

本文通过收敛与一致收敛的概念研究,用函数列的收敛与一致收敛关系讨论数学分析中收敛问题,这也为函数列的收敛与一致收敛问题的深入研究提供了一种方法。     

基于多支持向量机的软测量模型

在许多工业过程控制系统中，软测量技术由于解决了输出变量难以测量的问题而被广泛应用。软测量技术的核心问题是建立优良的软测量数学模型，支持向量机（SVM）以其优良的泛化特性而被应用到建立软测量模型中。基于多个模型的组合可以提高模型精度和鲁棒性的思想，提出多支持向量机（MSVM）组合模型的软测量建模方法．该建模方法通过减聚类方法将输入空间划分为一些小的局部空间．在每个局部空间中用最小二乘支持向量机（LS-SVM）建立子模型．为解决子模型相互之间的严重相关问题，提高模型的精度和鲁棒性，各个子模型的预测输出通过主元递归（PCR）方法连接．仿真研究表明，采用该建模方法能够达到较好的建模效果。     

雷达组网中联合数据关联与偏差估计方法研究

针对雷达组网目标跟踪系统中,单雷达系统偏差严重影响多雷达航迹数据关联及融合跟踪质量的问题,提出了一种联合数据关联与系统偏差估计的方法。该方法利用对雷达系统偏差不敏感的新特征量———目标参照拓扑对多雷达航迹进行自适应的预关联,然后根据关联质量选择可靠的关联航迹对作为雷达系统偏差估计的先验信息,最后应用递归最小二乘算法进行偏差估计,估计结果可为预关联过程提供依据。在无需外界提供关联先验信息的情形下,该方法实现了对静态系统偏差的在线估计,从而可以进行及时的校准,保证了后续数据处理的有效性,具有很高的工程应用价值。仿真结果表明了该方法的有效性。     

"达·芬奇密码"——黄金分割与分形几何学

随着电影<达·芬奇密码>全球热映,这本2004年风靡全世界的小说在两年后又一次席卷全球,成为人们谈论的焦点.作者丹·布朗(Dan Brown)借用悬念叠生、跌宕起伏的情节,揭露了天主教会为稳固信仰根基,对历史真相和人类信仰进行无情的隐瞒和欺骗.小说借用伟人达·芬奇的几幅传世巨作,将暗含其中的历史真相--耶稣妻子摸大拉以及耶稣血脉的故事展示给读者,这些巨作隐含的惊天秘密,称之为"达·芬奇密码".     

一种新型径向基函数神经网络学习算法：递归正交最小二乘法（ROLS）

径向基函数神经网络在很多领域得到了成功的应用。但迄今为止仍没有一种有效的方法来确定隐层中心数目，笔者将递归正交最小二乘（ROLS）方法引入RBFNN建模训练，利用ROLS算法训练网络后所得的有用信息，采用后向选择算法，逐步去掉那些使网络残差增加最小的中心，在得到网络有效中心的同时，还满足了精度要求，从而大大简化了RBF网络结构，节约了大量的存储空间以及计算量。仿真和实验结果表明该方法是有效而实用的。     

利用计算机求解Hanoi塔问题

本文对著名的Hanoi塔问题利用递归关系设计出算法，在计算机上用C 编码实现，并对它的算法复杂度进行了分析。     

屏蔽同轴圆柱分层介质的静态格林函数

针对屏蔽同轴圆柱分层介质结构，给出格林函数的一般解析解，这种解以级数的形式来表示，具有形式简单可应用到任意多层介质的特点，公式的推导是通过先给出分层结构中含待定系数无穷级数的格林函数通式，然后利用边界条件与源条件，得到层与层之间的递归关系进而求解这些系数，这样的解为分析屏蔽同轴圆柱分层介质结构提供了一种新的有效工具。