基于ANN模型和HPSO算法的数控机床可靠性分布模型研究

针对数控机床可靠性研究过程中,由于可靠性数据较难收集导致可靠性分布模型不唯一的问题,采用ANN模型对收集到的少量可靠性数据进行扩充,扩充后的数据采用K-S检验法进行分析以确定可靠性数据模型,同时在求解确定可靠性分布模型参数过程中,将混合粒子群优化(hybrid particle swarm optimization,HPSO)算法引入极大似然估计中,解决其在小样本数据下求解某些复杂分布模型时易陷于局部最优解和求解效率低的问题.实例分析结果表明:采用混合粒子群算法求解可以在求解效率和收敛性性能上达到较好的平衡,比较所有的求解模型结果,经过ANN模型扩充后的2重3参数威布尔分布的相对均方差最小,其值为0.0425,说明利用该方法求解数控机床的可靠性分布模型是可行的,而且能够获得较精确的结果.     

考虑协变量的相关多响应稳健优化设计

研究了协变量之间以及多响应之间同时存在相关性的问题,考虑了多响应的最优性与稳健性,提出了基于主成分分析与似然不相关回归相结合的方法解决含有多个协变量的多响应稳健设计问题。该方法分析了决策者在协变量概率取不同阈值的情况下,将相关多响应优化问题转化为求解相应情况下的综合满意度函数最大值的问题。并结合具体的实例进行分析研究,结果表明了本文所提出的方法能够有效地解决此类多响应稳健设计问题。     

拓扑矢量空间内一类新的双水平广义混合平衡问题解的存在性（英文）

在拓扑矢量空间内引入和研究了一类新的双水平广义混合平衡问题.使用一极小极大不等式,在相当温和的条件下,对这类双水平广义混合平衡问题建立了解的存在性定理和讨论了解集性质.这些结果是新的,并推广了这一领域的某些最近结果.     

基于最大期望算法的多时变信号DOA估计方法

当多个辐射源同时存在并交替发射信号时,接收数据间相互交错,且多个数据间并无显性关联,无源合成阵列每一次测量仅能获取来波的频率、幅度与相位等数据信息。为了同时、高效地实现多个参数的联合估计,提出采用最大期望算法进行估计多个时变信号参数估计的新方案,将一个高维多参数优化问题分解成多个并行的低维问题进行求解。该方法主要包含求解期望值步骤和期望值最大化两个步骤。求解期望值步骤主要建立接收信号与其辐射源的对应关系,即信号分选,而期望值最大化步骤采用最大似然方法估计辐射源的入射角信息。这两个步骤相互迭代,交替进行辐射源信号的分选与测向。同时,还推导出无源合成圆阵相位差数据的最大似然方法进行入射角的精确估计的闭合形式解,并通过接收信号的复数响应进行相位模糊解算,并推导出测向精度的理论下限。最后,通过数值仿真结果验证了该方法的有效性。     

重复所致多种修辞格的象似性阐释

语言与现实同构,刻意重复所致的各种修辞格就是其典型体现之一.基于“现实-认知-语言”这一认知原则,辅以象似性中的距离象似性、顺序象似性、数量象似性、标记象似性、句式象似性等,来就因重复而产生的回文、花园路径、夸张、排比、连珠、双关等手法的产出和理解进行认知语用阐释,能更好佐证言语确实与现实同构.     

一般似变分包含解的Ishikawa型扰动迭代算法

引入和研究了一类新的包含非凸泛函的一般似变分包含问题．首先使用由Ｄｉｎｇ和Ｌｏｕ提出的η近似映象技巧证明了一般似变分包含问题与一个不动点问题是等价的；其次建立了这一般似变分包含问题解的存在唯一性定理；最后提出和分析了对解该问题的Ｉｓｈｉｋａｗａ型迭代算法，并讨论了这种算法的收敛性．本文结果包含了该领域某些近期结果作为特殊情形     

完全样本下Weibull颁极大似然估计的存在唯一性

本文给出了完全样本下Ｗｅｉｂｕｌｌ分布的极大似然估计的存在唯一性的一个新的证明。所用方法对于其它若干类型数据仍然有效。     

ATM网络中输出过程的自相似特性

建立一个有限缓冲区的单服务器模型，证明了在队长有有限二阶矩的条件下，输出过程具强渐近二阶自相似性质与输出过程具强渐近二阶自相似性质等价。     

正七边形与单形的位似距离

引进了与凸体间Banach—Mazur距离相关的位似距离的概念，证明了平面上正七边形与其面积最大内接单形之间的位似距离近似为2．0489。     

似然率在法庭语音取证中的应用研究

数字语音技术的快速发展,给人们生活带来更多的舒适,但给社会的安全提出了新的挑战。基于数字语音的犯罪逐年递增,语音证据的研究备受关注,除了DNA外,其他证据的鉴定主要表现为同一认定、否定排除和倾向性意见等。目前简单的肯定或否定鉴定,很大程度上置换了取证科学工作者与法官的角色,存在很大的弊端,常出现错案冤案。国外一些学者在评估语音证据时引入基于贝叶斯理论的似然率方法。本文归纳总结目前法庭语音话者识别评估方法,重点介绍贝叶斯理论下的似然率评估体系,归纳其优缺点,并展望未来发展趋势。