完整的最小二乘递推算法及其对跟踪与预报的应用

借助广义逆矩阵的理论，本文分别就一般加权情形、最优加权情形和指数加权情形，给出了无需事先提供待估计量的任何初始统计知识而能获得严格意义下的所谓完整的最小二乘递推(PRLS)算法。应用这种算法，分别得到了某些线性系统的无差和无偏状态估计以及机动目标多模型跟踪与预报(MMTP)算法。     

基于灰色系统与神经网络的航材消耗广义加权函数平均组合预测模型研究

建立了航材消耗的灰色系统预测模型与神经网络预测模型，同时给出了一种新的具有广泛代表性的组合预测模型－－广义加权函数平均组合预测模型及其加权系数的参数估计方法，并利用此方法建立了基于灰色系统与神经网络的航材消耗广义加权函数平均组合预测模型，最后以实例说明了其预测效果。     

串行级联CPM的一种简化状态SISO迭代译码算法

对串行级联CPM系统进行分析，提出一种简化状态软输入软输出APP算法．它基于状态分集的RSSD思想，与其他简化状态SISO算法相比，具有更为一般的形式．该算法能够成倍地减少状态数目，简化运算复杂度，并且利用判决反馈减小简化状态网格的Euclid距离损失．分析与仿真结果表明对于SCCPM系统，合适的简化方案可以带来较小的性能损失。     

浅议语码输入与外语教学

本文介绍了Krashen输入假说中的语码输入,根据语码输入的原则和方式,提出利用有限的课堂教学发挥语码输入的最大功能来提高外语教学水平、促进外语语言习得.     

就C语言scanf函数格式中输入项的讨论

scanf函数是C语言中最常用且功能最强的输入函数,但使用时经常因为scanf函数格式中的输入项出错(需要加“&”时不加,不需要加“&”时反倒加了),为了更准确地使用“&”,本文从实例入手讨论输入项为什么必须写成变量的地址或字符串的首地址(字符数组名)的问题,以使读者真正理解“&”的含义,从而正确、有效地使用。     

串行生产线模型及面向拥塞的自适应路由算法

串行生产线，可描述成极大代数下的一个线性系统，这个模型也适用于ATM及其他基于速率的通信系统. 针对基于速率这一特点，采用周期输入作为系统的控制方法，讨论了系统的利用率、稳定条件和阻塞情况, 并以此为基础，设计了一个算法，把路由选择、资源分配和流量控制集合在一起构成一个闭环结构，真正地实现了自适应，从而解决了网络拥塞和资源利用不平衡的问题，并有效地控制了抖动.     

基于像素特征的路面裂缝图像自适应滤噪

分析了破损路面图像的像素点区域特征，针对不同区域提出加权邻域滤波和自适加权中值滤波算法。其权值是通过对图像中区域特征的推理得到的，所以算法中能根据图像的区域特征自适应的进行滤波。试验表明，本算法能够有效滤除噪声，并具有很好的细节保护能力。     

基于神经网络的船舶稳性预报研究

为省略船舶稳性计算中横摇阻尼以及船舶阻力等参数的复杂计算过程,提出一种采用径向基函数(RBF)神经网络对第二代完整稳性失效概率预报的方法.研究包括过度加速度、瘫船稳性以及骑浪/横甩3种失效模式.通过研究船舶相关参数对各失效模式失效概率的影响,确定采用RBF神经网络对每种失效模式进行预报时输入特征的选取,从而降低训练时长.使用训练后的网络对样本船稳性进行预报,采用均方误差和平均绝对百分比误差对预报结果进行评估.对3种失效模式预报结果的平均绝对百分比误差分别为6.49%、7.09%、5.70%,均小于10%,表明采用RBF神经网络可较为精准地对船舶稳性进行预报.