定数截尾下三参数BurrI分布参数估计的优良性与渐近性

研究BurrI分布族形状参数的一致最小方差无偏估计(UMVUE)、以及在刻度平方损失下的Bayes估计和参数型经验Bayes(PEB)估计.在均方误差(MSE)准则下比较UMVUE与PEB估计的优良性.给出了参数的PEB估计相对于它的Bayes估计的大样本性质,并获得其收敛速度o(n－1).对参数PEB估计的置信区间进行了数值模拟分析.     

入射夸克的能量损失效应

借助4套典型的束缚核子部分子分布函数和3种夸克能量损失的表达式,对核Drell-Yan过程中的微分截面比进行了领头阶的唯象分析,确定了入射夸克单位长度的能量损失值dE/dL=(1.21±0.09)GeV/fm.研究结果表明:采用线型的夸克能量损失表达方式和平方型的能量损失表达方式计算所得的核Drell-Yan过程微分截面比的理论曲线无明显差别;与采用的部分子分布函数的类型无关,来自于低能量入射粒子束的实验数据排除了动量分数型的能量损失表达方式.     

基于通道注意力与空洞卷积的胸片肺气肿检测算法

胸片中的肺气肿检测算法在临床辅助诊断中具有重要研究意义.针对已有算法缺乏特征通道筛选能力,特征图感受野较小易受局部组织噪声干扰,以及难易样本不均衡等问题,提出了一种基于通道注意力与空洞卷积的胸片肺气肿检测算法EDACD.首先,利用通道注意力模块构建了具有通道选择能力的特征提取网络SE-ResNet及特征金子塔网络SE-...     

邻近分裂方法的线性收敛问题分析

由于尺度参数已知,将伽玛Γ(θ,1/2）中参数θ的先验分布同样令为伽玛分布,在不同的损失函数下讨论了伽玛分布族Γ(θ,1/2）参数θ的Bayes估计,并用自适应的Simpson法近似计算反常积分,通过数值模拟得出了相应的估计值,对所给估计结果的优良性进行了分析比较.     

含污染控制的多车型随机交通系统最优收费及其评价

针对车辆特征的差异, 将用户按车型分为有限类,用户依据出行成本随机选择出行路径.为了达到合理分配流量和减少排污的目的,交通管理者按车型对用户收取拥挤税和污染税.通过建立多车型随机变分不等式模型,得到了包含拥挤税和污染税的依车型的最优收费,最后提出了基于效率损失的政策评价指标. 数值试验表明:随着环保强度加大, 系统总污染逐渐下降, 评价指标有效.     

基于前景理论的风险型混合多属性决策方法

针对考虑决策者给出期望信息的风险型混合多属性决策问题,提出一种基于前景理论的决策分析方法.依据前景理论的思想,首先将决策者给出的各属性期望作为参照点,然后通过计算清晰数、区间数和三角模糊数三种形式属性值相对于参照点的收益和损失,分别建立了风险收益矩阵和风险损失矩阵,在此基础上,依据前景理论计算每个方案的综合前景值,并根据综合前景值的大小进行方案排序.最后,通过算例说明了提出方法的可行性.     

城镇化进程中土地资源生态破坏经济损失

随着城镇化水平的提高,土地资源的生态破坏加剧,造成了巨大的经济损失.根据土地资源生态损失的特点,可将其分为有效生态损失、环境损失和恢复费用3部分,并分别研究了这3部分损失的评估原则和技术,提出了土地资源生态破坏经济损失定量化的模式.对重庆市万州区的研究表明:万州区1996-2001年城镇化过程中土地资源破坏的总生态损失为34 469.96万元,占2001年GDP的4.70%,总体上土地破坏的经济损失是不断增大的,因此,城镇化建设导致的土地生态破坏问题是不容忽视的.     

电能量损失监控系统的研究与应用

从分析用户的非法用电情况入手,设计了一种新的电能量监测系统,并详细介绍了它的工作机理.该系统采用DSP技术、通讯技术和数据库技术,能够及时反映出用户的用电情况并对非法用电进行及时补偿,具有实时性、可靠性和实用性等特点.     

向量损失函数下均值向量线性估计的可容许性

在向量损失函数下,讨论了模型(H)EY=XβCovY=Xdiag(β1,β2,…,βn)X′中估计均值向量时,齐次线性估计在L1={LY:L为元素均为非负的k×n矩阵}中的容许性,及非齐次线性估计在L2={LY C:L为元素均非负的k×n矩阵,C为k维元素均严格非负的列向量}中的容许性,并获得了相应的充要条件.     

基于深度卷积神经网络与中心损失的人脸识别

传统人脸识别方法手工设计特征过程复杂、识别率较低,对于开集人脸识别通用深度学习分类模型特征判别能力较弱。针对这两方面的不足,提出了一种以分类损失与中心损失相结合作为模型训练监督信号的深度卷积神经网络。首先,利用构建的应用场景数据集优调从公共数据集获得初始化参数的深度人脸识别模型,解决训练数据过小和数据分布差异问题,同时提高模型训练速度;然后,以传统损失函数和新的中心损失作为迁移学习过程中的监督信号,使得类内聚合、类间分散,提高模型输出人脸特征的判别能力;最后,对人脸特征进行主成分分析,进一步去除冗余特征,降低特征复杂度,提高人脸识别准确率。实验结果表明,与传统人脸识别算法相比该算法可以自动进行特征提取,并且相对于通用深度学习分类模型该算法通过度量学习使特征表示更具判别力。在自建测试集和LFW、YouTube Faces标准测试集上都取得了较高的识别率。