线性模型中回归系数广义岭估计的相对效率

对于Gauss-Markov模型,给出了回归系数的广义岭估计相对于最小二乘估计的几种相对效率的上、下界,并讨论了它们之间的相互关系.     

物种间不确定性相互关系分析: 一种基于非参数估计的变系数模型

物种间相互作用的研究通常假定物种间相互作用具有某种固定的模式, 因此线性或者非线性参数回归模型(如指数分布或者logistic 模型)被广泛用来描述物种间的相互作用.然而, 这些模型假定了相互作用关系物种之间具有特定响应函数, 而这个假设可能并不适用于真正的生物群落, 如物种间相互作用关系随不同环境变化的混沌系统. 为了用一个更精确的方法来描述这种关系, 我们以榕树-榕小蜂为模式系统, 建立了一个变系数分析模型进行物种间相互关系的分析. 在这个模型中, 用非参数估计方法分析物种间相关系数如何随其他变量(函数)的变化而变化. 当其他因素对相关系数的影响效应可以用一个指定的参数模型来描述时, 新方法就会转化为传统的参数相关分析. 对于经验数据的分析, 新方法更具有普遍性和灵活性, 其与传统方法不同之处在于我们可以研究物种间的相互作用是否会随着某些因素变化而变化, 或者找出维持或改变物种间的相互作用其他关联因素. 这种方法在理论研究和应用研究(如流行病学和群落管理)领域都有着重要的应用价值.     

平衡损失函数下Rayleigh分布参数的Bayes估计

在平衡损失函数下,得到了Rayleigh分布参数的Bayes估计,并讨论了一类c(-T)+d(其中(-T)=1/nn∑i=1X2i)形式估计的可容许性和不可容许性.     

欧拉和的新证明

借助类比的数学思想,利用根与系数的关系及函数项级数一致收敛的概念,给出欧拉和的几种新的证明方法.     

基于M-ANFIS-PNN的目标威胁评估模型

目标威胁评估的目的是根据目标的属性和状态信息对目标的威胁程度进行定量估计,为后续作战决策提供辅助支持。现有威胁评估模型大多依赖于数值信息,难以有效处理包含定性、定量数据的目标特征信息。基于此,提出一种改进的自适应模糊神经推理系统模型。在自适应模糊神经推理系统的基础上,引入前件影响矩阵和后件影响矩阵对定性数据进行处理,使得定量、定性数据的影响同时作用于模糊规则的前件参数和后件参数;为了进一步提高模型的输出精度,将自适应模糊神经推理系统的输出层替换为多项式神经网络;通过基于Gower距离的近邻传播聚类算法对改进模型进行结构辨识,确定模糊规则的初始参数。仿真实例验证了所提方法的有效性与可行性,与其他混合属性数据建模方法相比,所提方法具有较高的预测精度,可为作战指挥决策提供有效的辅助支持。     

基于共形阵的角度和极化信息联合估计算法

针对复杂载体上共形阵列存在多极化接收和遮挡效应的问题,本文提出一种基于方向图矩阵重构导向矢量的改进极化多重信号分类(multiple signal classification, MUSIC)算法。首先对共形天线阵列进行建模,在获取各个阵元的方位和俯仰分量方向图数据后,将方向图数据分解并重构阵列的导向矢量矩阵,最后结合极化MUSIC算法进行波达方向(direction of arrival, DOA)和极化参数联合估计。相对于理论导向矢量的极化MUSIC算法,本文所提改进算法在解决了遮挡效应的同时具有更高的估计精度,并可有效降低运算量。仿真实验结果验证了这一结论。     

多传感器全局最优加权观测融合Wiener信号滤波器

基于Kalman滤波,应用加权观测融合方法,对于带白色观测噪声的单通道ARMA信号,提出了全局最优多传感器观测融合Wiener信号滤波器。可统一处理信号融合滤波、平滑和预报问题。同集中式规测融合方法和分布式状态融合方法相比．不仅可获得全局最优Wiener信号滤波器,而且明显减小计箅负担,便于实时应用。一个三传感器加权观测融合仿真例子说明了其有效性。     

自校正信息融合Kalman预报器

对含未知噪声统计的多传感器系统,用现代时间序列分析方法,基于滑动平均（MA）新息模型的在线辨识和求解相关函数矩阵方程组,可在线估计噪声统计,进而在按矩阵加权线性最小方差最优信息融合准则下,提出了自校正信息融合Kalman预报器。证明了它的收敛性,即它具有渐近最优性,且自校正融合Kalman预报器比每个局部自校正Kalman预报器精度高。一个目标跟踪系统的仿真例子说明了其有效性。     

板状结构上的流体附加质量、附加刚度和附加阻尼系数

研究刚性矩形框内板状结构的流固耦合影响。基于粘性流理论推导出多层叠层板状结构和刚性矩形框内的流体动压近似理论解析表达式。得到系统的附加质量系数、附加刚度系数和附加阻尼系数。结果表明流体的耦合系数与板间距相关：附加质量系数与板间距的大小成正比;附加刚度和附加阻尼系数与板间距的立方成反比。     

CRT显示器色空间变换方法的比较

分别采用多项式拟合、三维查找表和神经网络方法,建立CRT显示器设备颜色空间RGB与输出CIEXYZ色空间的非线性对应关系。完成了设备颜色显示的特征化。对两个常用的显示器进行了实验,并进行色差分析,比较三种方法的精确度。实验结果表明。对常用显示器的特征化,多项式拟合的方法精度较低;曼维查找表和神经网络技术可以满足精度要求,其中神经网络方法最具优势,GIELab平均色差为0．23-3．71。