关于对数正态分布参数极大似然估计的讨论

利用图解法研究了由EM算法得出的有数据删失情况下对数正态分布参数的极大似然估计,得到了在Matlab中利用迭代算法计算参数估计值的方法.     

非矩形探测器阵列在相向运动中的成像优势分析

针对一种非矩形Retina-like探测器进行建模与仿真,研究其相向运动过程的模型.在不同场景及不同模糊度条件下对Retina-like探测器及矩形探测器的图像进行质量评价,不同的评价参数均表明Retina-like探测器在相向运动过程中的成像质量优于矩形探测器,具有抗辐射状模糊的效果,在相向运动过程中有明显的优势,为探索高速相向运动成像过程中的非矩形探测器面阵设计提供帮助.     

统计数据质量检查与异常点识别的模型与方法

证明在社会经济系统中,反映研究对象规模大小的统计数据近似服从对数正态分布。基于此,提出对这类数据的质量进行检查和评价,对数据中的异常点进行识别的对数正态分布检验法。     

对数不等式的证明、推广及应用

证明了基本对数不等式,并将其推广得到了几个新的对数不等式,然后应用对数不等式证明其他不等式.     

POLSAR图像杂波L分布建模及其参数估计

基于乘积模型的杂波统计建模是进行高分辨极化合成孔径雷达(POLSAR)图像非均匀区域杂波统计特性分析的有效方法,其核心在于纹理分量随机分布的类型选择.广义伽马分布(GΓD)是一种普适性很强的分布类型,Weibull分布、伽马分布、逆伽马分布等都是GΓD分布的特例,因此基于GΓD分布的图像乘性杂波建模既满足杂波建模的高精度要求,同时成为各种雷达杂波辨识的有效工具.本文首先推导了服从GΓD分布的随机变量的高阶矩特征及其对数累积量(MLC),利用纹理分量服从GΓD分布情形构建了乘积相干斑模型,得到了适用于POLSAR图像处理的L分布杂波多视处理的协方差矩阵的概率分布函数,同时推导了其高阶矩特征及其对数累积量,提出了基于对数累积量的L分布参数估计新方法.针对样本数较少的情况下对数累积量参数估计失效问题提出了基于混合矩(MME)的参数估计方法来解决.然后给出了不同分布的高阶矩和对数累积量,通过二三阶对数累积量关系图辨析了常用分布与L分布的内在关系,得到了L分布是目前乘积模型中适用范围较为广泛的统计分布的结论.最后用仿真数据验证了理论推导的正确性,并将基于对数累积量的参数估计方法与已有方法进行了比较,结果证明新参数估计方法具有更高的估计精度和运算效率;另外,还用实测数据进行了统计模型检验,其结果验证了理论推导的正确性.极化SAR中多视图像L分布杂波的统计建模及其参数估计方法为极化SAR目标检测和识别等领域的新技术研究提供了新手段.     

土的地震液化概率评估模型

基于278个土的地震液化或非液化实测数据,运用二元回归方法推导出两个对数模型.这两个模型将液化概率表示成地震荷载和土阻力参数的函数,以修正的标准贯入锤击数来量度土的抗液化能力.文中将所提出的对数模型与确定性液化判别标准进行了比较,并将模型应用于典型场地的分析.结果表明,所提出的两个对数模型能客观地评价数据中的相关信息,可直接量化基于统计数据的条件液化概率.     

基于聚类分析和区间判断矩阵AHP的群组评价

把区间模糊数的一些基本理论引入到AHP群组评价中,并利用聚类分析方法来确定专家权重系数,得到一种便捷的群组评价算法。最后结合实例,对该方法具体的应用作了介绍,根据该算法计算的结果合理、准确。     

关于Lebesgue-Nagell方程x2+D=y p的一个注记

作者利用两个对数的线性型上界估计以及Bilu, Hanrot和Voutier关于本原素因子的深刻结论, 得到了Lebesgue-Nagell方程x2 +a2=y p的解的比较精确的上界, 给出了求该类方程的解的计算方法, 并利用pari /gp软件求出了当a < 2000时该方程的所有解.     

基于E1Gamal体制的代理签名

基于ElGamal体制，本文提出了一个代理权有时间限制的代理签名方案．约束了代理签名者的权利，使代理签名者不能随意使用代理权。并在离散对数难解的假设下．分析了方案的有效性和安全性，证明该方案满足可验证性、不可伪造性、保密性、健壮性、完善性等特点．     

一个对数障碍函数方法(英文)

对数障碍函数方法是文献中非常流行的求解不等式约束优化问题的序列无约束优化方法.众所周知,对数障碍函数在线性规划与线性半定规划的内点方法中起着重要的作用.但是,在传统的对数障碍函数方法的收敛性分析中,往往要求要精确求解子问题或障碍函数的梯度要满足一苛刻的条件,这导致在实际计算中耗费大量的计算量.为克服这一缺点,笔者给出求解约束优化问题minx∈n+f(x)的一个对数障碍函数方法.该方法根据对数障碍函数的梯度的范数校正惩罚参数,不需要精确求解每一对数障碍函数的极小点.这一惩罚参数的校正规则保证在求解子问题时只迭代少数的几次,而不需要障碍函数的梯度满足苛刻的条件.我们给出该方法的性质并证明了方法的全局收敛性.