密度演化方法在概率分布估计中的应用研究

利用密度演化方法，提出了随机变量概率分布估计的一个新方法．在此方法中，构造一个与基本随机变量相关的虚拟随机过程，使得基本随机变量成为该随机过程的截口随机变量．利用独立随机抽样的样本值，即可获取虚拟随机过程的瞬时概率密度函数，进而获得随机变量的概率密度函数估计．以约束混凝土极限应变的试验与理论预测值之比值为例，进行了概率密度函数估计．     

纵向污染数据半参数回归模型中的强相合估计

研究了一类纵向污染数据的半参数回归模型，并在更切合实际的情况下，建立了模型参数和回归函数的估计方法，在适当的条件下，证明了所建立的估计量均具有强相合性。     

尾部指标估计中的阈值选择

本文研究如何用较好的方法选择一个适当的阈值，计算尾部指标的Hill估计，然后加以比较，并以美元对日元的汇率为例，说明方法的使用．     

一种LFMCW雷达目标距离提取方法

在阐述FFT方法、最小二乘曲线拟合方法和雷达信号特点的基础上,将BP网络应用于线性调频连续波雷达系统目标距离的信号处理中,用雷达数据对构造的BP网络进行了训练和测试。仿真结果表明,该方法在训练对象足够充分的情况下可以适应较大范围内测量,在无噪或低噪声的情况下,可以获得较高的测量精度,是一种对LFMCW系统信号处理的有效方法。     

一类周期性热传导方程的边界元数值解法

引入周期性热传导方程混合边值问题的基本解矩阵，得到边界积分方程和边界变分方程。利用Soblev空间的性质，给出边界元近似解的误差估计。本文结果消除了常规边界元计算中边界积分方程的区域积分项。     

基于期望最大化加速算法的正交频分复用信道估计

针对基于期望最大化（EM）迭代算法的正更频分多路复用（OFDM）信道估计方法复杂度高、收敛慢，严重制约OFDM的传输速率的缺陷，提出了一种基于EM加速算法的OFDM信道估计方法．该方法基于拟牛顿加速算法，并结合一种带调整参数的Broyden对称秩1校正公式来实现，具有二次收敛性，提高了EM的计算速度，降低了计算复杂度．仿真结果表明，相比于空间选择期望最大算法，在性能损失只有0．1dB的情况下，EM算法的复杂度得到很大的降低，且其计算速度可提高十几倍．     

Cohen-Grossberg神经网络的指数稳定性

研究了Cohen-Grossberg神经网络模型的指数稳定性．运用非线性测度方法证明了神经网络平衡点的存在性和惟一性，接着通过构造一个新颖的Lyapunov泛函，得到了神经网络指数稳定的全新充分条件，并给出了解的指数衰减的精确估计．与已有文献相比，文中给出的条件更为宽松且易于验证．     

一种考虑数据截尾的非参数软件可靠性模型

通过分析数据截尾对软件可靠性模型的影响，建立了一种考虑数据截尾的非参数软件可靠性模型，为的是克服一般参数模型假设约束过紧的问题，并能在估计失效率的同时估计残存缺陷数．同时，提出了基于非参数统计的软件失效率单调下降性检验方法，在加权核函数估计中引入数据截尾率作为加权系数和优化参数，并用失效率单调下降约束下的加权核函数方法来估计失效率和残存缺陷数．模拟试验和实例分析表明，所提模型可以较好地处理截尾数据，给出残存缺陷数的合理估计，其失效率估计精度较高，不低于较好的传统模型．     

基于滑动概率神经网络的早期故障诊断

针对机电设备早期故障难以识别的问题，提出了一种动态的概率密度估计方法——滑动概率神经网络，用以跟踪分析测量信号的概率密度变化过程，及时发现早期故障．该网络以固定不变的抽样集作为第一层，动态滑动的测量信号作为样本层，通过求和层得到抽样集的条件概率密度估计，将样本层内测量信号的概率密度动态地投影到统一的抽样集上．将网络分解成以测量值为中心的子网络，来实现网络的递归运算，并且利用高斯函数的快速衰减特性或使用分段线性函数近似高斯函数，从而提高了网络的计算实时性．通过压缩机喘振过程数据的应用实例，表明该方法能够有效识剐故障的早期征兆．     

非参数计量经济模型的变窗宽核估计

在随机设计(模型中所有变量为随机变量)下,提出了非参数计量经济模型的变窗宽核估计,并利用概率论中大数定理和中心极限定理,在内点处证明了它的一致性和渐近正态性.它在内点处的收敛速度达到了非参数函数估计的最优收敛速度.