高斯哥本哈根获奖论文及其对内蕴微分几何学的贡献

运用文献分析研究和数学史比较研究方法,分析了高斯哥本哈根获奖论文产生的历史背景及其对内蕴微分几何学的贡献．结果表明,高斯完成于1822年12月的获奖论文,不仅解决了哥本哈根科学院的征奖问题,更重要的是它奠定了其内蕴微分几何学研究的基本思想和方法．     

涡旋光束嵌套高斯光束在湍流大气中的传输

研究大气湍流波像差中的散焦和像散两种低阶像差对聚焦涡旋光束嵌套高斯光束焦面光强的影响,并用数值模拟的方法分析接收焦面平均光强分布随光束聚焦距离、拓扑荷数、湍流强度等参数的变化特性.结果表明:随着传输距离和大气折射率结构常数的增大,复合光束焦面光强峰值降低,光斑半径增大,光斑漂移现象明显,而接收焦面内的光强分布仍保持其高斯分布规律.说明涡旋光束和高斯光束经大气湍流后具有相同的强度起伏,有利于接收端的相干检测.     

自适应的over-relaxed快速动态均值漂移算法

为了解决高斯核均值漂移算法收敛速度慢、计算效率不高的问题,提出自适应over-relaxed快速动态更新方法改进高斯核均值漂移算法。首先,在静态均值漂移算法中引入数据集的动态更新机制,每次迭代后将数据集更新到新的数据点,然后,将迭代过程中聚集在一起的数据点用1个收敛点表示,逐步减少参与计算的数据,保证准确性的同时降低计算量。由于非正态分布的数据集动态更新时,主方向上的数据点的收敛速度较慢,采用over-relaxed的策略来提高主方向数据点的迭代步长,并根据数据集直径的变化,自适应地计算步长参数。实验结果表明,改进后的高斯核均值漂移算法以超线性的速度收敛,收敛点的应用降低了收敛过程中的计算量。     

高斯移动平均环境下带时滞的期权定价模型

在Black-Scholes公式的基础上建立了带时滞的欧式期权定价模型。该模型中用高斯移动平均过程取代标准布朗运动,并且假设模型满足一些条件以保证市场的完备性。由此建立的模型可以更好地描述真实环境下的市场特征。最后,该文给出了在一个等价鞅测度下的无套利原理以及较为精确的套期保值策略。     

基于平板-高斯烟羽模型的海上重气泄漏事故研究

设计海上重气平板-高斯烟羽扩散模型,其中平板模型用在重气沉降阶段,高斯烟羽模型用在重气湍流扩散阶段,并设计虚拟源将两者结合.同时,对海洋环境下的模型参数进行优化,包括风速、泄漏源有效高度以及扩散参数等,将调整后的参数输入模型,对事故区域重气浓度定量可视化.结果表明,事故点处,重气以8 m/s的风速向东北方向扩散;在下风向98 m处等浓度曲线以内为爆炸限度;在转折点31 m处,两模型衔接基本吻合.经专家实地检测,以(100m,0.0025 kg/m~3)为校正点,校正后的模型仿真与当时扩散浓度点基本吻合.因此,该模型可对重气泄漏扩散浓度区域可视化,并为之后应急救援等提供技术支撑.     

一种改进的运动目标检测

针对现有方法在复杂的环境下不能很好地检测出运动物体的问题,提出了一种改进的基于混合高斯模型的背景消减法检测运动目标.改进了背景模型的更新算法,提高了背景更新速度.利用帧间差分法消除了"鬼影"问题,同时采用动态阈值分割算法,提高了准确性.实验结果表明,该算法能很好地提取出运动目标.     

二极管泵浦固体激光器与声光调制器的光学匹配设计

在微弱光信号的测量中,若使用固体绿激光作光源,目前较好的高频调制方法是声光调制。考虑到这种固体激光器光束发散角较大以及声光调制器本身的使用要求,从高斯光束的传播规律出发,通过计算设计了一个光学系统,实现了频率在15MHz以上的光强调制,获得了较高的衍射效率。     

数字通信系统中信噪比与误码率关系的Matlab模拟

通过M atlab模拟了随机产生的一定概率分布的信号序列,叠加高斯噪声后利用最大后验概率(MAP)检测到的误码率,做出BER~SNR曲线,并与理论计算得到的曲线进行比较,两者吻合.     

EM-ACO算法及其在多重超声回波参数估计中的应用

针对EM算法在估计多重超声回波参数时存在收敛速度慢和迭代结果强烈依赖于初始值的缺点,将蚁群算法应用到多重超声回波参数估计的EM算法中,提出一种新的多重超声回波参数估计算法——EM-ACO算法.该算法结合EM算法和蚁群算法的优点,不仅可以改善EM算法估计多重超声回波参数时估计结果强烈依赖于初始值的缺点,有效提高EM算法的收敛速度,而且可以获得更高的参数估计精度.根据超声回波的高斯回波模型,应用EM-ACO算法,在不同的信噪比条件下,对多重超声回波的参数向量组进行估计.仿真结果表明:EM-ACO算法能在各种不同的初始值条件下,以较少的迭代次数估计出多重超声回波的参数向量组,并且具有较高的估计精度.     

基于参数优化动态GPR的反应釜出料浓度预测

由于釜式反应器内的反应过程是动态过程,故采用静态非线性映射建立预测模型时存在预测精度低和模型泛化能力差等问题.针对上述问题,提出一种基于参数优化的动态高斯过程回归模型预测连续反应釜出料浓度.根据贝叶斯信息准则确定模型阶次,构建动态输入.采用粒子群优化算法对高斯过程回归协方差参数进行优化,以提高模型的预测精度.实验结果表明,该方法能够有效提高模型的预测准确度和泛化能力.