平顶高斯光束谐波场的横向分布

对平顶高斯光束用于倍频和混频后的谐波场场强分布进行了理论计算,模拟了相同基波峰值强度下,不同阶数和不同偏振分量比的平顶高斯光束在长度为5mm的非线性晶体CsLiB6O10上的Ⅰ类、Ⅱ类倍频光场及Ⅱ类混频光场的横向分布曲线,并将其与基波场分布进行了比较,得到了谐波场仍为均匀平顶分布形式,但出现了横向光斑压缩现象,且基波光束的阶数愈高,横向压缩现象越弱;阶数相同,偏振分量不同的基波产生的谐波场光斑大小基本相同,但光场强度不同。     

瞬态有自由面渗流分析的不动网格──高斯点有限元法

对于瞬态有自由面渗流问题，建立了一种简单、实用的不动网格─—高斯点有限 元法。该法与变网格法及已有的不动网格法相比，计算量小、格式简单。算例表明了 该法的有效性。     

概率比检验中的时间序贯方法

在概率比检验中加入时间序贯的考虑,对指数模型有随机进入时间及有截断数据的情形提出了时间序贯检验的方法,并对概率比 有无时间序贯考虑的两种情况下的检验结果进行民比较,给出了计算机模拟结果。     

福州市鼓楼区小学教育资源空间可达性分析与评价

划片入学是教育部门缓解教育资源空间布局不均衡问题的重要解决办法。文章以福州市鼓楼区为例,运用改进的多级半径高斯两步移动搜寻法(MC2SFCA),对比划片入学前后小学资源空间可达性,分析划片入学政策是否改善了小学教育资源空间分布均衡性。结果显示:(1)福州市鼓楼区教育资源可达性东南区高、西北区低,城镇两极分化明显;街道内部可达性由中心向四周衰减,划片入学政策下的模型评价结果显示中心区高可达性区域面积大大减少,城镇间的可达性差距减小;(2)划片入学政策避免了大面积学区房炒作、优质教育资源供不应求以及教育资源冗余等问题,一定程度上改善了教育资源分布不均衡的现状。研究结果可为合理布局规划小学教育资源、制定划片入学政策提供参考。     

基于快速傅里叶变换的三维非高斯粗糙表面数值仿真

实际工程粗糙表面多数符合非高斯分布,非高斯粗糙表面的数值仿真和生成对于研究两表面间润滑、接触行为具有重要意义。基于有限脉冲滤波技术,利用快速傅里叶变换算法,生成具有给定峰度、偏态和自相关函数的非高斯粗糙表面。当非高斯粗糙表面生成时,将其高度分布视为随机序列,用幅值和相角两个分量来表示,通过分别求解这两个分量使粗糙表面具有给定的表面粗糙度参数。结果表明,对于各向同性和各向异性表面,生成表面的自相关函数与给定的自相关函数吻合良好,并具有给定的峰度和偏态。     

火灾公众责任风险定价模型及实证

公共场所火灾的责任风险不同于一般的责任风险,它的低概率、高损失和厚尾性等特点使得它的风险定价模型不能直接采用被广泛应用的广义线性定价模型,也正是由于此,该问题鲜见人研究。根据公共场所火灾第三者责任风险样本数据特点,传统的参数分布假设无法得到较好的效果,本文用非参数高斯核密度函数替代广义线性模型的指数分布族,对火灾公众责任风险进行定价,取得了较好的效果。     

基于粒子群算法的非规则LDPC码度序列设计

研究了非规则低密度奇偶校验（low-density parity-check, LDPC）码度序列阈值计算方法,详细讨论了构造具有较高阈值度序列的步骤与约束条件的处理,提出了一种基于粒子群优化（particle swarm optimization, PSO）算法的度序列优化方法。仿真了此方法的寻优效果,给出了一些接近Shannon限的优秀度序列和分析比较。     

基于高斯字典原子稀疏表示的高精度宽角SAR成像方法

为了提高从宽角合成孔径雷达(synthetic aperture radar, SAR)图像中提取目标后向散射各向异性特性的性能,在宽角SAR字典稀疏表示模型的基础上,提出一种基于高斯字典原子的高精度宽角SAR成像方法。在字典构造上,采用不同中心位置、相同方差的高斯函数。在求解稀疏表示系数上,采用广义最小最大凹惩罚稀疏重构算法求解。最后,根据稀疏表示系数的重构结果以及构造的字典得到目标的后向散射各向异性特性。通过仿真实验和Backhoe数据对算法进行验证,结果表明,该方法能够高精度地提取目标的后向散射各向异性特性。     

图像金字塔模型应用研究综述

对近年来图像金字塔相关算法和应用的研究进展进行了详细调研,对比分析了常见的图像金字塔模型的典型算法和应用,包括图像融合和分割、图像增强、遥感图像物体检测和识别。重点总结了高斯金字塔和拉普拉斯金字塔的典型应用,包括无人机图像捕获、车辆及车牌识别等方面。最后对图像金字塔未来的研究方向进行展望。     

基于动态运动原语和自适应控制的机器人技能学习

提出一种基于动态运动原语(DMP)和自适应控制的机器人技能学习方法.现有的DMP从单示教轨迹中学习动作,且其高斯基函数分布方式固定,并不适用于各种不同特征的动作轨迹.因此,将高斯混合模型和高斯混合回归引入DMP中,使其能从多示教轨迹中学习技能,并且将径向基神经网络(RBFNN)引入DMP中构成RBF-DMP方法,以梯度下降的方式学习高斯基中心位置和权重,提高技能学习的精度.设计自适应神经网络控制器,用于控制机械臂复现示教中学习的动作.在Franka Emika Panda协作机械臂上开展实验研究,验证方法的有效性.