基于核密度估计的性能退化数据建模分析方法

针对现有性能退化建模分析方中存在试验样本数据量少和先验分布假设过于严格的不足,提出了一种基于核密度估计的性能退化数据建模分析方法,并详细说明了进行核密度估计时最佳窗宽的确定方法.通过实际算例对建模分析方法进行了验证,结果表明:基于核密度估计方法能有效地克服试验样本数据量少和先验分布假设严格的不足,从而为该情况下产品的性能退化分析提供了一种新方法.     

反事实假设复句的逻辑分析

反事实假设复句是对客观事实的反面的假设，由假设而生的结果根本不可能实现。对反事实假设复句的逻辑分析就是要揭示出它所蕴涵的逻辑思维形式，即差异推理（求异法）、反证法和比喻推理。据此，反事实假设复句可以揭示事物间的因果联系、论证某个命题和表明说话者的主观态度和情感。     

一种新的多机动目标跟踪的GMPHD滤波算法

针对多机动目标跟踪的传统数据关联算法约束条件苛刻、估计精度低、计算量大等问题,提出了一种基于随机集理论的非数据关联的多机动目标跟踪算法.该算法将高斯混合概率假设密度(GMPHD)滤波与"当前"统计模型的优点相结合,绕过了棘手的数据关联问题,能高效处理目标数较大的机动跟踪问题.在漏检、虚警、多机动目标交叉杂波复杂环境下进行了仿真实验,结果表明,该算法具有较高的跟踪精度和稳健的跟踪性能.     

基于非线性倍差法的个体处理效应估计与应用

本文考虑了在带有协变量的非线性倍差法模型框架以及新的识别条件下,个体处理效应的估计问题.为了正确识别个体处理效应,假设在没有政策干预的情况下,控制组和处理组潜在结果变量的条件分布函数在两期内具有相同的变化,并且个体在接受处理或不接受处理的情况下,所对应的潜在结果变量的条件秩不变.基于所提出的模型和假设,发展了一种个体处理效应的估计方法.数值模拟结果表明所提出的估计量具有良好的有限样本性质.最后,所提出的模型和方法被应用于分析美国最低工资法案的实施对各县失业率的影响.     

基于量测转换序贯滤波的GMPHD机动目标跟踪

针对多普勒雷达杂波环境下的多机动目标跟踪, 提出了一种基于去相关无偏量测转换序贯滤波的多模型高斯概率假设密度算法。针对量测的非线性, 将位置量测进行无偏量测转换, 将多普勒量测进行去偏量测转换, 并通过序贯滤波方式提高跟踪精度。针对多目标的机动性, 在高斯混合概率假设密度(Gaussian mixture probability hypothesis density, GMPHD)中引入多模型思想对模型相关的高斯分量进行预测、更新处理。仿真结果显示, 所提算法可以在杂波环境中实现有效的机动多目标跟踪, 与无迹卡尔曼多模型GMPHD相比不仅跟踪精度提升了38.15%, 而且大大改善了算法效率; 与无迹卡尔曼最适高斯近似GMPHD相比, 在效率上有小幅度的增加, 且跟踪精度提升了36.47%。