线性模型最小二乘估计的一个最优性质

考虑一般的线性模型Y=Xβ+ε,其中X为n×p阶设计矩阵,β为p×1未知参数向量,e为n×1随机误差向量。满足E(ε)=0,Cov(ε)=σ~2∑,这里σ~2>0可能未知,Σ则为已知的非负定矩阵,θ是β的一个线性函数,且可估,假设θ_R为Rao型最小二乘估计,本文证明了若随机误差服从ε椭球等高分布,则θ_R满足所谓最大概率性质,即θ_R落在以θ为中心的任一椭球内的概率不小于θ的任一性线无偏估计落在同一椭球内的概率,推广了文献中的结果。     

双门限值变步长光伏最大功率点跟踪

针对传统的干扰观察法和变步长干扰观察法的不足,提出了双门限值变步长光伏最大功率点跟踪法.该方法分别将功率曲线的斜率值乘以和除以输出电流而得到2个步长选择标准,每一标准下设一门限值.利用Matlab/Simulink工具建立相应的光伏阵列控制模型,对该方法和变步长干扰观察法的仿真.结果表明：该方法跟踪速度快、稳定性高,特别是当光强突变时也能快速地追踪到最大功率点.     

两个拟互素因子链上倒数幂GCD与倒数幂LCM矩阵的非奇异性

设S={x1,x2,…,xn}是一个正整数的集合,a是一个正实数.如果一个n阶矩阵的第i行第j列的元素定义为1/(xi,xj)a,其中(xi,xj)a表示S中的元素xi与xj的最大公因数的a次幂,则称这个矩阵是定义在S上的倒数幂GCD矩阵,用(1/Sa)表示.类似可定义倒数幂LCM矩阵[1/Sa].作者得到了定义在两个拟互素因子链上的倒数幂GCD矩阵与倒数幂LCM矩阵的行列式公式,并由此证明了定义在两个拟互素因子链上的倒数幂GCD矩阵与倒数幂LCM矩阵均是非奇异的.     

拟亚纯映射的最大型Borel点

讨论了广泛的K 拟亚纯映射.定义了K 拟亚纯映射的最大型Borel点.证明了最大型Borel点的存在性.得到了判定最大型Borel点的一个充分条件和一个必要条件.     

尿沉渣图像的小波变换与二维最大熵阈值分割算法

针对尿沉渣图像的复杂散焦以及背景和目标区分度低、有形成分复杂,从而导致尿沉渣有形成分分割困难的问题,提出了一种组合分割方法。首先采用小波变换消除散焦影响,再结合数学形态学方法对图像中目标成分进行定位,分割出子图像,最后利用基于小波变换图像分割和二维最大熵阈值分割的组合分割方法对子图像中不同特点的尿沉渣有形成分分别进行分割,极大的提高了分割的精度。实验结果表明,该方法能够精确有效地实现尿沉渣图像有形成分的分割。     

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.     

正盈量二部图的最大匹配数下界的紧性

无向简单图G的亏度（deficiency）是未被最大匹配所覆盖的顶点数；一个二部图G（A，B）具有正盈量（posidve surplus）（对A而言）当且仅当对A的任何非空集合X所包含的顶点数一定小于其邻集所包含的顶点数。对具有正盈量的二部图，刻画了其当亏度def（G）给定时达到最大匹配数下界的二部图，从而验证了此类二部图最大匹配数下界的紧性。     

最大路径算法在原条量材优化中的应用及其优化

在分析求解最短路径问题与求解最大路径问题差异的基础上,给出了一种在有向图中采用动态规划策略求解最大路径的算法,将其应用到原条量材网络图中求解原条最优量材问题;并提出了采用量材三角形优化原条量材网络图的一种优化方法,降低了算法的复杂度.通过实验验证了算法与优化方法的正确性与可行性.     

Simulation of maximum light use efficiency for some typical vegetation types in China

MAXIMUM LIGHT USE EFFICIENCY(ΕMAX)IS THE USE RATE OF PHOTOSYNTHETICALLY ACTIVE RADIATION BY VEGETATION IN AN IDEAL CONDITION WITHOUT ANY CONSTRAINTS.IT IS A PHYSIOLOGICAL ATTRIBUTE OF PLANT ITSELF.THE VALUE OFΕMAX IS DIFFERENT FOR DIFFERENT VEGETATION TYPES[1―5].IT IS A KEY PARAMETER FOR THE ESTIMATION OF NET PRIMARY PRODUCTIVITY(NPP)DRIVEN WITH REMOTE SENSING DATA.THERE…     

一种利用LSTM和稳态时间序列的光伏阵列故障诊断方法

受最大功率点跟踪算法和时变环境条件的影响,光伏阵列的电气工作参数包含了复杂的暂态过程以及工频干扰噪声,严重影响了故障特征质量以及诊断算法性能。针对该问题,本文首先提出了一种基于最大功率点（MPP）的稳态时间序列预处理方法,以自动过滤数据中的暂态过程和干扰噪声,获取连续的稳态时间序列电气特征数据,作为故障诊断模型的输入参数;然后,提出了一种基于长短期记忆网络（LSTM）的深度网络模型,以实现对光伏阵列常见故障的检测及分类;最后,在一个小型光伏并网发电系统及其Simulink仿真模型上,进行故障模拟及仿真以验证所提出的故障诊断方法。实验结果表明所提出的故障诊断方法具有良好的精度和泛化性能,并且优于常规的反向传播神经网络（BPNN）和循环神经网络（RNN）。