EM-CDKF算法及其SINS初始对准应用

针对非线性捷联惯导系统噪声先验统计信息未知问题,基于中心差分卡尔曼滤波基本算法,采用极大似然准则构造极大期望最速下降梯度算法展开系统未知噪声统计特性在线估计计算研究,构建一类捷联惯导系统初始对准极大期望自适应中心差分最优滤波算法.该算法利用极大似然准则构造系统噪声统计特性对数似然函数,采用极大期望最速下降梯度法把系统噪声统计特性估计转化为对数似然函数期望最大值计算,获得系统过程噪声和观测噪声在线递推估计的自适应极大期望中心差分卡尔曼算法.经过大方位失准角捷联惯导系统初始对准仿真实验,与中心差分卡尔曼滤波基本算法相比,自适应极大期望中心差分卡尔曼算法能够有效解决基本算法在系统噪声先验知识未知情形下的滤波精度下降甚至发散问题,并且能够实现系统噪声统计特性的在线递推估计.     

关于广义凸性模

设X是维数不小于2的实Banach空间,分别记X的单位球面和单位球为SX={x∈X:‖x‖=1}和BX={x∈X:‖x‖≤1}.对于每个α∈(0,1),X的广义凸性模δ(α)(ε):[0, 2]→[0, 1] 定义如下:δ(α)(ε)=inf{1-‖α x (1-α)y‖:x,y∈SX,‖x-y‖≥ε}. 上述定义中的"SX"和""可以分别替换为"BX"和"=", 详细的证明见文献[1].     

整合发放神经元模型突触输入参数估计

文章针对突触输入和噪声共同作用下的整合发放神经元模型,在不考虑放电阈值前提下,采用最小二乘法估计突触输入参数;当考虑神经元放电阈值特性时,将放电阈值看成一个吸收边界,导出膜电位转移概率密度函数,再利用极大似然法估计突触输入参数。结果表明:最小二乘估计仅适合阈下活动的参数估计,而对阈上活动无效;极大似然估计适用于神经元放电的阈值行为;无论是从适用范围还是估计精度来说,极大似然估计都要优于最小二乘估计。     

单位球上Bloch型空间中复合算子的本性模估计

设Bn是n维复空间C^n中的单位球,φ=（φ1,…,φn）是Bn到自身的一个全纯映射,令P,q〉0,复合算子Cφ由（Cφf）（z）=f（φ（z））定义,通过找到一个性质很好的检验函数（见命题1）得到了单位球上p-Bloeh空间到q—Bloeh空间之间的有界复合算子Cφ的本性模的下界估计（具体结果见定理1）．     

基于Copula的回归预测

针对回归预测问题,分别引入Copula回归函数和Copula τ分位数来对因变量进行点预测和区间预测,相应的通过均方误差和区间的平均长度作为预测准确性的评价指标,最后通过实证研究并与线性回归预测做比较表明：基于Copula的回归预测方法效果更好.     

不完全数据情形下指数分布参数的极大似然估计

处理生存分析观测数据使用的参数估计方法有很多,极大似然估计法是最常见的一种估计方法。当寿命分布为指数分布时,给出了定时截尾数据、定数截尾数据情形的极大似然估计,以及随机右删失下参数极大似然估计的一般表达式。此外,还提出了分组数据场合参数极大似然估计的图解求法。     

矩阵乘法的极大子群

数域K上n×n矩阵的全体Mn(K)在乘法运算下封闭.首先刻划Mn(K)中矩阵A是群矩阵的特征,进而刻划Mn(K)在乘法运算下的所有极大子群.     

“X男／女”的词语模语义建构和语用理据分析

“X男/女”词族近年来涌现出很多新成员,对“X男/女”这一词族进行词语模语义建构分析,指出“X男/女”词语模之所以会流行,除了因为其语义建构符合语言的经济原则和语义的关注原则,外部语用环境也起着重要的作用。     

基于小波域软阈值的指纹分割方法研究

鉴于指纹图像的质量对于其后续识别步骤具有非常重要的影响,因而需要对采集的指纹图像进行增强处理.提出了一种新的基于小波域软阈值Contourlet变换的指纹图像分割算法.Contourlet变换是一种新的多尺度几何分析方法,它不仅拥有小波变换的时频局域特性和多分辨率特性,而且还具有很好的方向性和各向异性.实验结果表明,该算法能够有效提升指纹图像的质量,提高指纹纹线谷脊清晰度,且具有较好的连续性.     

L2情形的Fourier-Laplace级数几乎处处收敛的刻画

设Ωn 为Rn 中的单位球面 ,f∈L2 (Ωn) ,σ0N(f) (x)为f(x)的Fouier Laplace展开式的部分和 ,wr(f,t) 2 为其r阶连续模 .证明了当∫10wr(f,t) 22t (1+sinlnt)dt <+∞时 ,limN→∞σ0N(f) (x) =f(x) ,a .e .x∈Ωn,改进了现有的结果