两参数Gauss过程的增量

本文研究两参数Gauss过程的增量问题,在减弱文献中的一个基本条件的情况下,我们给出一个相应的结果。     

"l-L"旋进快慢的估算

借助于原子的矢量模型,利用“l-L”旋进带来的价电子动能增量与其相应的相互作用能的关系,给出了估算两价电子原子“l-L”旋进快慢的一般表示式。     

利用梯度磁场实现空气中氧气富集的实验研究

提出了一种新的利用梯度磁场实现空气中氧气富集的方法:用两块相距一定距离的磁铁异极相对围成一个四周边界开放的磁场空间,其边界处存在着指向空间内部的场强梯度. 进入磁场空间的气体中氧分子在通过边界流出时将受到磁化力的阻碍作用,这样就在磁场空间内部尤其是远离空气入口位置,氧分子得到富集. 该方法最突出的特点在于,可有效避免由于气体湍流、分子的布朗运动以及扩散作用所造成的再混合. 磁体材料为钕铁硼,尺寸为78mm×38mm×30mm,所围空间的尺寸为78m×38mm×1mm. 实验结果表明:磁场空间内氧体积分数增加最多的地方出现在距空气入口最远边界处,在一定空气入口流量范围内(≤60mL·min-1),进出口空气流量比存在一个最佳值,使磁场空间内各处的氧体积分数达到最大;在本文实验条件下,该值在2.0左右,当进出口流量分别为40mL·min-1和20mL·min-1时,出口气体氧的体积分数增量可达到0.65%.     

一种非线性融合系统中的传感器管理方法

针对非线性非高斯动态跟踪系统,提出一种基于序贯蒙特.卡洛粒子滤波的传感器管理方法。该方法首先利用粒子滤波计算目标的协方差;然后利用信息熵计算目标的信息增量;最后利用信息增量大小实现传感器资源对目标的分配。仿真结果表明,在非线性系统下,该方法对传感器管理具有较高的精确性、实时性和鲁棒性。     

一种利用线性预测残差的语音去噪方法

提出了一种利用线性预测残差去除语音中加性白噪声的方法 .含噪语音经过线性预测分析后 ,所得的线性预测残差可分为与语音相关的语音残差部分和与噪声相关的噪声残差部分 .当噪声为白噪声时 ,噪声残差能量与噪声能量的比值大于语音残差能量与语音能量的比值 ,并且随着含噪语音信噪比的增大 ,两者数值上的差距越来越大 .因此 ,从含噪语音中按一定比例 λ(0 <λ<1 )减去预测残差 ,即可抑制噪声残差能量 .这实际上抑制了含噪语音中的噪声能量 ,提高了其信噪比 ,从而达到在一定程度上去噪的目的 .同时 ,这样处理造成的语音能量损失是有限的 .特别是 ,上述方法中对语音成分的操作仅仅在预测残差内进行 ,对语音的共振峰影响很小 ,因而能够较好地保留语音信号的频谱结构 ,使语音品质不致降低 .实验结果表明 ,该方法简便而有效     

一个基于桶技术的平面点集Voronoi图增量算法

设计并实现了一个有效的平面Voronoi图增量算法 .该算法以翼边数据结构为基础 ,应用桶技术选择生成子并提高近邻搜索效率 ,可处理平面点集三点共线、四点共圆等退化情形 ,并具有较高的计算精度 .尽管理论上算法的最坏时间复杂性为O(n2 ) ,实验结果表明算法的平均时间复杂性近似为O(n) .     

灰色残差GM(1,1)模型在道路交通量预测中的应用

本文通过实例介绍了灰色残差GM(1，1)模型在道路交通量预测中的应用，预测结果表明，该方法是正确的，算法是有效的。     

蛋白质结构型预测的研究

以 nα、nβ、nβαβ、n4α、n4β等五个二级结构参数为基础 ,用离散增量研究了蛋白质的聚类和蛋白质的结构型预测 .α型 ,β型和 αβ型可以很好地分别聚在三个大支中 .蛋白质结构型预测总体预测正确率为 82 % ,用 Self-consistency和 Jake-knife这两种方法测试的结果没有明显的差别 .从结果可以看出利用蛋白质的二级结构参数能较好地体现出各种结构型蛋白质的特点 .     

基于项目位置索引的序贯模式增量挖掘方法

通过前缀序列的引入，将搜索空间划分为若干个子空间，利用模式增量技术对序贯模式进行有效搜索，并提出了项目位置索引的概念，即将原始序列数据库信息转换到项目位置索引（IPI）中，从而在搜索序贯模式时避免了复杂的多维候选序列的测试，仅需对各前缀序列对应的扩展的项目位置索引库（IPIDBs)做简单的序列数目累加操作，将复杂的高维序贯模式搜索问题巧妙地转换为一维频繁项目的搜索，降低了算法复杂度，提高了效率。     

求解非线性问题的修正弧长增量法

本文介绍的修正弧长增量法是求解非线性问题的一种新思路 ,在弧长增量法的基础上 ,引进虚拟弹性系统及虚拟弹性刚度的概念 ,且弧长增量不为常数 ,根据每次迭代所得的残余荷载计算下次的位移增量。从而免去解线性方程组的繁复过程 ,大大提高了计算速度