关于维纳过程增量的讨论

关于Winener过程增量有多大的研究前人已经得出了一些重要的结论,本文利用正态分布尾概率不等式和Borel-Cantelli引理等工具,对Wiener过程在区间[0,T]以及长度为aT的子区间上的一个线性组合的增量问题进行了探讨,得出了关于线性组合在区间[0,T]以及长度为aT的子区间上的增量有多大的一些重要结论,本结论是对Csórgó.M和Révész.P两人关于Winener过程增量有多大重要结果的推广。     

基于应变增量迭代的单桩分析方法

结合单桩荷载传递模型基本假定,提出一种计算分层土中竖向受荷单桩桩身变形和内力的迭代算法.该算法在假定桩顶沉降的前提下,通过对桩身应变和桩周土弹簧反力积分,求得桩身各部位的变形、内力及应变,并以桩身应变增量收敛控制迭代过程,进而得到桩身摩阻力和端阻力分布及相应的桩顶竖向荷载.算例分析表明,该算法对多种类型荷载传递函数具有良好的适应性,计算值与实测值和其他方法的计算值具有较好的一致性.     

具有选择与补偿机制的加权集合序贯极端学习机及其应用

针对集成在线序贯极端学习机(EOS-ELM)预测精度不高和动态适应性差的问题,提出一种具有选择与补偿机制的加权集合序贯极端学习机.该加权集合序贯极端学习机在序贯学习过程中,通过对当前预测模型精度的判断决定是否进行递推更新操作,同时为提高预测模型的动态跟踪能力,在加入新样本的同时对旧样本进行剔除;然后,利用EMD对残差序列处理后进行预测,并将初始预测结果与残差预测结果相加得到最终预测模型.通过对上证指数的预测,结果表明所提方法具有更好的泛化性能,预测精度相比EOS-ELM提高了近36.1%.     

土地收储项目风险评估的模糊综合评价模型

针对土地收储项目风险的评估,综合运用正态分布检验、层次分析、模糊综合评价、残差分析等方法,以及Matlab7、Excel、Eviews6等编程软件,分析了土地收储项目风险指标与项目风险的关系,并依托模糊综合评价模型,给出了基于四个风险指标的风险评估方法。     

MapReduce模型下增量重复数据检测方法

针对重复数据检测过程中增量数据重复值检测问题进行分析,在基本近邻排序算法基础上,提出增量近邻排序比较算法。该算法通过跳动窗口形式比较相邻数据,大大减少了数据比较次数;同时引入MapReduce模型对该算法加以改进以提高其海量数据处理的能力。实验表明,改进后的增量近邻排序比较算法在保证检则结果准确的前提下,能够有效提高增量数据重复检测的速度,并且算法具有较高的稳定性,更适应海量数据环境中重复数据检测任务。     

基于残差神经网络的高强度运动超分辨率图像重构

针对实际拍摄的亚像素信息较少的低分辨率运动图像,重构图像通常较为模糊,甚至不能分辨。为此,提出一种新的基于残差神经网络的高强度运动超分辨率图像重构方法。令沿运动方向的亮度保持恒定,通过光流场匹配实现高强度运动图像的运动估计;根据运动估计结果和超分辨率重构的基本思想,将BP神经网络看作残差神经网络的基础建立残差神经网络,对残差神经网络进行训练,参照训练样本将经插值法放大若干倍的待重构高强度运动图像作为输入,将高分辨率图像和输入图像间的残差作为输出,把输入和输出累加获取超分辨率图像,实现若干放大倍数高强度运动超分辨率图像的重构。实验结果表明,所提方法运动估计准确,重构图像清晰、质量佳。     

基于I-ELM的飞机复合材料结构损伤识别研究

针对飞机复合材料结构损伤难以有效识别问题,本文提出一种基于增量型极限学习机(Incremental Extreme Learning Machine,I-ELM)的飞机复合材料结构损伤识别新方法。首先对某型机用复合材料层合板进行冲击,而后对其进行疲劳拉伸试验,通过优化布局在复合材料层合板上的光纤光栅传感器募集应变信息,并对其进行预处理。采用互补总体平均经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)方法对募集的应变信息进行自适应分解,得到多个本征模态分量(Intrinsic Mode Function,IMF),计算各阶IMF分量的样本熵,通过核熵成分分析(Kernel Entropy Component Analysis,KECA)方法对样本熵进行特征融合,构建融合特征向量,采用融合特征向量建立基于I-ELM损伤识别模型,通过实验对损伤识别模型的有效性进行了验证,并与所构建的BP的损伤识别模型的识别结果进行了比较。结果表明,该方法能有效对飞机复合材料结构损伤进行识别,具有很好的应用前景。     

一种自适应确定隐层节点数的增量半监督超限学习机算法

单隐层前馈神经网络中,隐层节点个数是影响网络的学习能力和复杂程度的重要因素.在实际应用当中,如何确定网络的隐层节点个数仍然是一个开放的问题.在半监督超限学习机(SS-ELM)的基础上,本文提出了一种增量半监督超限学习机(ISS-ELM)算法,对于给定的学习精度,该算法能够逐个或者成批地增加隐层节点,并自适应确定隐层节点...     

基于RCNN的双极化气象雷达天气信号检测

为检测混杂在地杂波、生物杂波中的天气信号, 提高定量降水精度, 提出了基于残差卷积神经网络(residual convolutional neural network, RCNN)的天气信号检测算法。首先, 将采集的极化参数水平反射率因子、差分反射率、相关系数、差分相移率堆叠为三维数组后进行预处理, 将其分为天气信号与杂波信号。然后, 开发并优化RCNN, 给出详细的网络结构。最后, 通过多次实际的降水过程对所提算法的检测效果进行评价。结果表明, 相比支持向量机以及卷积神经网络(convolutional neural network, CNN), 所提算法对天气信号的检测效果更好, 并且在不同仰角以及全年的实测数据上均表现出良好的检测性能。     

两阶段串联可修系统的统计过程控制与视情维修整合研究

针对两阶段串联可修系统,考虑随机偏移的情况,研究统计过程控制（SPC）与视情维修整合的问题. 首先,应用均值-残差联合控制图监控系统的质量状态,根据质量状态采取相应的维修策略,在此基础上,分析SPC与视情维修策略整合的可能场景,并根据全概率公式给出了每个场景发生的概率;其次,考虑人力成本、生产率以及停时损失,根据更新理论构建了SPC与视情维修整合的数学模型;然后,针对具体实例,将构建的模型与单独的维修策略模型和采用经验法则选取控制图的设计参数模型进行了比较分析,结果表明构建的模型在节约成本方面有着明显的优势;最后,运用部分析因设计对过程参数、时间参数和成本参数进行了敏感性分析.