有限域上的仿射正交空间及应用

给出了特征数不为2的有限域Fq上的2ν δ(δ=0,1,2)维仿射正交空间AOG(2ν δ,Fq)和2ν δ次仿射正交群AO2ν δ,△(Fq)的概念,并讨论了AOG(2ν δ,Fq)在AO2ν δ,△(Fq)作用下的可迁性及一些相关的计数定理,最后给出了应用仿射正交空间构作认证码的例子。     

基于环境特征的语音识别置信度研究

传统的语音识别置信度方法基于各种静态特征进行分类判决,而忽略了词与周围环境之间的关系所携带的信息。为了进一步提高置信度特征的分类性能,该文提出了上下文环境、动态环境、句全局环境共3类5种环境特征,从空间与时间角度较全面地描述了词与环境之间的关系。实验结果表明:静态特征与环境特征联合分类的性能与只用静态特征相比有不同程度的提高,其中,静态环境与环境特征的二元联合最高有5.02%的相对改进,三元联合最高有6.11%的相对改进,说明环境特征确实是一种有价值的置信度特征,并且这几类环境特征之间存在一定的独立性。     

星斗山观赏植物交让木种群特征研究

对星斗山国家级自然保护区常绿落叶阔叶混交林群落中的观赏植物交让木种群特征进行了研究,结果表明:交让木种群年龄结构呈正金字塔型,是典型的增长型种群;其种群个体主要分布在群落9 m以下的垂直空间范围;在海拔梯度上,由于群落发育程度和生境条件的差异,在1 400~1 500 m梯度范围内,种群个体分布数量最多;其种群个体分布格局为集群分布模式;生命表分析显示,交让木种群DBH1径级幼苗位于群落最下层空间,与其它种群个体幼苗竞争资源和空间的优势不明显,生存能力较弱,期望寿命不高,该种群存活曲线为"Ⅱ型"存活曲线,其存活率在各生活史阶段大致相当.     

东北亚问题的历史考察与启示

冷战结束后,东北亚问题不但没有得到较好的解决与控制,反而变得愈加错综复杂.在全球化和区域合作的推动下,东北亚国家应积极构建集体身份认同,改变零和博弈的生存发晨观,增加政治互信,调整国家战略利益,加强协调与合作,理性应对特殊的国际环境,促使东北亚问题向着缓和方向发展.     

加速寿命试验下随机截尾指数寿命数据的Beyes统计分析

本文针对恒定应力加速寿命试验下，进行随机截尾指数寿命数据的Ｂａｙｅｓ分析，在未知加速寿命方程情况下，给出了常应力下分布参数的后验分布及其Ｂａｙｅｓ估计．最后给出了两个计算实例．     

VaR--一种风险度量的方法

在险价值是目前市场风险估值的主流理论，被用来估计市场风险暴露在给定置信度下的最坏的预期损失.本文介绍了VaR的概念和计算方法。考虑到时变风险，讨论了GARCH模型，最后给出了评价模型的后验测试方法。     

道路线形与道路安全性关系的统计分析

针对国内道路交通事故资料调研困难的现状，采用常用的前／后分析法原理对同一条道路不同路段进行分析，这样利用较少的数据量也能发现与道路安全有关的规律。为此提出了针对两种不同情况的统计分析方法和相应的事故概率计算、对比和对比结果置信度检验的公式。应用此法重点对高速公路的线形指标与道路安全性的关系进行了分析。     

利用人工智能神经网络和DEM数据进行植被变化探测

适时精确的探测土地利用和覆盖变化是研究其起因、过程和效应的基础.本研究利用人工智能神经网络对两景不同时期的影像(2003和2004年)进行一次性变化探测.并且输入层中增加了DEM和坡度两个额外"波段".在选取训练样区的过程中,共选取了82个亚类型,其中36个为植被变化亚类型,46个为无变化植被亚类型.NDVI差值法被用于探测变化和无变化的区域,该方法为获取精确的和足够的植被变化类型训练样区提供有效的参考.研究结果显示利用人工智能神经网络探测变化技术所产生的植被变化图,其精度明显高于分类后比较法所产生的植被变化图精度.此外将DEM和坡度作为额外波段结合两景影像得的8个主成分作为输入层,能够有效的提高人工智能神经网络进行山区植被变化探测精度.同时在选取训练样区的过程中,将各不同的变化和无变化的植被类型根据其不同的光谱特征分成不同的亚类型进行取样,对提高人工智能神经网络进行山区植被变化探测精度有着非常重要的促进作用,此处理可以降低山区影像的地形效应.     

顺层边坡岩体结构变形分叉灾变特性研究

视顺层边坡岩层为岩梁结构,讨论了岩梁变形的前屈曲状态和后屈曲稳定状态的分叉特性,建立了岩层结构发生灾变的判据。     

不同权力结构下双寡头竞争的双渠道供应链博弈模型

随着互联网普及,寡头竞争环境下部分制造商已采取双渠道销售模式,基于主从博弈理论探讨了不同权力结构下双寡头竞争的双渠道供应链模型,其中一个制造商同时采取实体零售渠道和在线直销渠道进行销售,而另一制造商仅采取在线直销渠道,得到双寡头分别作为渠道领导者以及双方权力对等三种权力结构下的均衡定价与各方利润,进而将三种情形进行比较...