死亡强度服从Ornstein-Uhlenbeck跳过程的长寿债券定价模型

长寿风险不仅使寿险公司和社会保障部门不堪重负,而且对经济和社会的发展产生严重威胁.以对冲长寿风险为目的,根据我国国情设计一种长寿债券,与债券相关联的生存指数是通过Ornstein-Uhlenbeck跳(OUj)过程刻画的死亡强度得到的.考虑到我国利率市场和保险市场的特点,利用正双曲利率模型对债券进行贴现,并通过王氏变换给出不完全市场中的长寿债券定价模型.最后,依据我国生命表数据进行实证研究.     

基于行列异或的Arnold双置乱图像加密方法

针对目前加密图像单一以及加密算法安全性不高的问题,提出基于行列异或的Arnold双置乱图像加密方法。实施过程：首先根据Arnold变换公式对图像进行灰度空间置乱和位置空间置乱,然后进行行按位异或操作,其次,将上述结果再进行一次位置空间置乱,最后再进行列按位异或运算。该方法有效增强了传统Arnold双置乱的置乱效果,使图像得到充分扩散,最终得到密文图像。实验结果表明,本文方法能实现等长和不等长图像的置乱,改善了常规Arnold方法的置乱效果,有效降低了图像相邻像素间的相关性,保证了图像传输过程中的安全性和鲁棒性要求。     

结构动力数值分析的时频域转换算法研究

研究地震波激励信号及结构响应之间在时频域上的数值对照关系,对于结构动力分析方法的深入发展,及先进时域算法的频域考题验证均有重要意义.首先从理论上公式推导了复数域傅里叶频谱求解方法与实数域三角函数频谱求解方法之间的等价条件,从而在离散傅里叶变换之外,找到了一种可求解时程曲线针对任意频率点频谱的三角函数频谱算法.并针对阻尼体系的动力响应分析,进行了频域与时域算法在激励输入与结构响应领域的转换关系的解析推导,为结构动力响应求解提供了一种新思路.最后,以多质点的阻尼体系的动力响应分析为例数值验证了该方法的有效性.     

广义试验总时间变换序的一些性质

研究了广义试验总时间变换序与年龄性质IFR(increasing failure rate)，DFR(decreasing failure ratel的关系以及其关于样本最小与样本最大的封闭性．     

阶梯轴弯曲变形的拉普拉斯变换计算法

利用广义函数及其拉普拉斯变换，来构造和求解阶梯轴的挠曲线四阶近似微分方程，推得阶梯轴的挠曲线方程，进而可以计算出其任一截面处的弯曲变形．     

分数傅里叶变换离散化（DFRFT）算法和应用研究

分数傅里叶变换是传统傅里叶变换的发展和推广,在信息处理中有非常广泛的应用。文章对已发展的四种分数傅里叶变换离散化算法进行了系统的归纳和总结,重点比较了几种算法的优缺点,指出了适用范围,并对其中三种主要方法给出了计算机模拟结果;在此基础上,用解啁秋法对chirp信号进行了检测和滤波,并给出了仿真结果。     

基于2D Gabor小波和HSV空间的木材缺陷检测

提出了一种有效的木材缺陷自动检测方法,试图赋予计算机从木材图像数据中自动辨别出缺陷的能力,主要分析了木材缺陷的形态、走向和分布规律.首先将要识别的木材图像变换到HSV色彩空间,分别对H,S和V层进行区域分割和Gabor小波变换,得到各个子图像块的局部区域的基于不同频率和方向的特征向量,用于描述高维的木材图像.接着将提取出的纹理特征归一化后送入SVM分类器,检测过程采用二次循环搜索方式,利用特征向量间的相似度进行缺陷的定位和识别.模拟实验结果表明,该方法可有效识别出缺陷区域,识别效果较好.     

基于Hough变换的虹膜定位算法

针对利用Hough变换实现虹膜定位时遇到的一些问题提出了相应的解决方案。为减少Hough变换的计算量,本算法采用了“先采样后变换”、“由粗到精”的方法;为提高可靠性、减小噪声影响,算法利用了虹膜内外边界之间的耦合关系以缩小在边界参数空间内的搜索范围。在MAT—LAB软件环境下的试验表明,算法取得了良好的效果。     

被加型噪声污染的信号的线性时频表示

讨论了噪声对确定性信号的线性时频表示的影响,通过理论分析和计算机仿真,证明了被白噪声污染的信号可以用短时傅里叶变换ＳＴＦＴ和小波变换ＷＴ来分析;而被脉冲噪声污染的信号可以用ＳＴＦＴ来分析,而不宜用ＷＴ来分析。     

基于上下文敏感度的动态图像目标识别

针对机载实时系统获取的图像序列既不满足背景固定又没有目标、背景的高灰度比,而且常规方法处理这些图像存在局限性,提出了基于上下文敏感度的运动图像目标识别算法.首先,对标准Hough变换(HT)算法进行改进,即沿着某一方向做HT,如果线段长度或已识别的目标点数加上剩余线段长度小于阈值,则停止此方向的扫描,这种变换克服了标准HT以图像边界点为扫描边界的缺点.其次,在静态图像识别的基础上,定义了图像识别的置信度,对运动图像前后帧的关系进行了量化,据此实现了对目标的识别.实验结果表明,与标准HT相比,改进的算法不仅具有很强的稳定性和高抗干扰能力,识别准确性高,而且处理速度是标准HT的3～5倍.