基于高斯混合密度函数估计的语音分离

基于最大熵法（Ｍａｘｉｍｕｍ Ｅｎｔｒｏｐｙ,ＭＥ）、最小互信息量法（Ｍｉｎｉｍｕｍ Ｍｕｔｕａｌ Ｉｎｆｏｒｍａｔｉｏｎ,ＭＭＩ）和最大似然法（ＭａｘｉｍｕｍＬＩｋｅｌｉｈｏｏｄ,ＭＬ）最解决盲信号分离问题的常用算法,分析了ＭＥ、ＭＭＩ以及ＭＬ算法之间关系。基于高斯混合模式（Ｇａｕｓｓｉａｎ Ｍｉｘｔｕｒｅ Ｍｏｄｅｌ,ＧＭＭ）概率密度函数估计,提出了一种采用反馈结构的扩展最大熵语音分离算法,与     

由高斯移动平均过程驱动的一类随机微分方程的极大似然估计

在高斯移动平均过程是半鞅情况下,研究由其驱动的随机微分方程的极大似然估计获得了渐近一致的估计,并证明了该估计量的强相容性和渐近正态性,从而推广了经典情形下的相应结果.     

一种基于高斯过程的非线性PLS建模方法

提出了一种基于高斯过程(GP)和偏最小二乘法(PLS)的非线性PLS方法(GP-PLS),以更加有效地处理过程非线性、多输入和数据共线性等复杂特性,提高模型的推广能力和精度。该方法首先采用PLS进行特征提取,再用GP建立PLS的内部模型,因而具有GP与PLS的优点。对工业丙烯腈生产过程丙烯腈收率软测量建模的应用表明,采用该方法建立的软测量模型在模型精度、推广能力等方面明显优于一些传统软测量建模方法,满足工业现场应用要求。     

一致凸Banach空间上有限个非扩张映象的隐式迭代过程

对有限个具有公共不动点的非扩张映象引入具误差的隐式迭代序列,并在不同条件下证明了具误差的隐式迭代序列分别弱收敛,和强收敛于这有限个非扩张映象的某一公共不动点。     

求解MSA问题的新型遗传算法

为了克服传统遗传算法求解MSA问题速度慢的缺点,提出了一种新型自适应遗传算法,不使用交叉算子,只使用变异和选择算子,提出了在算法初始化时引入种子的策略,用星比对算法生成一个种子,保证了解的质量,使用灾变算子来确保算法的搜索能力,该算法模拟了自然界进化的周期性,较好地解决了群体多样性和收敛深度的矛盾。     

棉铃虫泛素基因的克隆及序列分析

泛素介导的泛素-蛋白酶体通路(Ubiquitin-proteasome pathway,UPP)是真核细胞内依赖ATP的非溶酶体蛋白质降解途径,该途径对细胞内蛋白的选择性降解起着重要作用.设计一对简并引物,从棉铃虫Helicoverpa armigera卵巢细胞Ha831中克隆了泛素基因的编码区,GenBank登录号AY456195.序列分析表明,该编码区的长度为228bp,编码76个氨基酸、其编码蛋白的相对分子质量为8 560,等电点为6.56.同源性比较发现,棉铃虫泛素基因与其他真核生物泛素基因在氨基酸水平上具有96%以上的相似性,而与棉铃虫核多角体病毒泛素的相似性为76%,所有已知的泛素关键功能位点在该泛素蛋白中均保守存在.     

温度对相同引种地三个秋茄居群遗传多样性的影响

秋茄是世界分布最北的红树植物,研究温度对其遗传多样性的影响有助于阐明其抗冻机制．文章同时应用RAPD和ISSR分子标记技术,对3个不同纬度地区秋茄居群的遗传多样性和遗传分化进行分析,根据RAPD和ISSR数据计算遗传距离并进行聚类分析．2种方法均显示3个居群分为2大支：西门岛和象山港两居群之间遗传距离最小,两者之间的遗传一致度最大,首先聚为一类;漳江口和象山港居群之间的遗传距离最大,两者之间的遗传一致度最小,因此单独为一支．由于温度的原因对引种的秋茄进行了筛选,导致遗传多样性减少．     

关于一类Hankel算子的截断性与有界性

本文研究了在两个 Moebius 不变子空间 A_l~(a,2)(D)与 A_l~(a,2)(D)之间的、由双线性形式定义的一类 Hankel 算子的截断(cut-off)性质与有界性质,从而发展了这一算子的 Schatten—von Neumann 性质。     

基于点云数据的自然地形分类算法

提出一种自然地形分类算法以解决移动机器人导航中的环境理解问题。在单几何特征地形分类方法的基础上,提出的算法使用从点云中提取的复合特征训练分类器。复合特征向量包含一个点几何特征和颜色特征。算法首先计算点的坐标协方差矩阵和平均法向量协方差矩阵的特征值作为几何特征。然后通过标定激光雷达坐标系和相机坐标系使点得到颜色信息,把点的颜色作为颜色特征加入复合特征向量。算法使用最大期望-高斯混合模型(EM-GMM)训练一个分类器,训练数据由人工标注。实验结果表明,与单几何特征分类方法相比,复合特征分类方法在对自然地形分类时能得到更高的正确率。     

松辽盆地肇源—太平川地区白垩系姚家组一段沉积特征及演化

以高精度层序地层学理论为指导,通过对岩心、地震、测井、录井以及分析化验等资料的综合研究,建立松辽盆地肇源—太平川地区白垩系姚家组一段层序地层格架.将姚家组一段划分为3个层序,每一层序发育完整,分别由低位、水进和高位3个体系域构成;并在层序格架内进行沉积微相类型及沉积相展布特征研究,确定姚家组一段主要为浅水三角洲沉积体系,识别出三角洲平原、三角洲前缘、前三角洲3种亚相,以及分流河道、天然堤、决口扇、分流河道间、泛滥平原、水下分流河道、水下分流间湾、水下决口扇、河口坝、远砂坝和席状砂11种微相;三角洲平原、三角洲前缘广泛发育,前三角洲发育较差;三角洲平原分流河道通过填积和频繁的分叉改道,向湖盆中心方向长距离推进,在三角洲前缘的浅水区域发育了大量水下分流河道,分流河道与水下分流河道砂体相互切割、叠加,形成了树枝状砂体,(水下)分流河道砂体构成了油气富集的主要储集体.该区沉积相的精细研究为该区下一步油气的勘探与开发奠定了基础.