一种基于语音分类的清晰度客观评价算法

为了能方便、快捷、可靠地对失真语音进行语音清晰度性能评价,提出了一种基于语音分类的加权巴克谱失真语音清晰度客观评价算法SC-WBSD.该算法提出在巴克域中对清音帧、浊音帧及过渡音帧巴克带谱失真进行加权来求失真语音的客观失真测度.通过分析 3类语音的巴克谱失真测度与DRT分的相关程度,提出一组以相关系数的幂次方为权重的有效SC-WBSD权重矢量.实验结果表明,SC-WBSD方法和DRT分的相关度达到了0.924 73,与巴克谱失真测度算法相比提高了4%.     

一类多线性奇异积分算子的加权不等式

利用Fefferman-Stein不等式及A∞权函数的性质,得到了一类核满足Dini型条件的多线性奇异积分算子的Sharp估计和关于任意权函数的加权不等式.     

Dini型核多线性交换子的加权不等式

利用极大函数讨论具有Dini型核的奇异积分算子与Osc expLr函数的多线性交换子Tb的加权赋范不等式.     

基于加权最小二乘拟蒙特卡罗的美式期权定价

美式期权定价具有后向迭代搜索特征, 在最小二乘拟蒙特卡罗模拟(least-squares quasi-Monte Carlo, LSM)方法的基础上, 本文通过随机Faure序列以及对偶变数法增加抽样数目, 达到减小模拟方差的目的,用其计算标的资产价格, 然后用加权最小二乘法进行回归, 得到了加权最小二乘拟蒙特卡罗(weighted least-squares quasi-Monte Carlo, WLSQM)方法. 从期权价值、标准差、运行时间几个方面比较方法的优劣, 得出WLSQM 方法比LSM 方法估计效果更优的结果, 验证了WLSQM方法在美式期权定价上的有效性.     

EWMA控制图在MSA稳定性分析中的应用

针对传统的 Shewhart 控制图使用当前观测数据进行测量系统分析(MSA)的稳定性分析,不易检测出过程均值中存在的小偏移,而指数加权滑动平均(EWMA)和累计和(CUSUM)控制图考虑了历史数据,可以克服Shewhart 控制图在小波动情况下检测能力不足的缺陷:首先通过 Montle-Carlo 模拟计算控制图性能评价指标ARL(average run length),分析了 EWMA 和 CUSUM 控制图的优越性;然后给出了 EWMA 控制图在 MSA 稳定性分析中的实施步骤.示例分析表明 EWMA 在小波动时比 CUSUM 和 Shewhart 控制图更为有效.     

有序分位加权集结算子及在激励评价中的应用

为在信息集结过程中体现指标值的相对发展水平,提出了一种新的集结方法,即有序分位加权集结算子.该算子尤其适用于激励评价问题,其主要特征是用分位数表示指标值的相对发展水平,并且在信息集结过程中融入了决策者不同程度的激励偏好.通过性质分析,发现该算子具有置换不变性、界值性和条件单调性等特征.进一步,以算例的方式分析了该算子在激励评价中的应用问题,发现该算子在信息集结中通过权重加和不等于1的方式能够放大或缩小集结值,从而凸显被评价对象之间的差异,实现激励的目的.     

基于磁性微泡对比剂的超声和磁共振影像融合算法

文中提出了一种新的基于磁性微泡对比剂的超声影像和磁共振影像之间的融合算法．首先利用磁性微泡对比剂对体模进行超声和磁共振显影,并对显影进行边缘分割．运用非采样contourlet变换（nonsubsampled contourlet transform．NSCT）对源图像进行分解,然后对低频子带系数采用自适应动态加权非负矩阵分解（dynamic weighted non-negative matrix factorization．DWNMF）结合分割图像进行融合．然后对各带通方向子带系数采用空间频率激励的脉冲耦合神经网络进行融合,最后利用NSCT逆变换得到融合图像．研究结果表明,利用磁性微泡对比剂并结合上述算法对超声影像和磁共振影像进行融合,可以获得预期的融合效果．     

乘方权重不等式的证明及其系列推论

给出了乘方权重不等式的一种证明方法,并由此得到一系列重要推论.该系列推论在证明不等式及求极限过程中有着广泛的应用.     

基于加权损失函数的粘连白细胞分割算法

针对粘连白细胞很难精准分割的问题,提出一种基于深度学习的粘连白细胞分割算法.首先,将急性淋巴细胞白血病患者的血液细胞显微图像的色彩空间由RGB转换至HSV,滤除红细胞并提取白细胞;其次,对提取结果中的粘连白细胞,将细胞边界设定为除前景和背景外的第三类,在深度学习分割模型训练过程中引入基于类别权重的加权交叉熵损失函数,使...     

自校正信息融合Kalman预报器

对含未知噪声统计的多传感器系统,用现代时间序列分析方法,基于滑动平均（MA）新息模型的在线辨识和求解相关函数矩阵方程组,可在线估计噪声统计,进而在按矩阵加权线性最小方差最优信息融合准则下,提出了自校正信息融合Kalman预报器。证明了它的收敛性,即它具有渐近最优性,且自校正融合Kalman预报器比每个局部自校正Kalman预报器精度高。一个目标跟踪系统的仿真例子说明了其有效性。