起源于引力场的Vaidya-Bonner-de Sitter黑洞的瞬时辐出度

利用Vaidya-Bonner-de S itter黑洞视界面附近的熵密度,导出黑洞的瞬时辐出度,得到了任一时刻黑洞的瞬时辐出度总是正比于黑洞视界温度四次方的结论。导出的广义Stefan-Boltzm ann系数不再是一个恒量,而是一个与黑洞视界的变化率、黑洞视界面附近的时空度规及黑洞的吸收与辐射系数有关的一个动比例系数,揭示了黑洞周围的引力场与其热辐射之间存在着必然的内在联系。     

半相依回归系统参数的Stein型主成分改进估计

将S tein压缩思想与主成分改进估计相结合,研究两个半相依回归系统.当设计阵呈病态时,提出S tein型主成分改进估计,同时,给出当V未知时的两步估计.证明在均方误差意义下,S tein型主成分改进估计局部优于主成分改进估计和协方差改进估计.     

失匹配因子和调谐因子对强流离子束的影响

运用P IC多粒子模拟程序,采用延迟反馈控制法,对初始分布为K-V分布的强流离子束研究了其在加速器通道中运行时受失匹配因子和调谐衰减因子的影响程度。得到了失匹配因子某些取值范围可导致束晕无法控制,但对于各种取值,对径向密度分布均影响不大,以及调谐衰减因子对径向密度分布曲线的形状有明显的影响等结果。     

一种支持向量预提取方法及应用

提出了一种支持向量预提取方法,对核感知机误分次数与决策边界的关系作了分析,引入了核函数和误分界,利用结构简单的感知机算法构建支持向量预提取模块,压缩样本规模,然后将处理结果输入支持向量机进行再处理,在精度和处理速度方面取得了较好的效果,仿真实验验证了这一方法的可行性。     

增长曲线模型的两步估计及其优良性

讨论了增长曲线模型回归参数阵的两步估计问题,给出了回归参数阵的可估函数的两步估计具有无偏性的一个基本结论,并验证了两种常见两步估计均具有无偏性．     

土地整理对区域景观格局的影响——以湖北省安陆市辛榨乡基本农田整理项目为例

土地整理是区域景观变化的主要驱动力之一,其生态影响可以通过景观格局的变化表现出来．结合国家投资基本农田整理项目的空间数据与属性数据。选取景观单元特征指数、景观多样性指数、景观破碎化指数等三大类指数与9小类指标,在AutoCAD与MapGIS平台上提取与处理空间数据和属性数据。并计算出各指标量整理前后的变化．结果表明：土地整理后斑块密度指数减少,景观多样性指数降低,破碎度指数减小,水田的优势度增高且更具有连通性,景观异质程度下降,景观类型有向单一化和非均衡化方向发展的趋势。景观中各类型斑块在空间上的分布也出现非均衡化．     

加速寿命数据的贝叶斯建模与分析

在加速寿命试验的可靠性设计中, 随机化设计的限制以及删失数据不可避免地导致低分位数估计出现较大的偏差。针对上述的问题, 结合贝叶斯抽样技术以及非线性混合模型(nonlinear mixed model, NLMM)提出了一种可靠性改进的分析方法。首先, 需要检验所收集的数据是否服从威布尔分布以及验证形状参数是否是恒定常数。其次, 考虑随机效应对尺度参数和形状参数的影响, 运用NLMM构建了尺度参数和形状参数与试验因子之间的函数关系。然后, 利用贝叶斯方法估计低分位数的可靠性寿命。最后, 实际案例研究表明, 在考虑删失问题和未完全随机设计的影响时, 所提方法能够获得更为稳健和可靠的估计结果。     

相容双有限Domain的几个性质

在相容双有限domain概念及其等价性质的基础上,证明了几个与相容双有限domain相关的结论：相容双有限domain在Scott连续映射下的像仍是相容双有限domain;相容双有限domain的非空Scott闭子集仍是相容双有限domain等.     

砂轮约束磨粒喷射加工表面自相关性及功率谱分析

磨粒喷射精密光整加工是重要零件在磨削后进行去除表面缺陷层、降低粗糙度和波纹度为目的的光整加工新工艺.试验在M7120磨床上完成,加工试样为Ra=0.2~0.6μm的#45钢,加工表面形貌和微观几何参数用SEM和TR200表面轮廓仪测量.应用随机过程中的相关性从自相关、功率谱密度函数两方面对磨削表面和光整加工表面进行了研究.分析结果表明,该加工方法明显提高了工件的表面质量,降低了工件的表面粗糙度并均化了波纹度.     

基于LMKL和OC-ELM的航空电子部件故障检测方法

针对航空电子部件故障样本获取困难以及检测准确率不高的问题,提出基于局部多核学习(localized multiple kernel learning, LMKL)和一类超限学习机(one-class extreme learning machine, OC-ELM)的故障检测方法。仅运用正常状态的小样本数据,给出了LMK-OC-ELM的数学表达形式,并在不同的门模型下推导了LMK-OC-ELM中局部核权重的优化方法;在获取局部核权重的基础上,定义了离线故障检测所需的统计检验量与阈值,以便工程实现。将所提方法应用于某型接收机,结果表明,在训练时间可控的前提下,与4种常见的一类分类(one-class classification, OCC)算法相比,所提方法可均衡地提高召回率、查准率和特异度,以LMK-OC-ELM-sig为代表,其在F1、曲线下方面积(area under curve, AUC)、G-mean和准确率4个指标上,比最近提出的局部多核异常检测(localized multiple kernel anomaly detection, LMKAD)方法分别提高了1.60%、1.57%、1.53%和2.23%。