MPS水流数学模型在冲击压力计算中的应用

通过引入SPH（smoothed particle hydrodynamics）方法中的样条函数作为核子函数，并进一步修正扩散模型及梯度模型的计算公式，对已有MPS（moving particle semi—implicit）水流数学模型进行了改进．将该模型应用于垂向二维水柱倒塌过程计算，结合直立挡板的冲击压力过程实测结果，探讨了水流黏滞系数和摩阻项对直立挡板压力过程计算结果的影响，发现黏滞系数影响峰型的尖锐度，摩阻项影响压力过程的相位；通过适当选取黏滞系数和摩阻系数，获得了与实测结果一致的压力数值计算结果．     

一种考虑数据截尾的非参数软件可靠性模型

通过分析数据截尾对软件可靠性模型的影响，建立了一种考虑数据截尾的非参数软件可靠性模型，为的是克服一般参数模型假设约束过紧的问题，并能在估计失效率的同时估计残存缺陷数．同时，提出了基于非参数统计的软件失效率单调下降性检验方法，在加权核函数估计中引入数据截尾率作为加权系数和优化参数，并用失效率单调下降约束下的加权核函数方法来估计失效率和残存缺陷数．模拟试验和实例分析表明，所提模型可以较好地处理截尾数据，给出残存缺陷数的合理估计，其失效率估计精度较高，不低于较好的传统模型．     

绝对真理是个理想概念——关于真理的逻辑思考

真理的绝对性是指事物的客观规律是能够被认识的。真理是绝对性和相对性的统一:相对性是绝对的,绝对性是相对的。“绝对真理”是为反对“相对主义”,“相对真理”是为反对“绝对主义”而提出的。“真理”是实概念,“绝对真理”如“纯金”、“理想气体”是理想概念。并对马文提出了商榷。     

支持向量机学习方法的选择与应用

介绍支持向量机中的核函数及其参数的选择和相关应用技术，以及SVM的应用研究。在不同的学习方法下进行了仿真实验，并对4种不同方法的分类特性进行了对比分析，给出了在不同模式识别问题中不同方法的选择条件。     

基于树形通用背景模型的高效说话人辨认

为了提高基于G auss混合模型通用背景模型(GMM-U BM)的说话人辨认系统的运算效率,提出一种基于树的核心挑选算法(TBK S),通过将U BM中的各个G auss分布按组织成树形结构,来减少从中挑选核心分布的运算量。实验结果表明:对1 000个说话人进行辨认,TBK S与现有的基于特征矢量重排序的剪枝算法(ORBP)相结合,将基于GMM-U BM的辨认系统的运算速度提高21.9倍,误识率却只上升不到4%;TBK S和ORBP相结合,可大幅度提高GMM-U BM系统的运算效率,而基本不降低识别率。     

非参数计量经济模型的变窗宽核估计

在随机设计(模型中所有变量为随机变量)下,提出了非参数计量经济模型的变窗宽核估计,并利用概率论中大数定理和中心极限定理,在内点处证明了它的一致性和渐近正态性.它在内点处的收敛速度达到了非参数函数估计的最优收敛速度.     

关于Linux内核可抢占性方法研究与实现

标准Linux内核是不能被抢占的,致使调度延迟较大,这是导致Linux系统实时性不强的主要原因,对Linux内核不可抢占性进行了深入分析,阐述了两种降低调度延迟的方案：低延迟方案和内核抢占式方案,并对这两种方案进行了测试与分析。     

局部核方法及其应用

核方法是机器学习中一种强有力的学习算法.多个领域的实践表明，通过将领域知识嵌入到核函数中，一般会得到比较好的学习效果. 从微分流形的观点讨论了机器学习中全局信息与局部信息的关系，并提出了一种嵌入局部有意义信息的核方法.文本分类的实验结果表明，与其它几个分类算法相比，它具有较高的性能.     

校园广播喇叭分布问题的研究

论证了两相同声源间中点的声强级最小,求出了两相同声源间的最佳距离为56.24 m.以韶关学院为例,给出了一种校园广播喇叭分布的优化方案.     

回归函数的小波支持向量机鲁棒估计法

小波网络具有小波的多尺度特性和神经网络的自学习功能,在回归估计中得到广泛的应用,但其性能受到样本中粗差的严重影响.虽然以M-估计作为目标函数可以解决这个问题,但由于其对应的影响函数由残差绝对值决定,因此如何选择初始参数值成为一个关键问题.为此,提出回归函数的小波支持向量机鲁棒估计方法(小波支持向量回归,WSVR,Wavelet Support Vector Regression).该方法中首先提出并证明了一种新的小波支持向量机(WSVM,Wavelet Support Vector Machine),用于确定初始参数值方法,这种方法能够确定合理的网络结构和合适的初始参数值,保证含有粗差的样本点的残差绝对值较大;然后使用一种构造的M-估计作为目标函数,并提出了自适应确定阈值方法.仿真结果表明,使用这种方法得到的回归模型不仅具有良好的多尺度逼近特性,而且有较好的鲁棒性和较高的推广性能,具有较高的理论和应用价值.