非线性时序的混沌特性分析与预测

非线性时间序列相空间重构过程中的参数选择问题以及有效的预测方法一直是该领域研究的热点和难点，基于虚假最近邻域概念，同时确定最佳的嵌入维数m与时间延迟τ，对实际非线性时间序列进行相空间重构，求解出时间序列最在Lyapunov指数LE，验证了其中混沌特性，其可预报尺度为[1／LE]．并应用基于[1／LE]个输入神经元与Kenya提出的m：2m：m：1这两种人工神经网络结构对非线性时间序列进行训练和预测，预测结果的平均误差分别为4％和2％左右，后一种神经网络结构能提供更好的预测结果。     

回归函数非线性小波估计的优良性

在X服从区间[0,1]上的均匀分布的假设下,证明了回归函数的非线性小波估计中小波系数的无偏性和一致性.并证明了设置二次阈值情况下,小波系数的估计更有效.     

一类非线性奇异问题的有限元方法

讨论一类非线性奇异问题的对称有限元方法和非对称有限元方法，证明了弱解的存在唯一性，并给出有限元解的加权L2-模估计。     

一类弱奇性Volterra积分不等式的推广

在不要求函数单调的条件下，研究一类Volterra型弱奇性不等式解的估计，所得结果推广了马庆华等的结果，并弥补了其中的漏洞。     

方向极大似然估计

在本文中将极大似然估计的定义进行了推广，提出了方向极大似然估计的新概念，并在正态分布、对数正态分布下证明了两参数μ，σ的等腰双曲线型关系。     

两种基于统计的入侵检测技术

异常检测是防范新型攻击的基本手段.使用两种基于统计的异常检测技术检测网络入侵,一种是基于最大熵原理先从理论上得到正常用户行为的概率分布,然后再设定检测阈值;另一种是基于K-近邻算法,该算法不需要预先知道分布,也能很好地完成异常检测的任务.最后使用DARPA 99的部分入侵测试数据对两种方法进行了测试,并对它们的优缺点进行了比较.     

发展型Stokes问题的非协调有限元法

主要讨论了一类Stokes问题的非协调有限元方法一全离散情形，首先给出了所讨论问题的非协调Galerkin有限元方法的全离散格式，其次对所讨论问题的解与其所给出的离散问题的解之间的误差进行了分析研究，最后利用Stokes投影算子的性质，得到了L2模和能量模方面的一些误差估计．     

自适应广义线性回归拟似然估计渐近理论

研究自适应设计下的拟似然方程 ∑ni=1xi(yi- μ(x′iβ) ) =0 ,在一定的条件下证明了以概率 1此方程当n充分大时有解^βn,^βn 为β0 的强相合估计 ,且得出了 ^βn- β0的收敛速度 ;然后又在一定的条件下证明了 ^βn 的渐近正态性的一些结果     

四阶微分方程广义第二特征值的上界估计

考虑四阶微分方程广义第二特征值的上界估计，利用试验函数、Rayleigh定理、分部积分、Schwartz不等式和Young不等式等估计方法与技巧，获得了用第一特征值来估计第二特征值上界的不等式，其估计系数与区间的度量无关．     

《周易》与信息融合一致性的研究

从基本思想、思维方法、模型结构及应用领域等角度对《周易》与信息融合技术进行了分析比较·将《周易》方法中信息采集、信息分类、信息处理、做出决策以及分类调整与信息融合技术中传感器信息采集、一级处理(目标优化、定位、识别)、态势评估、威胁估计以及过程优化进行了逐层比较·得出《周易》与信息融合在处理问题的方法上有内在的一致性,在预测和决策方面有其独特的方法,但不能精确、定量地给出判别·将《周易》宏观考察问题的方法与具体融合算法相结合,将会对信息融合技术起到指导作用·