带ψ-强单调映象的广义非线性拟变分包含

引入了一类新的带ψ-强单调映象的广义非线性拟变分包含，在Hilbert空间中使用极大η-单调映象的预解算子方法建立了这类变分包含解的存在性定理，构造了求此类变分包含解具误差的新迭代算法，并讨论了算法的收敛准则。     

基于有序Logistic回归模型的北京高校男生有氧能力

为探索北京高校男生有氧能力的影响因素,通过随机抽样法抽取134名18~25岁北京高校男生,空腹抽静脉血测血液指标,用德国MetaMax 3B系统实时监测气体代谢,通过线性递增方案测得VO2max相对值。基于Spearman相关、有序Logistic回归等分析方法进行分析处理。结果表明：北京高校男生有序Logistic回归方程：Ln{P(Y≤1|x)/1-P(Y≤1|x)}=-2.757-0.067*X1-0.025*X2+0.066*X3+0.018*X4-0.009*X5;Ln{P(Y≤2|x)/1-P(Y≤2|x)}=-0.771-0.067*X1-0.025*X2+0.066*X3+0.018*X4-0.009*X5（X1=体重、X2=心率(heart rate, HR)、X3=每搏输出量(stroke volume, SVI)、X4=心室射血时间(ventricular ejection time, VET)、X5=血红蛋白(hemoglobin, HGB)）。回归方程模型系数综合检验步(step)、块(block)、模型(model)检验的P值均小于0.01;拟合优度检验的-2对数似然值(-2LL)为159.374,Cox&SnellR2为0.331,NagelkerkeR2为0.373;预测等级1准确率为45.5%,等级2准确率为100%,等级3准确率为100%,综合为81.8%,说明Logistic回归模型性能良好。Hosmer和Lemeshow检验预测值与观望值无显著性差异（P>0.05）。可见北京高校男生定量负荷心功能、血液指标与有氧能力的多元Logistic回归模型拟合度较好,且HR、SVI、VET、HGB是有氧运动能力的重要预测因素。     

含未知输入非线性系统的扩展平方根容积卡尔曼滤波算法

针对工程实际应用中存在的未知输入会导致经典的非线性滤波器状态估计精度下降甚至滤波发散的问题,提出了一种基于最小方差无偏估计(minimum variance unbiased estimation, MVUE)准则的扩展平方根容积卡尔曼滤波(extended square-root cubature Kalman filter, ESRCKF)算法。首先,结合上一时刻未知输入估计值对状态一步预测值进行修正,得到含未知输入条件下的状态预测值。其次,设计新息并采用加权最小二乘(weighted least squares, WLS)法获取当前时刻未知输入的无偏估计。最后,通过最小化协方差矩阵的迹,同时采用拉格朗日乘子法和舒尔补引理得到系统状态的最小方差无偏估计。仿真结果表明,相比于现有的非线性滤波算法,ESRCKF算法提高了在处理含未知输入非线性系统时的状态估计精度,并能同时实现系统状态和未知输入的最优估计,验证了该算法的有效性。     

基于LVQ神经网络的水果图像分割研究

由于传统边沿检测算子在水果颜色多样、亮度不均匀时,难以分割得到完整、无噪声的二值图像且依赖优化的阈值,本研究提出了一种基于LVQ神经网络的水果图像分割方案。首先将彩色图像转变为灰度图像;然后对Canny算子获得的边沿图像随机选取一些像素作为网络的学习监督信号,仅以灰度图像中相同位置像素3×3邻域的Kirsch算子梯度值作为输入,训练权值;最后重新将原灰度图像的Kirsch算子梯度值输入到训练好的网络中,获得封闭的边沿并填充得到二值图像。考察了14幅像素为640×480的水果图像,结果表明：网络在很宽广的阈值范围内（0.001 ~ 0.99）分割得到完整、一致的二值图像;面积误差最小为0.9%,最大为8.83%,不依赖于优化的阈值,不需要对原始图像滤波预处理。与没有阈值及滤波的算法相比,本方案的误差和时间复杂度均更低;与设置了阈值和/或滤波的算法相比,本方案与之相当,甚至效果更优。     

广义实型密度加权平均中间算子及应用

针对普遍存在的向量、矩阵等多维的数据形式,将面向点值的密度加权平均中间(DWA)算子拓展为广义实型密度加权平均中间(GR-DWA)算子.给出了通用的数据元素聚类过程,该过程能够对点、向量、矩阵等3种类型的数据进行有效分组.研究了一种兼顾"规模"与"功能"信息的密度加权向量设置方法,并给出了3种参数确定思路,以支持主观、客观或主客观结合等多种决策方式.定义广义实型密度算术平均(GR-DWAAA)算子,并探讨了GR-DWA算子在多属性群决策中的多种运用途径.最后,给出了GR-DWAAA算子处理多属性群决策问题的一个应用算例,算例的结果验证了算子的有效性.     

基于依赖型算子的不确定语言多属性群决策法

研究了属性权重以实数形式给出、属性值以不确定语言变量形式给出的多属性群决策问题。基于不确定语言变量的运算法则,给出了一种基于不确定语言变量及其运算法则的新算子：依赖型不确定语言有序加权几何 (dependent uncertain linguistic ordered weighted geometric, DULOWG) 算子。与该类算子相关联的加权向量依赖于被集结的不确定语言变量,并且对错误或有偏见的不确定语言变量赋予较低的权重来减轻不公平性对评价结果的影响。提出了一种基于ULWGM算子和DULOWG算子的不确定语言多属性群决策方法,并进行了实例分析。     

基于多元共生遗传神经网络的藻类预测仿真

提出一种多元共生遗传神经网络(PGANN),从遗传算法和神经网络——进化和学习两方面及其相互关系着手完善进化过程,以提高优化效果和泛化能力。该算法包括一个共生平衡交叉算子,一种多元选择策略和一种神经网络的分级优化策略,其中共生平衡算子能够兼顾进化过程中的方向性、多样性和自适应性;多元选择策略能够适应进化过程不同时段对选择压力不同的需求;而分级优化使运算规模和运算速度之间的矛盾得到缓解。将该改进的遗传神经网络PGANN应用于水库和湖泊有毒的优势蓝绿藻爆发预测,取得了满意的效果。     

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.     

深空探测巡航段自主光学导航方案研究

星际巡航段导航方案设计是深空探测任务中的重要组成部分.针对巡航段的特点,研究了一种基于多颗小行星光学信息的自主光学导航方案.它包括导航星的确定,导航系统的建立,导航算法的研究.此方案给出了统一的导航小行星选取准则,导航星个数的判别方法,以及基于UD分解的递推加权最小二乘滤波导航算法.通过可观测性分析确保了导航算法的可行性,利用数学仿真验证了导航方案设计的合理性.此方案的导航系统精度优于深空1任务,位置估计误差小于100,速度估计误差小于0.3m/s.     

电路原理图的加权网络分析

对电子电路进行复杂网络分析时,为了很好地体现有些元器件的重要性,本文引入了节点间连边加权的概念.以具体电子电路原理图为例,找出各个元器件之间的连接关系,建立网络的拓扑结构,生成一个加权网络,得出了网络的统计参数,给出了节点连接度的概率分布函数曲线.结果显示这种加权分析方法能更好地体现出电子电路系统的特点.