一类奇摄动边值问题的边界层

讨论一类最高阶导数项带有小参数的二阶半线性方程奇摄动Dirichlet边值问题. 通过直接展开法, 构造了问题解的外部展开式, 并引用伸长变量分别在区域内部和边界层附近构造了内层解和边界层解. 利用匹配原理将对应的外部解、 内层解和边界层解分别进行匹配, 构造解的合成展开式. 得到了原奇摄动边值问题解在整个区间内一致有效的渐近展开式.     

新型复合功能晶体Nd:YCOB的非线性光学研究

系统地计算了Nd:YCOB晶体对于1 064 nm的倍频(SHG)、1 061 nm的自倍频(SFD)和808 nm与1 061 nm的自和频(SSFM)时的最佳相位匹配方向和相关非线性系数,结果显示YCOB对1 064 nm的SHG、THGⅠ类相位匹配下的最佳方向不在主平面而是分别位于(θ=66.5°,Φ=143.5°)、(θ=108°,Φ=76.18°)或等价方向(θ=72°,Φ=103.9°),deff分别为0.561 pm/V、deff=0.431 7 pm/V,Ⅱ类条件下的SHG最佳匹配方向为(θ=86°,Φ=73.6°),deff为0.217 pm/V;对Nd:YCOB的1 061 nm的SFD和SSFMⅠ类条件下的相位匹配方向分别位于(θ=66,°Φ=143.3°)和(θ=64,°Φ=133.9°),相应的有效非线性光学系数deff分别为1.004 pm/V和0.894 8 pm/V.     

网络博弈合作剩余收益分配的协商方法

参与者在进行网络博弈时有机会与其相邻参与者签署协议进行合作,此时参与者之间的博弈关系构成了一个网络结构,并可以使用无向图来表示.参与者之间依据网络结构选择合作对象进行合作,进而产生剩余收益,而剩余收益通过协商的方式在两个参与者之间进行分配.本文依据协商理论与匹配理论,研究网络博弈环境下参与者之间如何签署协议进行合作,进而分配合作产生的剩余收益的问题,称为网络协商博弈,并给出基本的可行解的形式.通过限制参与者可以签署协议的数量,本文对网络协商博弈进行分类,使用协商与匹配方法研究每一类网络协商博弈的合理解的具体形式并设计求解方法.本文的结果表明:参与者之间的合作以及合作收益的分配不仅与网络博弈自身有关,而且与参与者能够签署的合作协议数量有关.研究拓展了协商方法在网络协商问题中的应用,为多边合作对象的选择以及合作剩余收益的分配提供了参考.     

一类非齐次核的最佳Hilbert型积分不等式的搭配参数条件

首先利用权函数方法,考虑如何确定搭配参数,使具有非齐次核G(xλ1 yλ2)(λ1λ2>0)的Hilbert型积分不等式具有最佳常数因子;其次给出最佳搭配参数的充分必要条件及快速判定最佳常数因子的判别式;最后讨论最佳搭配参数在积分算子理论中的应用.     

基于物体关系描述的单目语义SLAM方法

外界环境的语义感知和自身位置的准确估计是移动机器人自主导航和作业的关键。提出了一种基于单目相机的语义SLAM(simultaneous localization and mapping)方法,在轨迹估计的同时完成三维目标检测。提取物体自身语义、尺寸、颜色分布及其邻域拓扑结构等多元信息作为描述子,实现帧间物体的准确关联。在后端对相机位姿、地图点和物体路标进行联合优化,并自适应调整代价函数中各误差项的权重系数,以提高各状态变量的估计精度和鲁棒性。实验结果表明,所提出的算法在地图构建方面具有较高的精度。     

基于图像特征的双目测距系统的研究

针对双目视觉测距中测量误差大、图像信息单一、实时性差等问题,提出一种基于ORB(oriented fast and rotated brief)特征的双目测距方法。对视频帧进行中值滤波处理,提取图像ORB特征,通过实验选出匹配效果最好的汉明距离。对筛选后的匹配点进行RANSAC(random sample consensus)模型估计,去除误匹配,分析视差和真实距离的模型关系,构建最优的测距模型并在实验平台上进行验证。结果表明:所提方法比其他双目测距方法具有测距精确、运行速度快、鲁棒性强的优势,能够实时显示图中特征的距离信息。     

稀疏网络编码中秩分布分析模型研究

针对现有稀疏网络编码研究中线性相关概率性能指标精准度较低的问题,提出基于马尔可夫链的性能分析模型。对线性相关概率、秩的概率分布等性能指标及其复杂度进行分析,并通过该性能分析模型分析编码包传输后期的译码成功概率;基于吸收马尔可夫链计算编码包传输过程中的瞬态、吸收态以及各状态间的状态转移概率,并对状态转移概率中蒙特卡罗模拟误差较大的问题进行改进,由状态转移概率构建吸收马尔可夫链基本矩阵,得出信宿端收到非再生包的线性相关概率,进而推导出秩的概率分布和译码成功概率性能指标。仿真结果表明,在相同条件下所提模型性能指标精确度均优于对比模型,且能精确地评估信宿端解码矩阵秩的概率分布、译码成功概率等稀疏网络编码的译码行为。     

基于PSO算法改进的ANFIS在织物染色配色中的应用研究

本文研究了PSO（粒子群优化）算法及一种用于织物染色配色的自适应模糊神经网络（ANFIS）,提出了基于织物染色配色的粒子群算法改进的ANFIS配色模型,并进行了仿真试验。从仿真试验的结果看,该配色模型收敛速度快,精确度较未改进的ANFIS模糊神经网络有明显的提高,在解决织物染色配色问题上取得了令人满意的配色效果。     

基于ADCensus的改进半全局匹配方法

考虑到AD相似性测度对灰度信息及纹理丰富的区域的优势和Census变换对图像辐射差异具有鲁棒性的优势,将AD和Census算法融合替代单一匹配代价来改进半全局密集匹配算法,可有效提高算法的匹配精度和抗干扰性。同时用金字塔分层匹配策略来约束视差的搜索范围,实验结果表明,该方法在保证匹配精度的同时,减少内存消耗和运行时间,适用于无人机影像的密集匹配。     

Do Long‐Run Theory Restrictions Help in Forecasting?

Do long‐run equilibrium relations suggested by economic theory help to improve the forecasting performance of a cointegrated vector error correction model (VECM)? In this paper we try to answer this question in the context of a two‐country model developed for the Canadian and US economies. We compare the forecasting performance of the exactly identified cointegrated VECMs to the performance of the over‐identified VECMs with the long‐run theory restrictions imposed. We allow for model uncertainty and conduct this comparison for every possible combination of the cointegration ranks of the Canadian and US models. We show that the over‐identified structural cointegrated models generally outperform the exactly identified models in forecasting Canadian macroeconomic variables. We also show that the pooled forecasts generated from the over‐identified models beat most of the individual exactly identified and over‐identified models as well as the VARs in levels and in differences. Copyright © 2011 John Wiley & Sons, Ltd.