带非抢占优先权和可变服务率的离散工作休假排队

主要研究带非抢占优先权和可变服务率的离散工作休假排队系统模型.建立关于两类顾客数及系统和服务台状态的四维离散马尔科夫链,并得到了转移概率矩阵.利用拟生灭过程和高斯-赛德尔迭代法,给出了系统的平稳分布和一些重要的性能指标.通过数值例子分析系统参数对性能指标的影响.构造两类顾客的利益函数分析顾客的均衡行为,根据对社会利益的算例分析,得到了在一定范围内的最优到达率.     

负相关随机变量加权和的矩完全收敛性

概率极限理论是概率论的主要分支之一,是概率统计学科中非常重要的理论基础;经典的极限理论是以独立随机变量为主要研究对象,但实际大部分随机变量是非独立的,负相关随机变量序列就是相依随机变量序列中的一类典型且应用广泛的随机变量序列,针对负相关随机变量加权和序列的极限问题,应用负相关序列、截尾和矩不等式等知识,推广了负相关随机变量加权和的矩完全收敛性,并给出了一个NA随机变量完全矩收敛的线性过程,所得结果改进了的相应结果。     

二值响应数据贝叶斯中位数估计

中位数回归是一种稳健的估计方法,在实践中有着广泛应用.基于贝叶斯方法研究二值响应数据的中位数估计问题,通过引入合适的潜在变量得到了贝叶斯层次模型,进而得到易于后验抽样的吉布斯抽样程序.为验证新方法估计的稳健性,通过大量数据模拟,并与已有方法进行比较,得到了满意的结果.最后实例数据分析进一步证明了所提方法的有效性.     

基于RGB通道下模糊核估计的图像去模糊

图像去模糊旨在从受损图像中恢复出清晰图像。由于模糊过程未知,精确地估计出模糊核函数,成为得到清晰复原图像的关键。对于彩色图像来讲,现存的方法只考虑在灰度域估计模糊核。事实上,各个通道的色彩分量图所受到的模糊核函数的影响是不同的。为此,提出一种获得更加精确的模糊核的方法,利用彩色图像的3个色彩通道(RGB channels)代替灰度域分别进行模糊核估计,并将估计出的模糊核应用到基于细稀疏表示的复原模型中进行去模糊处理。仿真实验表明,提出的方法比目前的方法能够获得更好的图像复原效果。     

改进的核极限学习机定位算法

针对神经网络无线定位方法,存在训练耗时长,定位结果易受噪声干扰的问题,提出了一种改进的核极限学习机无线定位算法。采取在同一位置进行多次测量的方法得到训练数据;把同一位置测得的数据划分为一个样本子空间并提取样本子空间的特征,以样本子空间的特征代替原来的训练数据;利用矩阵近似及矩阵扩展的相关理论改进核极限学习机算法;将处理过的训练数据利用改进的核极限学习机进行训练,得到定位预测模型。仿真结果表明,在相同数据集下,改进的核极限学习机训练用时短、定位速度快;在相同噪声干扰情况下,此算法定位预测误差小。经验证,该算法不但能提高网络的训练速度、定位速度,还能有效地降低噪声的干扰,提高定位精度。     

三角阵列超材料的声传播特性

为了使声波产生不同于传统天然声学材料的反常传输特性,采用COMSOL有限元方法模拟了声波在局域共振型声子晶体中的传播特性,给出了二维三组元局域共振型声子晶体的振动机制,并以原胞为基础构建了三角形阵列的声学超材料模型,探究声波与该模型内原胞间的局域共振特性。仿真结果表明,从三角阵列模型底边入射的平面点状及线状激励声源在受到模型的调控后都会重新在顶角处汇聚成焦点;通过入射由三角阵列构成的矩形模型能实现点源的低损耗搬移效果;将两至三个相同的三角阵列组合成平行四边形和梯形模型后会产生平面声波的变向传输。模拟结果显示,此种以原胞为基础的三角形声学超材料阵列模型,在共振频率下会产生反常声学现象,并且随着模型构造的改变,其共振特性也会随之变化,产生不同的反常声学现象。研究结果可为声隐身、声探测及声波低损耗定向传输等研究提供新思路。     

基于卷积核分解的深度CNN模型结构优化及其在小图像识别中的应用

小图像由于像素少、分辨率低、整幅图像包含信息较少,识别较为困难。目前优秀的深度卷积神经网络模型多为大图像而设计,而用于小图像的模型则存在着层次不够深、难以对特征进行充分抽象的不足。本文基于VGG19模型,依据卷积核分解的原理,设计了一种KDS-DCNN模型,模型深度达到31层,解决了目前超深度模型不能直接用于小图像识别的问题,实验表明该方法不但提升了识别性能,而且还降低了模型的时间复杂度。在CIFAR-10、CIFAR-100和SVHN三个数据集上的验证结果显示,KDS-DCNN模型性能优越,其识别错误率分别降低到29.46%、6.02%和2.17%。     

基于卡方核的正则化线性判别行人再识别算法

针对行人再识别过程中存在获取的训练样本较少,真实样本分布不一定线性可分和算法识别率低的问题,提出基于卡方核的正则化线性判别分析行人再识别算法(KRLDA,kemel regularized linear discriminant analysis)。该算法首先利用核函数将样本从线性不可分的原始空间映射到线性可分的高维特征空间,然后在高维空间中构造描述数据之间邻近关系的散度矩阵,再利用正则化线性判别分析获得高维到低维空间的投影矩阵,使得数据在低维空间能够保持高维空间的可分性,从而提升行人再识别算法的识别率。在VIPeR、iLIDS、CAVIAR和3DPeS数据集上,实验结果表明所提出的算法具有较高识别率。     

中南半岛恐怖袭击事件时空演变特征分析

 以国际恐怖主义事件数据库等数据源为基础,采用空间统计和核密度分析方法,分析了中南半岛恐怖袭击的时空演变特征,探讨了恐怖袭击目标和方式的转变特征,介绍了中南半岛恐怖袭击事件中的主要恐怖组织。研究表明,中南半岛逐渐成为恐怖组织袭击的重点区域之一,并且采取的方式杀伤性更强,政府应该采取措施预防应对恐怖袭击事件。     

基于ICA变量分组的集成软测量方法研究

提出了一种基于独立主成分分析（independent component analysis,ICA）变量分组和集成学习的软测量建模方法.该方法首先运用ICA对输入过程变量进行分组,建立多个变量组子空间.然后在各变量组子空间内提取子样本集,降低变量和变量组之间的耦合性,并基于核偏最小二乘法（KPLS）建立预测子模型.最后,采用贝叶斯方法对子模型的输出进行集成,给出最终预测结果.运用该方法对工业橡胶密炼过程的数据进行了预测,并与其它软测量方法的结果进行比较分析,实验结果表明,本文提出的方法具有更好的预测性能.