复合跟踪微分器在电容式位移传感器中的应用

针对从含噪原始信号中提取位置以及速度信息,经典跟踪微分器存在不能很好兼顾相位滞后和噪声放大问题、参数多,调试复杂等不足.在跟踪微分器等效线性分析基础上,提出复合形式跟踪微分器,用于电容式位移传感器位置信号跟踪以及速度信号估计,通过MATLAB\SIMULINK仿真以及实验平台测试,结果表明:在跟踪频率1 Hz、幅值1含噪声正弦信号中,复合跟踪微分器能光滑逼近原始位置信号,且能有效进行速度估计,相较于经典跟踪微分器,复合跟踪微分器跟踪相位滞后小0.03 rad,能更好兼顾跟踪信号相位滞后及速度信号噪声放大.     

几乎无偏刘估计的不可容许性

考虑了线性回归模型中,在Fisherian和Mahalanobis损失函数下,几乎无偏刘估计对于最小二乘估计的不可容许性;结论表明:几乎无偏刘估计在Mahalanobis损失函数下是不可容的;最后进行了数值模拟来表明结果.     

基于分层贝叶斯模型的损失准备金估计

传统的准备金模型主要是通过加总个体数据得到聚合损失三角形数据建立的,然而,这种数据的加总对原始个体数据产生不可避免的信息浪费.虽然这种方法简单,但可导致准备金估计的较大偏差.近年来提出的个体数据准备金模型中大都没有考虑保单合同之间的相依性.本文假设相同事故年的保单产生的索赔具有某种共同效应导致的相依情形,通过建立个体数据准备金的分层贝叶斯模型,利用信度理论的思想,得到每个事故年的准备金估计,从而得到总准备金的估计.进而,讨论了发展因子和结构参数的估计及其相应的统计性质.最后,给出数值例子表明本文给出的准备金估计的计算方法,并且比较了个体数据和聚合数据下准备金估计的均方误差.     

基于高斯字典原子稀疏表示的高精度宽角SAR成像方法

为了提高从宽角合成孔径雷达(synthetic aperture radar, SAR)图像中提取目标后向散射各向异性特性的性能,在宽角SAR字典稀疏表示模型的基础上,提出一种基于高斯字典原子的高精度宽角SAR成像方法。在字典构造上,采用不同中心位置、相同方差的高斯函数。在求解稀疏表示系数上,采用广义最小最大凹惩罚稀疏重构算法求解。最后，根据稀疏表示系数的重构结果以及构造的字典得到目标的后向散射各向异性特性。通过仿真实验和Backhoe数据对算法进行验证,结果表明,该方法能够高精度地提取目标的后向散射各向异性特性。     

六角螺系统的 Harmonic 指标

图G的 Harmonic指标定义为图G 中所有边uv 的权重2du＋dv 的和，用 H（G）表示；二阶Harmonic指标被定义为图G中所有二长路uvw的权重3du＋dv＋dw 的和，用2H（G）表示；其中du表示G中点u的度数。该文研究了六角螺链和六角螺系统的 Harmonic 指标，发现它们的极图不唯一。通过研究二阶 Harmonic指标，确定了六角螺链的极图，发现六角螺系统的极图是一类特定的图。并且找到一个关于Harmonic 指标的极图和二阶 Harmonic 指标的极图的关系。最后，提出一个关于 Harmonic 指标的开放新问题。     

Koch曲线的Hausdorff测度的改进下界估计

为了研究Koch曲线的Hausdorff测度的下界,本文在Koch曲线上定义了质量分布函数μ,对任意覆盖U导出了关系式μ(U)≤1. 876|U|s,利用质量分布原理,得到了Koch曲线的Hausdorff测度下界的更好估计值Hs(K)≥0. 533 049 041.     

Research on Tracing Evaluation System in Virtual Enterprise Based on Neural Network

The tracing evaluation index system was designed to be used in virtual enterprise and established neural network trace evaluation model. As a result, it was more simple and nicer than the traditional method, so it had wider application foreground.     

经常购买模型及其参数的极大似然估计

在分析巴斯模型和重复购买的产品生命周期模型等的基础上，提出经常购买模型，详细讨论该模型的参数的极大似然估计法，并采用实例检验模型及参数估计方法，分析模型的参数估计结果，在此基础上使用模型做产品销量预测，表明模型的参数估计方法及预测方法的有效性。     

基于广义最小二乘模型的动态交通OD矩阵估计

基于广义最小二乘模型,建立了一种带滑动窗的动态OD矩阵估计算法,可通过对路段交通量和行程时间的检测来估计时变的OD数据.对模型中关键的交通分配矩阵,给出了解析的计算公式.算法是一种递推的估计过程,仅需较少的先验信息,且估计过程不会发散;滑动窗的引入可充分利用量测信息,抑制量测噪声.