共享自动驾驶汽车使用意愿模型及其影响因素

为了构建共享自动驾驶汽车(shared autonomous vehicles，SAV) 的使用意愿模型并分析其影响因素，通过使用时机和使用频率来体现公众对SAV的使用意愿；采用验证性因子分析将态度潜变量转化为潜变量得分，以此将态度潜变量引入传统的有序Logit模型；提出SAV使用意愿的有序Logit模型构建方法，并建立基于个人属性、通勤特征、态度潜变量的SAV使用意愿模型.研究发现:是否使用过滴滴拼车、工作单位停车费、自动驾驶态度对使用时机和3种价格(1，2，3元/km) 下的使用频率有显著影响；使用过滴滴拼车、工作单位收取停车费、支持自动驾驶的群体倾向于频繁地、更早地使用SAV出行；公众期望以1元/km或 2元/km即不超过目前滴滴拼车的价格使用SAV.     

有理数域上一类不可约多项式的简单推广

若a1,a2,…,an是n-1个不同的整数,证明了当n≥4时,f(x)=(x-a1)(x-a2)…(x-an)-1在有理数域Q上不可约;当n≥3时,f(x)=(x-a1)2(x-a2)2…(x-an)2+1在有理数域Q上不可约.     

基于形态学的角膜地形图特征提取方法研究

提出了一种新的角膜地形图像特征提取算法。首先利用区域图像计算偏心率,用自适应确定同心圆的圆心,以此为极点将图像转至极坐标域,利用形态学的小尺度方形结构算子及图像的黑TOP-HAT变换补得到去除噪声后的滤波图像;其次利用给定方向上相距固定距离的点对腐蚀图像,按照方向强度确定出纹理直线的主要方向,利用开运算提取有效的线形特征;最后利用闭运算,对因内睫毛影响而损失的数据进行有效弥补,获得圆环边缘检测完整的结果图像。经多幅实验数据证明,该算法满足后续参数精确计算的要求,具有数据损失小,数据精度高,算法易实现的特点。     

基于多变量希尔伯特频域模型的癫痫发作预测

癫痫发作具有突发性和反复性,对患者生命安全构成巨大威胁.为了对癫痫发作进行有效地预测,提出了多变量希尔伯特频域模型的癫痫发作预测方法.将希尔伯特边际谱、希尔伯特边际谱的变化方向和希尔伯特加权频率组成一个三维特征向量作为多变量希尔伯特频域模型,输入到支持相量机中,实现癫痫的发作预测,最后采用癫痫发作预测特征方法对预测结果进行评估.实验结果表明:采用多变量希尔伯特频域模型分析方法预测δ波和θ波的癫痫发作,癫痫预测范围在30~45 min,患者有足够的时间采取措施应对;癫痫发作周期在5~10 min,缩短患者等待时间,降低焦虑程度;与多种相关方法进行比较,该方法具有较低的错误预报率和较高的预测敏感度.     

梯度网络平稳点集合的Hopfield稳定性与吸引域

给出梯度神经网络模型的电路实现 ,证明了网络平稳点集合的全局 Hopfield稳定性。对各个平稳点吸引域的几何估计得到了相关结果 ,这为网络初始输入的数量与方向判定提供了基本的量度参数准则。     

n阶方阵的任意m次方根

给出了复数域内n阶方阵任意m次方根存在的充分条件（m≥2），从而推广了文献[1]中复数域内n阶方阵的平方根（m=2)存在的充分条件。     

快速跳频PLL中杂散抑制比的最佳设计值

系统地研究了快速跳频PLL中杂散来源,给出了环路杂散模型,定义了杂散抑制比。定性分析了MF SK FH通信系统检测误码率Pe与杂散抑制比λ之间的关系,并通过计算机辅助分析,定量计算出误码率与杂散抑制比的关系曲线。实验结果表明,MFSK FH通信系统中存在一个杂散抑制比的最佳设计值,约为-50dB,它为快速跳频PLL的优化设计提供了参考依据。     

拮抗肌对的协同控制与EMG信号的中值频率关系

探讨在持续恒力收缩时,正常人体肘关节主动肌和桔抗肌的协同作用原理与它们的表面EMG信号中值频率(Median Frequency,MF)的变化趋势,研究它们的疲劳行为。十五个正常受试者的实验数据统计结果表明,拮抗肌的SEMG/MF高于主动肌;随着收缩时间的增加,主动肌和拮抗肌的MF几乎以相同的速率下降;收缩力越大,它们的两条拟合直线之间的距离、互相关系数、下降速率也越大;关节的角度的变化对上述结论似乎没有明显的影响。这些结论对屈曲和伸展模式都成立。利用人体组织的幅度衰减特性和频率衰减特性,神经肌肉系统的“共驱动”概念对上述结果进行了讨论。     

数据域与微机应用系统

本文着重描述在数据转换过程中如何把数据信息按区域进行细分，以弄清数据信息的性质，进而确定一个最优数据通路，建立高效应用系统。