基于熵评价模态分解的雷达信号双谱特征识别

针对在低信噪比下雷达信号调制识别准确率低、抗噪性差的问题, 提出一种基于熵评价模态分解和双谱特征提取的识别方法。利用双谱可以抑制高斯噪声的特点, 分析了在低信噪比下进行信号调制识别的可行性并引入了噪声项。由于噪声项的干扰, 双谱在0 dB以下时, 噪声抑制效果变差, 提出了基于信息熵评价的经验模态化分解对信号进行预处理, 提高信噪比。最后, 设计了卷积神经网络分类器, 实现对不同调制类型信号的识别。仿真实验结果表明, 本文方法相比传统方法具有良好的抗噪性, 能够在低信噪比下对不同类型信号进行有效识别。     

PI-强LU富足半群

通过对C-L^U-富足半群的刻画,给出了PI-强L^U富足半群的结构定理。     

创新回报不确定性下的新技术采纳研究

考虑到企业在采纳新技术过程中的技术溢出以及新技术创新回报的不确定性,建立生产有差异化产品企业的两阶段博弈模型,以企业采纳时间为分界点分别得出在古诺竞争和伯特兰德竞争两种市场下各个阶段的期望均衡利润,进而对技术创新回报不确定性、企业的最优采纳时间、期望社会福利最大时的企业最优社会采纳时间进行了分析,结果表明,随着创新回报不确定性的增加,先采纳新技术企业的期望利润增加更多;企业间产品差异较大时,领先企业在古诺竞争下的最优采纳时间要比伯特兰德竞争下的最优采纳时间要早;企业间产品差异较小时,领先企业在古诺竞争下的最优采纳时间要晚于伯特兰德竞争下的最优采纳时间.跟随企业在古诺竞争下的最优采纳时间始终早于伯特兰德竞争下的最优采纳时间.     

从三个角度考察柯西不等式

柯西不等式是高等数学中的重要不等式,它在解析几何、数学分析与高等代数这3门数学专业主干基础课程中均有渗透.从这3门课程的角度,分别给出柯西不等式的不同形式和证明过程,并简要地阐述它们的联系,最后做出小结.     

巨灾风险大数据处理应急分类、分解、分拣算法与应用

本文主要研究巨灾风险大数据处理的应急分类、分解、分拣算法,给出了相应的算法原理和可操作的步骤.首先根据巨灾风险大数据灾害规模巨大的特征,提出了一种用来解决巨灾风险大数据中一级事件的应急分类与二级事件及以下更低级事件的应急分解算法,并以特大地震灾害作为实例进行了算法应用.接着定义了事故灾难度,用来对巨灾风险大数据处理过程中,对各种级别的事故灾难后果进行不同的数字标识.然后提出一种用来解决巨灾风险中大数据快速处理的应急分拣算法,并在汶川地震中大规模灾害的应急救援计划中进行应用.经过采用这样的应急分拣原理,就可以在面对巨灾风险大数据的复杂、繁多和零乱的重灾事件状态下,使整个应急救援方案优化,并能够有条不紊地进行救援.     

带有白噪声的Berger方程随机吸引子

考虑带有白噪声的Berger方程解的随机渐近性行为, 用渐近先验估计技术和算子分解方法, 通过引入同构映射构造等价过程, 证明随机吸引子在(H²(U)∩H¹₀(U))×L²(U)中的存在性.     

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.     

产品数据管理（PDM）在制造业中的应用与发展

在计算机技术快速发展的今天，许多企业的软件使用者和领导者开始体会到新技术带来的效益和进一步发展的必要性，认为到企业信息化的基础是产品数据管理（PDM）从PDM的产生、特点、结构、应用和发展等方面，详细地介绍了PDM的功能及其地位，以及在实施中要注意的事项。     

改进型钢轨钻孔机的研制及应用

阐述了钢轨钻孔机的现状与改进方案,论述了钢轨钻孔机的研制过程及现场应用,分析了钢轨钻孔机的测试结论,并介绍了改进型钢轨钻孔机。     

应用灰色统计进行纺织产品的抉择

本文利用灰色系统理论处理问题的特点,以一纺织厂对三种产品优化抉择为例,提出了用灰色统计综合评判的方法进行产品块择,取得了较满意的效果,为纺织产品的生产抉择提供了一个新的科学方法。