基于小波变换模极大的脉象信号研究

针对脉象信号的时变、非线性和低频特性,提出了应用小波变换模极大对脉象信号进行研究的方法.介绍了利用小波变换模极大对信号局部特征进行描述的三个参数:Lipschitz指数α、平滑因子σ和分形维数D(α),并提出了对小波变换模极大曲线进行滤波的算法.用高斯一阶导数和二阶导数小波变换分别对单周期三峰脉象信号进行了实验.实验结果表明,该方法可以描述一些时域难以表达的特征,并能对脉象信号的局部特征点进行准确定位,从而为各项脉象特征的定量化描述和脉象分类识别奠定基础.

论微波单缝衍射实验中主极大的缺失

针对微波单缝衍射实验中出现的主极大缺失的现象,从基尔霍夫标量式出发,假定电场在衍射屏上按高斯分布,在振幅、倾斜因子一级近似和相位二级修正近似下,用mathematica计算获得微波经不同宽度三缝的衍射分布,与微波光学实验仪上所得的实验结果较为一致.从而可以证实主极大的缺失主要是因为有部分微波从单缝板边缘绕射过来,三部分微波叠加的结果.

应用潜力极大的导电塑料

瑞典皇家科学院曾经把诺贝尔奖颁发给日本筑波大学名誉教授白川英树和他的两个欧美同行。他们共同获得奖项的理由是“发现并研制出了导电塑料”。历来被视为绝缘体的塑料，因他们的这一发现而具有了金属一样的导电性。以此为基础，科学家们大力研究与开发导电塑料的应用领域。

刀鲚资源严重衰退引起专家极大的关注

本刊讯：刀鲚（Coilia ectenes Jordan et Seale）是一种溯河性小型经济鱼类。据上海市崇明县渔政站施德龙先生报道，1999年崇明刀鲚产量80t，到了2005年只有30t，下降了50％。不难看出长江刀鲚资源已严重衰退，必须采取保护措施。有识志士建议提出以下措施!

基于小波变换模极大的多尺度图像边缘检测在烟雾图像中的应用

为了获得较好的烟雾图像,得到更多的图像信息,分析相关的边缘检测的方法。以利用图像实现烟雾检测为背景,采用一种基于小波模极大值的多尺度的实现烟雾图像的边缘检测算法。选择了B样条函数作为小波函数,通过对实验所采集的烟雾图像进行小波模极值大的多尺度边缘检测算法将图像进行多尺度分析,最后将不同尺度的图像综合起来与传统边缘检测方法作比较,仿真分析表明,基于小波多尺度模极大值的算法在烟雾图像边缘检测中的效果较传统边缘检测效果更好。

闲置是极大的浪费

厂房闲置，新占土地也闲着，无疑是极大的浪费。宁波市一方面有520多万平方米闲置厂房无用武之地，另一方面是许多新办企业用地难觅。这种情况下。闲置厂房就成了宝贝。宁波市通过盘活闲置厂房，引进项目450多个，吸引资金13.5亿元，充分显示了盘活存量资源的潜力。宁波市为了盘活闲置厂房，认真调查掌握情况，建设相关交易市场，以多种形式发布信息，制定政策鼓励使用存量，工作做得很实在，也很细致。由于种种原因，全国各地都存在数量不等的闲置厂房．如何用好它们，宁波市的经验值得好好借鉴。

非正规循环子群的正规化子皆极大的两类有限可解群

子群的正规性和有限群的结构有密切的关系,而正规化子作为子群正规性的一种度量对有限群结构的影响自然也很大.极大子群是有限群的一类重要子群.利用某些子群的正规化子的极大性研究有限群的结构.具体研究了群G的阶被p整除的非正规循环子群的正规化子皆极大的有限可解群,以及非正规p-子群和{p,q}-子群的正规化子均极大的有限可解群.得到这两类群的一些性质,并对这两类群的结构给出了刻画.

类中心极大的多视角极大熵聚类算法

在数据稀少、数据维度高、多视角聚类任务的情况下,传统极大熵聚类算法会因类中心趋于一致,从而导致聚类失败。为解决此类问题,在传统极大熵聚类算法的基础上,引入类中心惩罚机制,融合权重矩阵实现多视角划分融合,构建出类中心极大的多视角极大熵聚类算法。该算法通过调整每个视角上的权重来体现某个视角的重要性,并通过类中心极大惩罚项解决了多视角聚类任务下,因数据稀少、数据维度高导致每个视角上的类中心趋于一致的问题。通过大量实验进一步证明,该算法在处理高维度、数据稀少、存在干扰数据和多视角的数据集时,其聚类效果明显优于传统的聚类算法。

非正规循环子群的正规化子皆极大的有限半单群

研究了满足非正规循环子群的正规化子皆极大的有限半单群,并给出了这类群的结构.

星下点观测的星载卫星导航反射信号海面风矢量极大似然估计

该文针对星载全球导航卫星反射计(GNSS-R)镜面反射信号对海面风向不敏感导致海面风向反演难问题,分析非镜向海面散射信号特征,提出星下点非镜向观测模式,定义该模式下海面风矢量敏感特征观测量,在此基础上提出基于星载GNSS-R海面风矢量极大似然估计(MLE)反演算法直接利用两颗及以上导航卫星的星下点非镜向散射信号进行海面风矢量的反演,并提出风矢量搜索算法提高反演效率。通过搭建星载GNSS-R仿真平台验证算法的可行性和评估算法性能。结果表明:所提算法可直接利用非镜向独立观测模式下的多颗导航卫星散射信号反演得到海面风速和风向;多星观测可消除观测几何导致的模糊解从而将海风风向4个模糊解降至2个模糊解,但无法消除海浪谱的对称性导致的海面风向模糊解。在2~25 m/s的风速内,当信噪比(SNR)大于11 dB时,3星观测的风速均方根误差(RMSE)优于2 m/s,风向的均方根误差优于15°。

基于网络节点极大团的社团检测算法

社团结构检测有助于揭示复杂网络的结构-功能特性,目前已有的社团检测算法在其研究过程中存在着分辨率限制、节点不确定性以及需要先验参数等问题.为了解决此类问题,提出了一种基于网络节点极大团的社团检测算法(BMC).BMC算法将网络中的节点极大团设为初始节点群组,依据提出的极大团局部相似度和局部团组关系对节点群组进行分级聚类合并,以此挖掘出网络中的社团结构.针对在社团结构挖掘过程中出现的节点不确定性问题,通过模块度矩阵提出了模块隶属度对网络中的单邻居节点和重叠节点进行优化.为了验证BMC算法对网络社团结构挖掘的准确性,在5个真实网络数据集上与5种算法进行实验对比.通过3种衡量指标得到的实验结果表明,BMC算法能够准确地检测出网络中的社团结构.

双边定时截尾下Pareto分布的参数的极大似然估计的EM算法

给出了当寿命分布为Pareto分布时,双边定时截尾寿命试验下形状参数的极大似然估计。由于似然方程形式较复杂,无法得到参数的显式表达式。但可证明此极大似然估计是唯一存在的,并利用EM算法求出了此参数的一种估计。

双线性参数系统的极大似然递推参数估计

研究具有自回归滑动平均噪声的双线性参数系统,该系统结构复杂,噪声项的研究更具普遍意义。为实现系统参数的在线辨识,采用梯度搜索方法,推导了双线性参数系统的随机梯度算法。对于出现的未知项,基于递阶辨识原理使用其估计值进行替代。极大似然估计方法基于概率论,具有良好的一致性、渐近正态性和可用性,在引入极大似然估计方法后得到了相应的极大似然随机梯度算法,为进一步减小有色噪声对参数估计精度的影响,结合多新息辨识理论,将标量单新息扩展为多新息向量,研究了具有自回归滑动平均噪声的双线性参数系统的极大似然多新息随机梯度参数估计方法,并进行了仿真验证。

中国地表日平均风与日极大风气候特征的对比

据多项研究指出,中国地表平均风速在全球变暖的背景下呈现长期下降的趋势。而极大风速与平均风速特征变化是否一致,值得我们关注。通过对比分析国家基本气象站1951—2018年的地表日平均风速和日极大风速数据,结果表明:全国范围内,日平均风速主要集中在2 m·s^(-1)左右,而日极大风速主要集中在8 m·s^(-1)左右,这两种风速在青藏高原地区和内蒙古地区较大。此外,日平均风速出现小风速概率更高,而日极大风速的概率分布更接近于正态分布。从1960—2010年,日平均风速下降了19%,而日极大风速下降更为显著,达到20%。然而,在2010年之后,随着全球变暖的加剧,二者均略有回升,尤其是日平均风速的回升更为显著。这一结论强调了在全球变暖背景下持续关注和研究风速变化的重要性,有助于深入了解中国地表风速的变化特征,同时也为风速预报、风能开发等项目提供科学参考。

不完备异构冲突信息系统中的极大一致联盟区间集族

作为处理不确定性问题的有效工具,三支决策已被广泛应用于冲突分析研究中。然而,现有的三支冲突分析模型大多基于单一类型的冲突信息系统,难以应对实际应用中代理对议题具有多类型评价值和缺失值的情况。同时,已有联盟集的定义通常基于给定代理,即联盟集中的代理与给定代理具有联盟关系,但不一定两两联盟。为了解决这些问题,构建了基于不完备异构冲突信息系统的三支冲突分析模型,并提出了代理两两相关的极大一致联盟区间集族的定义及其构造算法。首先,通过定义代理不同类型评价值的支持度和反对度,将对单个议题单维度多类型评价值的不完备异构冲突信息系统转化为双维度同类型评价值的二维模糊不完备冲突信息系统。其次,通过定义代理之间的乐观与悲观距离函数,构造了基于代理的联盟、冲突、中立区间集。最后,定义了极大一致联盟区间集族,并利用极大团的枚举算法获取极大一致联盟区间集族。

一种多元均值混合正态分布参数的极大似然估计

以Madadi等提出的数学模型与概率密度函数为基础,证明了多元均值混合正态分布的性质,讨论了MMNE分布参数的极大似然估计问题,利用ECM算法对MMNE分布的位置参数、尺度参数、偏度参数进行了参数估计计算,给出了计算方法和迭代公式。实例分析表明,所提出的偏态数据下MMNE分布参数估计模型合理且实用。

基于极大似然估计的非理想场景雷达信号分选算法

目前,已有研究针对理想条件下的雷达脉冲信号分选问题进行了详细阐述,但是缺乏杂散脉冲和缺失脉冲两种非理想情景下的模型表征。为解决这一问题,提出了一种基于极大似然估计的非理想场景雷达信号分选算法。该算法通过修正似然因子来表征杂散脉冲和缺失脉冲现象,提高在复杂场景下的分选准确率。当部分雷达先验信息已知时,所提算法模型具有更好的分选效果。仿真实验结果表明,与已有的极大似然模型和深度学习算法相比,所提算法在分选准确率上有显著提升,具有较高的应用价值。

基于极大熵法的三峡水库洪水预报误差分布规律

深入研究洪水预报误差的分布规律具有很大的实用价值,可为水库调度决策的拟定提供辅助参考。通常的研究方法为正态分布法与对数正态分布法,但这类研究方法受人为主观性的影响较大。使用三峡水库2020-2022年入库洪水数据将洪水分为4个量级,建立三峡水库洪水洪量预报误差分布的极大熵模型,得出不同预见期下4个量级的洪水洪量预报相对误差的分布规律,结果表明:采用极大熵模型可以定量地获得三峡水库的洪水预报误差分布规律,具有较强的适用性且可进一步推广使用。

一种基于极大似然的分布光伏谐波异常支路估计方法

随着全球对生态环境的日益重视,光伏发电这一可再生清洁能源得到越来越广泛的利用,同时对光伏发电电能质量的监控也日趋上升。该文针对光伏电站并网点出现谐波超标时,支路谐波排查费时和经济损失大的问题,提出一种基于极大似然的光伏异常支路估计方法。该方法通过对预采集样本的统计确定各支路各阶次谐波分量的正态分布参数,进而构建出极大似然函数;在电气模型约束下推导出极大似然方程,并采用牛顿法求解得到各支路各阶次谐波分量的极大似然估计;最后提出一种概率谐波贡献度计算方法,并以此排序确定光伏异常支路的优先切除顺序。模拟分析表明,该方法速度快,具有较高稳定性和灵敏度,对不同阶次的谐波超标产生不同的支路切除优先顺序。