THE OPTIMAL GENERALIZED LOGARITHMIC MEAN BOUNDS FOR SEIFFERT'S MEAN

For p ∈ R, the generalized logarithmic mean Lp（a, b） and Seiffert＇s mean T（a, b） of two positive real numbers a and b are defined in （1.1） and （1.2） below respectively. In this paper, we find the greatest p and least q such that the double-inequality Lp（a, b） 〈 T（a,b） 〈 Lq（a,b） holds for all a,b 〉 0 and a ≠ b.

基于D-S证据理论的岩爆预测方法研究

为了有效预测岩爆,提出基于D-S证据理论的岩爆预测方法.首先,选取与岩爆发生相关的6个指标因素作为证据体,并通过模糊物元框架和正态型隶属度函数构建证据体的基本概率分配.然后,利用K均值将证据体分类,并提出簇内证据用传统方式融合而簇间证据用权重方式融合的组合融合规则,以减轻高冲突证据融合的不利影响.最后,将模型应用在秦岭终南山公路隧道2号竖井工程,且与经验方法对比.为了分析预测过程的不确定性和估计岩爆发生概率,采用蒙特卡洛模拟进行抽样仿真,并通过Spearman秩相关系数衡量输入指标的全局敏感性.研究结果表明:输入指标在不同的岩爆案例的影响程度差异较大且方向不同;5个岩爆案例的发生概率在40.8%~70.1%之间.该模型表现出优异的预测分类性能,可为深埋地下工程岩爆预测提供参考.

基于最优k值k-means聚类分析的湖相沉积土层岩土参数分布研究

对岩土参数进行传统的k-means聚类分析时,因无法确定k值,而导致无法有效剔除误差数据。为得到岩土参数可靠取值范围,基于最优k值的k-means算法进行研究,通过量化样本内距离和聚类紧密性来确定聚类数目k值,避免了传统k值的随机选取。对粉土的三个基本物理力学指标:黏聚力c、内摩擦角φ、压缩模量E_(s)进行空间聚类分析。通过比较不同k值时的E_(E)值,确定最优k值为5。聚类完成后,原样本被划分为5类子样本。样本数量最多的一类为最优子样本,这类子样本与原样本分布一致,且数量偏离程度及变异性较小。对除最优类外的其他四类子样本进行分布检验,可知A-D检验法适用于小样本,而K-S检验法适用于大样本。根据偏度系数c值,调整合适的区间长度,进一步优化参数取值范围,并与工程实际采用值对比,检验方法的可行性。该分析方法实现由小样本代替大样本进行参数统计分析求取可靠的取值区间,简化计算,提高工作效率。

经皮二氧化碳分压监测在硬质支气管镜下Feng′s EBUS-TBNB中的应用

目的:探讨经皮二氧化碳分压(transcutaneous partial pressure of carbon dioxide,PtcCO_(2))监测在硬质支气管镜下冯氏气管内超声引导纵隔切开活检(Feng′s endobronchial ultrasound-guided transbronchial node biopsy,Feng′s EBUS-TBNB)中的应用。方法:收集2019年8月—2022年8月期间天津医科大学总医院收治的纵隔疾病患者128例,随机分成Feng′s EBUS-TBNB组和支气管内超声引导针吸活检术(endobronchial ultrasound-guided transbronchial needle aspiration,EBUS-TBNA)组,患者均予高频喷射通气行硬质支气管镜下操作及PtcCO_(2)监测,EBUS-TBNA组患者行EBUS-TBNA,Feng′s EBUS-TBNB组患者行Feng′s EBUS-TBNB术,比较两组患者术前(T0)、通气开始时(T_(1))、通气10 min后(T_(2))、通气20 min后(T3)、通气30 min后(T_(4))、通气40 min后(T_(5))、通气50 min后(T_(6))、通气60 min后(T_(7))心率(heart rate,HR)、平均动脉压(mean arterial pressure,MAP)和PtcCO_(2)的变化。结果:T_(1)~T_(7)时,两组患者HR、MAP和PtcCO_(2)水平均明显高于T0时(P<0.05)。T0~T_(2)时,两组患者HR、MAP和PtcCO_(2)水平比较差异无统计学意义(P>0.05);T3~T_(5)时,Feng′s EBUS-TBNB组HR、MAP和PtcCO_(2)水平均明显高于EBUS-TBNA组(P<0.05);而T_(6)~T_(7)时,两组患者HR、MAP和PtcCO_(2)水平比较差异无统计学意义(P>0.05)。结论:将PtcCO_(2)应用于Feng′s EBUS-TBNB中,可间接反映患者HR、MAP水平变化,值得临床推广应用。

Sharp power mean bounds for Seiffert mean

In this paper, we find the greatest value p = log 2/（log Tr - log 2） = 1.53.- and the least value q -- 5/3 - 1.66.. such that the double inequality Mp（a,b） 〈 T（a,b） 〈 Mq（a,b） holds for all a, b 〉 0 with a # b. Here, Mp（a, b） and T（a, b） are the p-th power and Seiffertmeans of two positive numbers a and b, respectively.

SHARP BOUNDS FOR NEUMAN-SNDOR MEAN IN TERMS OF THE CONVEX COMBINATION OF QUADRATIC AND FIRST SEIFFERT MEANS

In this article, we prove that the double inequality αP（a,b）＋（1-α）Q（a,b）〈M（a,b）〈βP（a,b）＋（1-β）Q（a,b）holds for any a,b 〉 0 with a ≠ b if and only if α≥1/2 and β≤[π（√2 lov （1＋√2）-1]/[√2π-2） log （1＋√2）]=0.3595…,where M（a, b）, Q（a, b）, and P（a, b） ave the Neuman-Sandor, quadratic, and first Seiffert means of a and b, respectively.

第二类Seiffert平均的最优凸组合界

得到了使不等式αD(a,b)+(1-α)A(a,b)<T(a,b)<βD(a,b)+(1-β)A(a,b)对所有a,b>0且a≠b成立的α和β的最优值.其中D(a,b),A(a,b)和T(a,b)分别表示2个不同正数a与b的第二类反调和平均、算术平均和第二类Seiffert平均.

Seiffert平均的Schur凸性和Schur几何凸性

讨论了两个正数a,b的Seiffert平均在R2+上的Schur凸性和Schur几何凸性,进而得到一些新的不等式.

K-means与SVM结合的水下目标分类方法

为促进海洋资源开发,提高海洋开发能力,本文对水下目标分类识别方法进行研究。首先,对水下目标分类方法进行概述,介绍较为常用的方法。然后,提出K-means与SVM结合的水下目标分类方法。该方法利用S变换进行图像预处理,提取不同分辨率下的不同特征作为分类的特征向量,通过K-means与SVM结合的分类识别方法进行分类。实验结果表明,该方法具有较高的识别率。

关于Seiffert平均的一个不等式

给出了与两正数a,b的几何平均、算术平均、Seiffert平均有关的一个不等式.

一个Seiffert型平均的Schur凸性和Schur几何凸性

讨论了一个Seiffert平均在R2++上的Schur凸性和Schur几何凸性,并建立了两个新的不等式链.

第一类Seiffert平均和对数平均的广义海伦平均精确界

得到最小值α,γ和最大值β,τ,使得对所有a,b>0,a≠b,不等式H_α(a,b)<P(a,b)<H_β(a,b)和H_γ(a,b)<L(a,b)<H_τ(a,b)成立.这里,H_ω(a,b),P(a,b)和L(a,b)分别是两个正数a和b的广义海伦平均,第一类Seiffert平均和对数平均.

Seiffert平均的一个下界估计

利用指数平均和几何平均的基本性质,证明了指数平均和几何平均的算术平均是Seiffert平均的一个下界,所得结果改进了一些已知的不等式.

两个涉及Seiffert和Neuman平均的双向不等式

应用实分析的方法,找到了最佳参数α_1,α_2,β_1,β_2∈(0,1)使得双向不等式:A^(α1)(a,b)X^(1-α1)(a,b)<P(a,b)<A^(β1)(a,b)X^(1-β1)(a,b),A^(α2)(a,b)X^(1-α2)(a,b)<N_(GA)(a,b)<A^(β2)(a,b)X^(1-β2)(a,b)对所有a,b>0和a≠b成立。其中P(a,b),N_(GA)(a,b),X(a,b)和A(a,b)分别表示两个正数a和b的第一类Seiffert平均,Neuman平均,Sándor平均和算术平均。

基于改进的颜色特征和直方图更新的Mean-Shift算法

为了提高复杂环境下智能视频监控对运动目标跟踪的可靠性,提出一种基于改进的颜色特征和直方图更新的Mean-Shift跟踪算法.该算法利用像素点局部颜色变化作为跟踪目标像素点特征,弥补单一颜色值特征对目标表征的不足;并根据Mean-Shift跟踪结果和目标匹配程度对目标直方图进行更新,保证在目标姿态和大小发生变化时目标特征直方图的有效性.实验结果表明:与传统Mean-Shift算法相比,改进的颜色特征减小了相似背景像素对运动目标的干扰,目标直方图的更新提高了Mean-Shift算法对目标姿态和大小改变的鲁棒性.算法提高了基于颜色特征的Mean-Shift算法对复杂环境中运动目标进行实时跟踪的可靠性.

Two Optimal Inequalities Related to the Sándor-Yang Type Mean and One-parameter Mean

In this paper, we establish two optimal the double inequalities for Sandor- Yang type mean and one-parameter mean.

平方根平均、反调和平均和Seiffert平均的最优凸组合不等式

应用初等微积分知识,找到并证明了最大值α和最小值β,使得对所有的a,b>0,a≠b双向不等式αN1(a,b)+(1-α)C(a,b)<P(a,b)<βN1(a,b)+(1-β)C(a,b)成立,其中P(a,b)、N1(a,b)、C(a,b)分别定义为两个正数a,b的Seiffert平均、平方根平均、反调和平均.

基于mean-shift全局立体匹配方法

针对图像全局立体匹配精度高、计算量大的问题,提出基于mean shift图像分割的全局立体匹配方法。首先,通过mean shift算法对图像进行分割,获取图像同质区域数量和区域的标号。在计算匹配代价时,根据像素所属的分割区域,对像素进行筛选,从而提高匹配代价计算速度;其次,在代价聚合前,将mean shift算法获取的同质区域数K值赋值给K-means聚类算法,对像素再次聚类,提高立体匹配精度和速度;最后通过TRW-S置信传播解决能量最小化问题。实验表明,该算法明显提高了匹配的准确性和速度,与单纯的全局匹配算法相比,具有更大的优势。

关于对数平均,Neuman-Sándor平均和第二Seiffert平均的一个精确不等式

本文研究了Neuman-Sándor平均关于对数平均和第二Seiffert平均的几何凸组合的界,得到了一个最佳不等式。

SOME INTEGRAL MEAN ESTIMATES FOR POLYNOMIALS

In this paper we establish L^q inequalities for polynomials, which in particular yields interesting generalizations of some Zygmund-type inequalities.