NQD样本下密度函数核估计的相合性

设{Xn,n≥1}为同分布的两两NQD随机变量序列,f(x)为其概率密度函数,基于样本X1,X2,…,Xn,文章对密度函数f(x)的核估计进行了讨论,在适当条件下证明了强相合、一致强相合和均方相合。

WOD样本下密度函数核估计的强相合性

设{Xn,n≥1}是同分布的WOD随机变量序列,具有共同的密度函数f(x),利用WUOD序列的指数不等式,在适当条件下获得了WOD样本下密度函数核估计的强相合性.

线性过程误差下概率密度函数核估计的均方相合性

设{Xt,t≥1}为一单边线性平稳过程序列,具有共同的未知密度函数f(x),本文定义通常的f(x)的核估计,在适当条件下,证明了其均方相合性.

混合序列密度函数核估计的相合性

设{X_n,n≥1}是一随机变量序列,f(x)为其概率密度函数,基于样本X_1,X_2,…,X_n,对密度函数f(x)的核估计进行讨论,在适当条件下,利用Borel-Cantelli引理、矩不等式等证明了ρ-混合和φ混合序列核密度估计的强相合性、r阶相合性.

封闭曲线上一类含函数核奇异积分方程的Noether定理

给出一类含函数核的奇异积分方程,通过构造辅助函数,将这类含函数核的奇异积分方程转化为相应的双周期黎曼边值问题,进而讨论双周期黎曼边值问题的可解条件、一般解,得到封闭曲线情况下奇异积分方程的求解问题,给出其一般解、可解条件和可解性Noether理论.

两两NQD序列密度函数核估计的相合性

目的探讨两两NQD随机变量序列的密度核估计是否具有与NA序列密度核估计类似的相合性.方法设{Xn,n 1}为同分布的两两NQD随机变量序列,f(x)为X1的概率密度函数.基于样本X1,X2,…,Xn,给出了密度函数f(x)的核估计,在一定条件下,结合NA序列的相关结果的证明方法,引证后经过认真严谨的推导得出结论.结果(1)两两NQD序列的r阶平均相合性:(i)limn→∞E|fn(x)-f(x)|r=0,(ii)E|fn(x)-f(x)|r=O(n-r4);(2)逐点强相合性:fn(x)-f(x)→0,a.s.,对f(x)的任何连续点x成立;(3)一致强相合性:limn→∞sxu∈Ip|fn(x)-f(x)|=0,a.s.结论两两NQD随机变量序列的密度核估计具有较好的相合性.

一类含ζ函数核的奇异积分算子的性质及应用

给出一类含ζ函数核的奇异积分算子,利用维尔斯特拉斯ζ函数的性质讨论了这类算子的若干重要性质,并在此基础上得出了相应的含ζ函数核的奇异积分方程的Noether定理.

两两NQD序列密度函数核估计的r阶平均相合性

两两NQD序列是一类重要的随机变量序列,NA序列是它的一种特殊情况.{Xn,n≥1}为同分布的两两NQD随机变量序列,f(x)为X1的概率密度函数.基于样本X1,X2,…,Xn,本文给出了密度函数f(x)的核估计,并证明了其r阶平均相合性.

LPQD序列密度函数核估计的相合性

设{X_n,n≥1}是一LPQD序列,f(x)为其概率密度函数,基于样本X_1,X_2,…,X_n,对密度函数f(x)的核估计进行讨论,在适当条件下,利用Borel-Cantelli引理、矩不等式等证明了核密度估计的强相合性、r阶相合性.

概率密度函数核估计的一致强相合性

讨论了在适当条件下，密度函数核估计的一致强相合性。

CT不同重建函数核对婴幼儿骨迷路三维显示和数据测量的影响

目的:探讨CT不同重建函数核对婴幼儿骨迷路三维结构的显示能力和测量准确度的影响。方法:将30例婴幼儿正常耳的原始数据分别用FC30、FC23和FC04重建函数核重组成三组容积数据,对骨迷路行容积再现(Volume rend-ing,VR)成像并测量上半规管(顶部)直径,统计分析骨迷路三维结构的显示情况和测量的准确性。结果:FC30组和FC04组耳蜗、蜗窗、前庭窗和前庭嵴清晰显示率均为100%(30/30),FC23组则分别为100%(30/30)、93.3%(28/30)、96.7%(29/30)和93.3%(28/30),各组显示差异比较无统计学意义(P>0.05)。各组半规管的清晰显示率均<100%,显示差异比较有统计学意义(P<0.05),其中以FC30组的评分最高。FC30、FC23和FC04组上半规管顶部的直径分别为(0.827±0.120)mm、(0.650±0.104)mm和(0.650±0.120)mm,FC30组与FC23组、FC04组测量值差异比较有统计学意义(P<0.05),FC23组与FC04组测量值差异比较无统计学意义(P>0.05)。结论:FC30重建函数核对婴幼儿骨迷路三维结构的显示能力和测量准确度均优于FC23和FC04,是婴幼儿骨迷路VR成像的最佳重建函数核。

关于回归函数核估计的联合渐近正态性

用核估计误差分解方法,在较弱条件下,就一般情况给出了简捷的证明,同时文后讨论了所得结果与Schuster([2])强条件结果之间的联系.

双周期函数核的奇异积分方程的直接解法

带Cauchy核和Hilber核的奇异积分方程在[1]-[8]中已进行过讨论。在本文中,我们作出了带双周期核的奇异积分方程的直接解法,解用积分形式(17)表达。

具一般指数函数核的Hilbert型积分不等式

引入参数α,μ和ν(α>0,μ,ν≠0),利用权函数方法和实分析技巧,建立了1个核为指数函数e^(-αx^(μ)y^(ν))的Hilbert型积分不等式及其等价式,证明了这一对等价不等式的常数因子是最佳值,并考虑了不等式带范数的算子表示式。作为应用,通过选取一些特殊参数值,获得了一些特殊情形的不等式。

一类华罗庚域的Bergman核函数的显式表达

在任意不可约有界圆型齐性域上考虑一类华罗庚域E(q 1,…,q m,Ω;p 1,…,p m),其中Ω是指任意不可约有界圆型齐性域,q 1,…,q m都是自然数,m,p 1,…,p m都是正整数,N(Z,Z)是Ω的一般范数。利用完备正交函数系和多元极坐标变换,给出了该域的Bergman核函数的显式表达。

基于SoS核函数调制的超声图像伪影剔除方法

针对超声图像伪影严重的问题,提出了一种基于SoS核函数调制的超声图像伪影剔除方法,该方法能同时剔除由等声程线扩散、传感器拖尾现象和检测噪声产生的伪影.该方法利用SoS核函数对测得的超声回波信号进行调制,对调制后的信号等间隔低速率采样来获取离散序列值,再对离散序列进行离散傅里叶变换得到傅里叶系数序列,利用谱估计算法对回波信号参数进行估计,获取检测信号的特征参数,最后对回波信号进行自适应重构,计算声场得到超声图像.试验结果表明,聚焦和直探头对槽和通孔类缺陷的去伪影效果明显,与传统B扫图像相比,峰值信噪比分别达到了24.306、23.213、15.074和16.444 dB,结构相似度分别为0.931、0.932、0.746和0.773,表明该算法有效提高了缺陷图像的质量.

一类例外Forelli-Rudin结构的Bergman核函数

一类例外Forelli-Rudin结构是以16维例外Cartan域为底的半Reinhardt域。当这类域的所有参数为正实数时,给出其级数形式的Bergman核函数,并且当其中一个特定的参数为正整数时,得到该域的有限形式的Bergman核函数。

基于Gram-Schmidt正交化和HSIC的核函数选择方法

核方法是一种解决非线性、异构数据的有效方法,核函数的选择问题是核方法中的一个重要课题,对于不同的应用问题,如何选择合适的核函数还没有足够的理论基础,不适当的核函数选取会降低核方法的性能。由此,提出了一种基于Gram-Schmidt正交化(GSO)和Hilbert-Schmidt独立准则的核选择方法(HSIC-GSO),该方法考虑了核函数选择过程中存在的不相关冗余信息。首先,利用GSO消除核函数之间的冗余信息;然后,使用HSIC度量核函数与理想核之间的相似性;最后,得到一组判别能力强、多样性大的基核函数。实验结果表明,HSIC-GSO方法选择的核函数泛化性好,并且提高了MKL的分类性能,验证了所提方法的有效性。

基于改进核函数的支持向量机天然气脱硫装置故障诊断方法

针对传统脱硫故障诊断方法反应慢、诊断准确率低的问题,根据Mercer理论,改进了支持向量机(Support Vector Machine,SVM)的核函数及其参数,建立了一个由多项式核函数、Sigmoid核函数和高斯径向基核函数复合成的改进核函数,在此基础上提出了一种基于改进核函数的SVM天然气脱硫装置故障诊断方法。相对于传统SVM,改进SVM体现了各单一核函数的优点,并具有更好的学习效率及诊断准确率,在小样本数据条件下仍然具有较好的泛化能力。利用HYSYS软件建模并与现场数据进行对比实验,由实验结果可知改进SVM的误差率降低到传统SVM误差率的约30%,验证了新方法能有效提高脱硫装置故障诊断的准确率和效率。研究结果有助于天然气脱硫装置故障诊断系统工作的智能化开展,同时也为故障诊断方法的研究提供了借鉴。

基于核函数和超参数优化的退役锂电池健康状态估计

退役锂电池的健康状态(SOH)估计对于电池再利用和环境可持续性至关重要,考虑到电池退役前使用条件的不确定性,为进一步实现数据驱动方法对退役锂电池SOH的精确估计,本研究提出一种改进高斯过程回归(GPR)模型的SOH估计方法。首先,收集退役锂电池的循环充放电数据,在考虑温度影响的同时,使用容量增量分析(ICA)和电化学阻抗谱(EIS)等方法,获取统计健康特征来表征退役锂电池的老化特性,并使用Pearson相关系数对所选统计特征进行相关性分析,筛选出与SOH相关性高的健康特征,消除特征冗余性。然后,基于单一核函数学习老化特征能力有限和传统超参数寻优方法效率不足的特点,将线性核函数和对角平方指数核函数结合,以更好地适应电池SOH估计任务中的多样性,同时,使用鲸鱼算法(WOA)对估计模型的超参数进行优化,以确保最佳拟合效果,建立改进的GPR估计模型以提高估计的精确性。最后,采用NASA电池数据集中具有不同初始健康状况的四个不同电池,来验证所提出方法的有效性,结果表明,本文所提方法可以提供准确的SOH估计,其中平均绝对误差均小于1.75%且均方根误差均小于2.42%。