NA随机变量加权部分和的大偏差估计

首先,本文研究了NA随机变量加权部分和的极大值型不等式。在此基础上我们研究了NA随机变量加权部分和的极大值型大偏差估计。当权函数满足ai≡1时,我们可立即得到NA随机变量部分和的极大值型大偏差估计。

阵列部分加权置零综合

利用正文化方法，描述了阵列部分单元加权置零综合的两种技术一部分单元复数加权和仅幅度加权。文中给出详细推导过程，并比较两者的优缺点。计算实例表明，两种技术具有明显的置零效果和较小的副瓣扰动。

阵列部分单元相位加权波瓣综合

从自适应信号处理的角度出发 ,描述了阵列天线部分单元仅相位加权波瓣综合方法 ,并通过计算实例验证了该方法的正确性。该方法可用在天线波瓣图中设置宽凹口以对付宽带宽角干扰 ,亦可用于机载雷达天线不对称波瓣赋形以抑制地海杂波等。

关于加权部分等距矩阵

研究加权部分等距矩阵,给出了它的一些等价刻画。

部分参数加权平差的教学内容扩展

部分参数加权平差方法具有十分重要的理论意义和实用价值,尤其在测量平差程序实践中广泛应用。现有教材及文献关于部分参数加权平差解算公式的推导,均是将具有先验信息的参数连续排列在参数向量的前部或后部(称为参数有序),但实际编程中,常将有先验信息的参数在参数向量中混乱排列(称为参数无序)。为此,本文推导了参数无序时部分参数加权平差的解算公式(简称为严密解法),并阐述了结合无限权法(权无穷大或小)和全部参数加权平差解法的部分参数加权平差的实用解法(简称为实用解法)。通过模拟算例,验证了严密解法的正确性和实用解法的可行性,并指出实用解法具有较好的灵活性,更适于实际应用。

基于部分加权损失函数的SSD仪表字符检测方法研究

针对变电站中数字仪表字符受环境、类间数量不平衡导致的识别准确率底的问题,文章提出了一种基于部分加权损失函数的SSD字符检测方法。文章先通过对SSD的分类损失函数引入类间样本平衡因子,提升少样本的仪表字符类别的关注度;再结合多任务平衡因子,调节分类损失和回归损失之间对权重更新速率差异。实验以存在类间样本数量不平衡的仪表字符为对象,与SSD进行对比,基于部分加权损失函数的SSD对仪表字符检测,mAP-50提升了3.23个百分点。

NA随机变量序列加权和的Chover型重对数律

利用NA随机变量的指数不等式,对于具有重尾分布的同分布的NA随机变量序列,得到了用积分检验来刻划其加权部分和的极限定理,作为推论还得到了Chover型重对数律.把这些结果应用到经典的可和方式,获得了相应的结果.这些结果推广了已知的一些结论.

独立随机序列加权和的强收敛性

本文研究独立随机变量序列加权和的强收敛性,利用截尾法和Borel-Cantelli引理,证明了加权系数ank为列阵情形的强收敛性,在一般双下标加权系数的加权部分和的强收敛性,并对Jamison型加权部分和情形证明了其强收敛的充要条件,推广了Chow与Teicher(1971)[3]的相应结果.

基于轮廓特征多层描述和评价的部分遮挡目标匹配

针对传统目标匹配算法难以实现部分遮挡目标精确匹配的问题,本文基于轮廓特征的描述和评价提出了一种有效的部分遮挡目标匹配算法。首先,利用曲率划分目标轮廓得到描述局部特征的轮廓分段,并根据目标的骨架对轮廓分段进行合并和分类,实现了目标特征的多层次描述。然后,提出了评价轮廓分段的两个参数:重要性和局部性。前者用于评价轮廓分段所描述目标特征的重要性,后者用于评价轮廓分段相对目标整体轮廓的比例。最后,将两个评价参数与轮廓分段之间的相似度联合起来,得到衡量目标相似程度的加权部分相似度,从而获得部分遮挡目标的最佳匹配结果。与现有遮挡目标匹配算法相比,在不同遮挡情况下本文算法的平均识别率提高了1.5%左右。

发射波束部分阵元置零综合分析

针对选择阵列部分单元控制的情况,分析了发射波束零点形成的两种方式,即部分阵元的幅相加权综合和部分阵元的唯相位综合加权方式。通过对这两种置零综合的算法研究和仿真分析,并从形成零陷的深度及对副瓣扰动等方面,比较了这两种发射波束置零综合方法的性能。

星载SAR波束展宽研究

该文提出了一种新型的混合遗传算法——基于排序的主动变异型退火-遗传算法(AMAGA),描述了星载SAR天线部分单元仅相位加权波束展宽方法,并将量化效应考虑在内,避免了量化所带来的误差,计算结果可直接工程应用。部分单元仅相位加权波束展宽方法比满阵单元相位加权更具有可实现性和灵活性。文中给出波束展宽实例,宽波束主瓣内凹口可以控制,且波束具有较低的副瓣电平。

一种可变邻域Markov随机场图像分割模型

在图像分割中,传统Markov随机场(MRF)模型基于固定形状邻域,不能完全描述边缘结构等细节信息。为此,提出一种新的MRF线型可变邻域结构,采用部分加权的先验能量模型,对图像上下文信息进行建模,将邻域的选择和图像标记相结合,通过迭代优化得到图像分割。实验结果证明,与传统模型相比,该模型能更完整地保持目标的边缘形状,在细节描述方面具有较好的结果。

非线性网络的动力学复杂性研究的若干进展

结合评述国内外复杂网络研究的概况,综述了联合项目组近年来开展的非线性网络的动力学复杂性研究的若干进展,主要包括五大部分:1.复杂网络模型及其特性的研究进展,提出和研究了若干有意义的网络新模型及其普适特性;2.复杂动态网络的非线性动力学的研究进展,包括小世界网络和无标度网络中分岔、阵发混沌和混沌的特性,以及动力学同步与控制方法;3.复杂网络的部分同步;4.权重网络的演化特性及权重的作用;5.复杂网络相关课题及其应用研究;最后,展望了网络科学的应用发展前景与面临的挑战性课题.

基于AMAGA的天线波瓣综合

提出了一种新型的混合遗传算法—基于排序的主动变异型退火-遗传算法(AMAGA),描述了相控阵天线部分单元仅相位加权降低副瓣方法,并将量化效应考虑在内,避免了量化所带来的误差,计算结果可直接工程应用。部分单元仅相位加权降低副瓣比满阵相位加权更具有可实现性和灵活性。最后给出仿真实例,分析了不同加权单元数的天线性能。

带辅助协变量的相关失效时间数据的加权估计伪部分似然方法

本文在不同基准风险边际模型下考虑带辅助协变量的相关失效时间数据的统计推断.假设感兴趣的主协变量仅在全研究队列的一个子集中是精确测量的,而主协变量的辅助协变量则对研究队列的全部个体均可获得.首先利用辅助信息经验地估计相对风险函数,然后提出一种加权估计伪部分似然(weighted estimated pseudo-partial likelihood,WEPPL)方法求边际风险率参数的估计.本文在辅助协变量为分类变量的情形下建立WEPPL估计的渐近性质.相应估计被证明是相合的和渐近正态的.本文通过模拟研究评估提出的估计在有限样本下的表现.结果显示提出的加权估计在效率上要优于未加权的估计,特别是当失效时间之间相关性较强的时候.

一类随机变量序列加权和的Chover型重对数律

对于具有某种尾渐近行为的独立同分布的随机变量序列,本文通过积分检验刻划了其加权部分和的极限结果,并作为推论获得了Chover型重对数律。把这些结果应用到经典的可和方式,获得了相应的结果。

多元失效时间删失数据边际风险模型加权估计的渐近正态性

对于多元失效时间数据,可以根据工作独立的假定来估计边际风险模型中的未知参数,但工作独立方法通常会失去估计的效率.为了充分利用不同失效类型之间的潜在相关性,提高估计的效率,可以通过加权的方法给出参数的加权部分似然估计.然而由于多元失效数据是高维数的数据,选择最优权是困难的.因此,Fan,Zhou,Cai和Chen曾基于参数估计向量中每个元的方差提出了一些次优加权方法,然后从参数向量所有分量估计的角度出发,构造了未知参数的复合加权部分似然估计,但他们没有给出这些复合加权估计的渐近性质.本文将对复合加权部分似然估计进一步的研究,推导了这个估计的渐近正态性,并给出了该估计的协方差阵以及协方差估计.同时,将该方法应用于艾滋病临床试验的实际数据,给出了有意义的解释和说明.最后进行了相关估计的一些数值模拟计算.