Ripley's K(d)函数分析种群空间分布格局的边缘校正

Ripley's K( d)函数是分析种群空间分布格局最常用的方法 ,边缘校正是此方法的关键问题。传统的边缘校正包括 3种情形 :( i)圆完全包含在样地内 ;( ii)圆与样地的一条边相交 ;( iii)圆与样地的两条边相交 ,并有 2个或 3个交点。实际上 ,还存在第 ( iv)种情形 ,即圆与样地两条边相交有 4个交点的情形。本文从数学上证明 ,传统边缘校正中 ,当边缘校正属于第 ( iv)种情形时 ,仍按第 ( iii)种情形进行校正 ,必然导致权重估计偏大 ,L( d)值偏高 ,从而影响结果分析。采用我国东北长白山天然云冷杉林样地资料验证了此结论。结果表明 ,天然云冷杉林中 ,3个优势种群林木分布格局特点是 :鱼鳞云杉和臭冷杉的分布格局曲线非常相近 ,而与椴木的差异较大。原因是鱼鳞云杉和臭冷杉具有相似的生态学特性。椴木在小尺度显著聚集 ,因为椴木常在林隙更新。相比较而言 ,建群种云冷杉分布的均匀程度要比椴木高。

关于Smarandache函数S(n)与除数函数d(n)的混合均值

对于任意的正整数n,著名的Smarandache函数S(n)定义为最小的正整数m,使得n|m!,即就是S(n)=min{m:n|m!,m∈N}.本文的主要目的是应用初等方法研究S(n)与除数函数d(n)的加权均值问题,并获得一个有趣的渐进公式.

S-d-invexity条件下的多目标规划和凸规划问题

新定义了一种广义的d-invexity函数,(记为S-d-invex),进而考虑了一类非线性多目标规划问题,且通过引入Pareto最优解,凸集,和凸函数的概念,得到了凸规划问题的最优结果.

D-S证据理论在多传感器故障诊断中的改进及应用

为了解决在多传感器信息融合处理故障诊断过程中,传统证据理论对含有冲突证据的处理结果与实际相悖的问题,介绍了传统D-S证据理论的基本构架,分析了其在处理含有高冲突的证据融合过程中将高信任度分配给小可能故障源的不足,提出了一种新的基于模糊成员函数和证据平均距离的证据调整方法,该模糊成员函数充分考虑了专家知识对基本概率分配函数的影响,证据的平均距离给证据分配的权重系数可降低冲突证据的可信度,增加其未知程度.运用证据的充分性系数及利用证据平均距离得到的证据重要性系数,重新分配概率指派函数.实验结果表明,改进后的方法可以提高故障诊断结果的准确性,在一定程度上提高了诊断系统的性能.

一种新的基于证据权重的D-S改进算法

D-S(Dempster-Shafer)证据理论是一种有效的不确定性推理方法,但在组合高冲突证据时,D-S证据理论得到的结果却往往有悖常理。为了解决冲突证据的合成问题,考虑到不同的证据在合成过程中的重要程度不同,提出了一种新的基于证据权重的D-S改进算法。该方法首先引入一个度量证据体间相似度的证据距离函数,建立相应的证据距离矩阵,求出系统中各证据到证据集的平均欧式距离,然后通过信任函数来获得描述各证据重要程度的权重系数并对证据源进行修正,最后利用D-S组合规则对修正后的证据进行合成。通过算例的分析以及与其它改进算法的比较,验证了新方法的有效性和优越性。

基于熵的Mass函数算法及在液压泵故障诊断中的应用

如何确定Mass函数是D-S证据理论的棘手问题,本文从信息论的观点出发,提出一种新的计算Mass函数的算法。该算法依据证据体可信度因素和证据体与目标关联的相对熵来分配证据体的Mass函数,较全面反映证据体的不确定性。将方法应用于液压泵诊断中,结果表明它获取的Mass函数是符合实际情况的,具有较好的实用性,而且其算法容易实现。

基于D-S证据理论的基本概率赋值的获取

在基于证据理论的目标识别融合中,基本概率赋值的获取是一个与应用密切相关的课题,也是实际应用中最难的一步。本文讨论了几种用经验获取基本概率赋值的方法。

Davey-Stewartson I型方程组的精确解

利用Weierstrass椭圆函数方法求解D-SI型方程组,得到了方程组的一些新的精确解.

B.D.Acharya和S.M.Hegde关于算术图一个猜想的证明

B.D.Acharya和S.M.Hegde猜想[1]:(1)、如果圈C_(4t+1)是(k,d)的算术图,那么必有k=2td+2r,其中r是某个非负整数;(2)如果圈C_(4t+3)是(k,d)算术图,则k=(2t+1)d+2r,其中r是某个非负整数。本文对以上猜想给出了肯定性证明。

基于D-S证据理论的CT/ECT图像融合实验方法

为提高多相流过程层析成像系统重建图像质量,分析CT、ECT成像机理及单一模态的局限性,提出一种基于D-S证据理论的CT/ECT图像融合实验方法。首先,将CT、ECT待融合图像的像素值聚类化,运用模糊聚类算法中的隶属度函数表示证据理论中的基本概率赋值函数;并通过D-S合成规则求解融合图像基本概率赋值函数,即融合图像隶属度函数。最后由融合图像隶属度函数反推融合图像像素值,实现"像素-概率-像素"之间的转化。实验结果表明:该方法可有效提高单模态重建图像质量,并优于传统像素融合算法。

基于RBFNN与D-S证据理论的反舰导弹模式识别

由于反舰导弹在速度、机动性等方面的显著潜力,已日益成为舰船的主要威胁。尽快识别反舰导弹类型对缩短系统反应时间,正确预测目标运动具有重要意义。针对从不同目标传感器提取的末制导雷达辐射源参数和弹道特性参数,对目标数据进行相关处理,应用径向基神经网络(RBFNN)分别对反舰导弹模式识别,仿真中充分考虑了各种误差干扰并进行容错性处理,仿真结果表明该算法的有效性。最后将两部分识别结果通过D-S证据理论进行综合决策,进一步提高了系统识别决策的可信度。

D.S.规划的uv-分解

主要利用uv-分解理论分析D.S.规划。先将D.S.函数uv-分解,再给出D.S.规划算法和最优性条件。

基于D-S证据理论的公路桥梁技术状况评估方法改进

将D-S证据理论引入桥梁技术状态评估方法中,对现行规范中的评估算法进行改进。通过实际检测项目中得到的真实桥梁信息,对规范法评估过程给出示例。提出了桥梁技术状况等级隶属函数,并将桥梁评估指标体系中的权重与D-S证据理论中不确定度概率指派相结合,使D-S证据理论算法能够有效嵌入评估体系。改进计算结果与规范计算结果契合度高,评估方法的改进科学有效。

沥青混合料动态模量主曲线拟合方法比选及评价

针对试验获取蠕变柔量、松弛模量难度较高、参数不准的问题,采用动态模量主曲线开展研究沥青混合料粘弹性能是有效方法之一。为获取精度较高的动态模量主曲线,对比分析了纯幂函数、幂函数(级数)、Sigmodial和2s2p1d函数四种模型的拟合效果,研究表明:纯幂函数简单实用,但只能适配半个频域范围的主曲线;Prony级数、Sigmodial模型和2s2p1d函数均可以表征动态模量主曲线“S”型特征,但Prony级数在“S”型曲线转折点处拟合效果不佳,Sigmodial模型在低温(高频)扩展段表现不佳,2s2p1d函数具有表征动态模量主曲线整个频率范围特征的优点。研究结论可为动态模量主曲线拟合方法的选择提供参考和借鉴。

越野环境中无人驾驶车的障碍目标识别

针对无人驾驶车环境感知技术,基于D-S证据理论融合多传感器信息,旨在解决障碍物身份识别技术难点。基于CCD和激光传感器建立信息融合系统,并提取每种障碍物的5个特征证据,包括距离对比度特征、平行四边形特征、边缘形状特征、灰度纹理特征和颜色特征。再根据目标类型和环境加权系数选择经验公式,通过模糊插值法求取身份隶属度近似获得各特征对目标的相关系数构造基本概率赋值函数。最后制定Dempster组合规则,融合多传感器特征信息识别障碍身份。试验表明本文方法能够准确有效地获取基本概率赋值函数,D-S证据理论融合方法提高了障碍物身份识别的准确性和鲁棒性。

基于神经网络预测与模糊度量的再融合诊断

通过分析神经网络理论和模糊度量方法的特点,提出基于神经网络预测和模糊度量方法的故障再融合诊断方法。该方法采用多个观测数据及主客观相结合的诊断方法,实现方法间的互补融合诊断,更全面、客观地辨识故障,提高故障定位能力,并给出一个液压设备故障诊断实例验证了该方法的有效性。

多层融合的管道泄漏诊断技术研究

针对传统油气管道泄漏监测和诊断准确率不高的问题,提出一种基于BP神经网络的多层D-S证据理论融合算法。用压力传感器、流量传感器、温度传感器等传感器监测管道泄漏信号。这些信号经预处理后输入到已训练好的BP神经网络。该网络的输出结果被用作各初始命题的基本概率赋值函数(BPAF)。再用多层D-S证据理论,将不同源、不同测点以及不同时刻的传感器信息依次进行融合。并将此方法并应用于实验室中,模拟管道泄漏的检测和诊断。试验结果表明,用多层D-S证据理论算法,能够有效提高管道泄漏诊断的准确率,降低泄漏识别的不确定性。

毛竹碳汇林栽植方式在成林初期对空间分布格局变化特征的影响

毛竹Phyllostachys edulis林空间结构是毛竹生长过程的重要因子,是提高竹林质量,优化经营水平的重要参考依据。利用聚集指数和Ripley’s K(d)函数,分析从2009-2013年毛竹碳汇林成林初期空间分布格局年际变化特征及匀栽、丛栽栽植方式对分布格局的影响。结果表明:(1)在5 a造林年限间,2种栽植方式下的新竹与活立竹的空间分布格局均呈聚集分布;(2)丛栽栽植毛竹林新竹聚集指数变动范围为0.38~0.76,活立竹聚集指数变动范围为0.45~0.60;匀栽栽植毛竹林新竹聚集指数变动范围为0.18~0.65,活立竹聚集指数变动范围为0.18~0.52;(3)聚集指数与活立竹株数间存在较强的相关性,匀栽毛竹林活立竹株数(x)与聚集指数(y)拟合方程为y=0.103 7x0.419 3,R2=0.937 9;丛栽毛竹林活立竹株数(x)与聚集指数(y)符合二次方程:y=0.000 04x2-0.002 7x+0.501,R2=0.985 6;(4)新造毛竹碳汇林在成林过程中存在不同尺度距离下的团状聚集分布;(5)栽植方式对立竹株数和分布格局影响明显。

基于置信度的自适应Kalman滤波定位方法

针对室外自主移动机器人因感知信息缺失或异常波动造成的定位失败或偏差过大的问题,设计了一种基于置信度的自适应Kalman滤波定位方法。该方法根据置信距离和置信度函数计算局部滤波器的置信度,并将其进行加权运算后作为全局滤波器的自适应因子,以得到更为准确的位姿估计。采用D-S证据理论对全局位姿进行评价,并给出单一传感器失效时的组合方案。试验结果验证了方法的有效性和鲁棒性,能满足实际定位的需要。

量子强关联网络的能谱及应用

分析了一个由安德逊s-d混合模型构成的量子强关联网络系统,通过施里弗-沃尔夫变换,利用投影双时格林函数方法,得出网络系统的能谱;利用格林函数的谱函数研究系统的局域磁性,并讨论了系统的能量如何影响着节点上量子自旋朝上或朝下的数目。进一步,可以通过费米网络模型的参量,如占有数,来研究局域磁矩的大小,由此说明占有数是一个反映网络拓扑性能和动力学性能的重要物理学参量。