改进的高效EZW遥感图像压缩方法研究

利用经过小波变换后的图像数据的能量大部分聚集在低频子带这一特点,针对小卫星星载计算机处理能力有限的客观情况,提出一种将预测编码和EZW编码相结合的图像压缩编码方法。通过有限的扫描次数,提取高频系数的重要系数。同时结合预测编码的方案,实现对低频系数几乎无损的压缩。实验证明,该方法能够使遥感图像的压缩同时具有较快的压缩速度和较好的压缩效果。     

基于灰色残差GM（1，1）模型的建筑物沉降预测的研究

针对现代高层建筑进行沉降观测,对其未来的变形趋势进行准确地预测具有重要的意义。针对传统灰色GM（1,1）模型存在的模型精度不高的问题,提出了灰色残差GM（1,1）模型,并将其应用于对建筑物的沉降变形进行定量分析。通过与原始模型的对比分析可以发现,灰色残差模型在精度上有了显著的提高,更加适用于基础沉降的预测,具有很好的工程应用价值。     

Application Research of Robust LS-SVM Regression Model in Forecasting Patent Application Counts

A forecasting system of patent application counts is studied in this paper. The optimization model proposed in the research is based on support vector machines (SVM), in which cross-validation algorithm is used for preferences selection. R esults of data simulation show that the proposed method has higher forecasting p recision power and stronger generalization abi1ity than BP neural network and RB F neural network. In addition, it is feasible and effective in forecasting paten t application counts.     

从古典概率思想看中西文化价值观的差异

本文研究了古典概率思想的起源和主要意义,指出了等可能性或机会均等是古典概率思想的基本特征;并首次从中西方两大不同的文化价值观(机会均等和诚信)的角度,对中西方追求确定性的思想方法--"随机试验"(重复性)和"卜以决疑"(一次性)的重大差异,进行了分析、比较和探讨.     

多步自适应组合预测及其应用

提出一种多步自适应组合预测方法.预测由多个并行不同的多步自适应预测模型组成,最终预测结果,由多个预测模型预测值的线性加权组合决定.本法适用于随机时变动态系统过程的多步预测问题,在某省粮食产量趋势预测中,应用此法获得了良好的效果.     

GM（1，1）模型在广西糖产量预测中的应用

在分析广西糖业发展的基础上,以实际数据为基础,建立了广西糖产量灰色预测模型,并将模型应用于广西未来糖产量的预测,认为该模型可用于对广西区糖产量进行预测.该模型误差较小,对决策有一定的参考价值.     

H.264中帧内预测模式选择算法的研究

H.264标准中的帧内预测模式在带来高效的压缩编码性能的同时,也带来了极大的运算量。针对这种情况,在对现有的优化思想进行研究的基础上,提出一种新算法,通过对各种预测模式的方向性进行分析,利用相邻模式之间的相关性,跳过一些小概率模式,从而降低模式选择的复杂度。通过仿真实验,对两种算法的编码时间、比特率以及PSNR进行了比较。实验结果表明,在采用新的模式选择算法后,运算复杂度大大降低,极大地减少了编码时间,有效地提高了视频压缩编码效率。     

失效概率的估计及其性质

E—Bayes估计法在无失效数据情形给出了失效概率的E-Bayes估计的定义,并在此基础上给出了失效概率的E—Bayes估计。文章在E—Bayes估计法基础上,给出了失效概率的另外两个E—Bayes估计,并给出了失效概率的E—Bayes估计的性质。最后,给出了数值算例,结果表明E-Bayes估计法可行且便于应用。     

线性红利下带干扰的复合Poisson风险模型

在线性红利下将保单到达过程推广为Poisson过程,并通过添加Brownian运动来刻画保险公司不确定的收益和付款,建立线性红利下带干扰的复合Poisson风险模型.运用鞅方法得出了破产概率满足的Lundberg不等式和一般公式,并给出了生存概率满足的积分—微分方程。     

基于模块化神经网络的铁水硅含量预测系统

目的 提出基于模块化神经网络的铁水硅含量预测方法,改善系统控制性能指标.方法 采用模块化神经网络预测控制策略,建立模块化神经网络预测模型,按输入物理量的性质构成4个神经网络模块,再由预测神经网络输出铁水硅含量的预测值,从而控制炉温.结果 提高了学习效率和泛化能力,有效地改善了模型的预测精度.结论 模块化神经网络铁水硅含量预测模型,将同类量进行了模块划分,通过对铁水硅含量预测,可提高炉温的控制精度和动态跟踪能力,具有结构简单、实时性好、预测精度高等特点.