基于正态分布的随机投入产出模型

在现实的经济系统中,由于社会经济活动的复杂性、多变性和随机性,用确定性变量来描述多变但又有一定规律性的社会经济现象是不符合实际的,为此,运用随机变量的分布理论研究随机投入产出模型具有现实意义。以直接消耗系数和最终需求为正态型随机变量的前提,研究了随机投入产出模型的某一类问题,并最终导出了各部门随机投入产出模型中产出量所满足的方程。     

基于BP神经网络的非线性组合预测模型在粮食物流需求预测中的应用

鉴于单项预测模型的局限性,在确定粮食物流需求量的基础上,建立了基于BP神经网络的非线性组合预测模型,并把这一模型应用于长春市粮食物流需求的预测。误差分析表明,该预测模型可以有效地提高粮食物流需求量的预测精度。     

有色噪声激发下结构随机振动离散分析方法

本文以线性结构体系在白噪声激发下随机振动离散分析方法为基础,对线性结构体系在有色噪声激发下的随机振动离散分析方法进行了研究。给出均值、均方响应的离散递推式.并为了能在计算机上进行实际运算,给出了实用化计算公式,最后用该方法对一结构进行了实际计算,分析了计算结果。     

随机振动离散分析方法的实用化处理

通过作者前文[2]的讨论,我们得到了随机振动离散分析方法的一个具有无条件稳定性和高精确度的递推公式—β递推格式。但由于在这个递推格式中存在一个增广矩阵求逆的问题,这就给它在实际应用中带来了一定的困难。本文通过等效变换,成功地克服了这一困难,避免了这个增广矩阵求逆,并完全应用了原动力体系质量阵、阻尼阵和刚度阵的对称、带状等特点,大大减少了计算所需的内存和工作量,从而使该方法很实用。     

数值模拟地震形变力场

本文提出用有限元方法和按距离加权平均法数值构造地震形变力场,比较了这两种方法的优点和存在的主要问题,并结合计算机口形学的技术描述组成具体实用的系统．     

动态核的形态分解联想算法及抗随机噪声研究

在灰度图像分解算法和动态核形态联想记忆网络的基础上,提出了一种新的联想记忆算法--动态核的形态分解联想算法.该方法显著地提高了联想记忆抗随机噪声的能力,较好地解决了灰度图像在含噪时的联想记忆和识别的问题,从而给出了一种恢复含噪灰度图像的途径,并把该方法推广到了彩色图像的处理.通过实验,验证了该方法的良好性能,取得了理想的结果.     

如何提高米波雷达的方位精度

分析了米波波段背靠背双天线雷达实测原始点迹数据,列出了不同情况下目标点迹参数的分布,对比了中心法、峰值法、幅度加权法三种方法获得的目标方位数据的分布与特性。比较表明：对米波雷达而言,采用幅度加权方法获取目标方位,其精度较高。     

Reliability Modeling for Ultrathin Gate Oxides Subject to Logistic Degradation Processes with Random Onset Time

With device dimension downscaling, the oxide thickness reduction less than 3 nm in a metal–oxide–semiconductor structure has led to important changes in degradation mechanisms and failure modes. After the first breakdown event of ultrathin gate oxides, the leakage current presents a less dramatic and noisy continuous breakdown mode called progressive breakdown. In this article, we characterize the overall breakdown process of ultrathin gate oxides as a randomized logistic degradation process with a random onset time. The explicit result of the lifetime distribution is derived on the basis of this logistic degradation model. A numerical example is provided to calculate the lifetime distribution. The simulated lifetime data of our model fits lognormal distribution better than the Weibull distribution, which agrees with the experimental work in literature. Copyright © 2012 John Wiley & Sons, Ltd.     

一种在线学习的目标跟踪与检测方法

针对现有在线学习跟踪方法缺乏监督机制的缺点,提出一种新的跟踪框架。以随机森林在线学习理论构造分类器作为目标检测器,用SURF特征点匹配方法作为目标跟踪器,跟踪过程中用可靠跟踪的结果形成对检测结果的监督机制,不对低置信度样本或错误样本进行学习,避免了分类器分类精度的逐渐下降,同时在跟踪失败时用目标检测器对目标进行重新捕获,形成跟踪、学习、检测三者有机结合的跟踪框架。对不同视频序列的测试结果表明,本文算法能有效避免目标出现较大外观变化或被大面积遮挡等复杂情况下的跟踪失败问题。     

一种改进的ALOHA防碰撞算法

针对现有动态帧时隙ALOHA防碰撞算法在射频识别系统中的标签识别效率最高只能达36.8%的问题,利用标签码元序列的唯一性,改进经典的动态帧时隙ALOHA防碰撞算法中随机选择时隙的方式,提出一种基于标签码元的碰撞序列进行时隙选择的方法,有效降低了标签碰撞的概率,从而提高系统识别效率。仿真结果表明改进的ALOHA标签防碰撞算法识别效率最低为37.5%,随着实际标签数目与碰撞位序列所能确定的标签数目越接近,识别效率越高,最高能达到100%,明显优于现有的动态帧时隙ALOHA算法。