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。     

贝叶斯网络在模型诊断中的应用

把贝叶斯网络引入到模型诊断框架中,依据观测量,研究了一种建立系统贝叶斯网络观测模型的方法。利用网络观测模型,可计算系统诊断解的后验概率,从而找出系统最可能的故障组件。最后,以卫星两轴姿态控制系统为例,应用本文方法进行了分析。     

感潮地区暴雨和潮水位遭遇组合的涝灾风险

采用Copula函数建立感潮地区暴雨和外江(海)潮水位遭遇的联合分布,提出了设计组合下涝灾风险的分析方法,并定义和分析了暴雨和潮水位的联合风险率和同现风险率.通过研究中山市坦洲镇涝区的暴雨和潮水位的遭遇表明,AMH Copula函数能够较好地模拟暴雨与潮水位的联合分布;若设计暴雨为20年一遇,则与多年平均潮位或5年一遇潮位组合的排涝风险率分别不超过6.39%、9.58%;若设计暴雨为10年一遇,则与多年平均潮位或5年一遇潮位组合的排涝风险率分别不超过10.39%、7.04%;20年一遇暴雨、10年一遇暴雨分别与多年平均潮位或5年一遇潮位的同现风险率分别为0.086%、0.279%和0.173%、0.56%.     

应用Markov理论定量描述土壤剖面中菲的垂向运移分布特征

马尔可夫(Markov)链理论是用来描述随时间(空间)变化的一个离散状态序列的状态转移特性的,本文将其引入来研究土壤剖面多环芳烃有机污染物的垂向变化规律,建立了基于空间离散化的马尔可夫(Markov)链理论数学模型及垂向归趋极限.研究结果表明,基于空间离散化的马尔可夫(Markov)链理论数学模型及垂向归趋极限能够很好地模拟区域土壤剖面多环芳烃(菲)的垂向变化特征,并有迁移规律的识别功能.     

带去边机制的增长小世界网络的度分布

为了研究复杂网络的发展,学者们提出了许多模型和分析方法,提出了计算演化网络度分布的马氏链方法.本文将主方程方法和马氏链首达概率方法应用于一个去边机制与时间相关的小世界网络模型,得到这个模型度分布的精确表达式,并严格证明了度分布的存在性,说明马氏链首达概率法同样适用于小世界网络.     

面向目标的带先验概率的AdaBoost算法

针对集成学习算法研究中多个分类器的最佳组合问题,改进了传统的AdaBoost集成学习算法.用于组合的各个分类器通常是基于样本集通过一定的训练得到,样本集中不同类目标的比率可以反映分类目标的先验概率.使用该参数给出了新的组合参数和投票表决阈值计算公式,巧妙的利用样本权值并将其加入到样本属性上进行训练学习,采用新的策略来选择基分类器,给出了面向目标的带先验概率的AdaBoost算法(GWPP AdaBoost算法)和分类器的最佳组合.依据UCI实验数据对传统的AdaBoost算法、Bagging算法、GWPP AdaBoost算法的错误率和性能进行了比较分析,验证了GWPP AdaBoost的有效性.     

改进的相控阵雷达信号检测方法

针对传统雷达信号检测方法对相控阵雷达信号检测概率较低的问题,提出了一种结合小波降噪和极值序列法的信号检测方法。该方法采用小波阈值降噪法对雷达信号进行预处理,以提高侦收信号的信噪比,利用极值序列法在高信噪比下检测精度较高的优势,完成对信号的准确检测和参数的精确估计。仿真结果表明,与传统检测方法相比,该方法在低信噪比下对相控阵雷达信号的检测概率平均提高21.8%。     

基于邻域风险最小化概率密度估计的自适应盲分离算法*

为实现由不同统计特性和概率分布平滑特性信号得到混合信号的盲分离,对基于支持向量机的邻域风险最小化概率密度估计算法进行研究,提出一种邻域函数的构造方法,将其与自然梯度批处理算法相结合,形成一种新的自适应盲分离算法;利用广义高斯模型分析了分离算法的精确度。通过仿真实验,验证了该算法能分离统计特性不同的混合信号,相比于基于经验风险最小化的方法,该方法在收敛速度和精度方面的性能有很大提高。     

认知无线电网络中基于检测概率的主用户定位算法

为了解决认知无线电网络中次用户对主用户进行定位的问题,提出了一种加权最小二乘的迭代定位算法。采用两状态马尔可夫模型作为主用户头像模型,能量检测作为次用户的感知模型。该算法可以在不干扰主用户正常工作的情况下,利用次用户之间的合作感知结果进行定位,并估计出主用户的三维地理位置位置信息。提出了一种可以降低定位算法复杂度的简化算法。通过对定位问题进行了理论分析,求出了均方误差的Cramer-Rao理论下界。仿真结果表明,算法的均方误差非常接近理论下界,能有效地估计主用户的三维位置信息,提高定位精度。