双门限检测准则下检测概率的计算

双门限检测法是近年来通信领域提出的捡测信号的一种方法。本给出了在双门限检测准则下检测概率的计算公式。     

混凝土构件检测样本容量的确定方法

混凝土构件检测时,一般采用百分比抽样的方式.以回弹法中对混凝土强度进行检测时采用百分比抽样的抽样方式为例,从绝对误差限和相对误差限的角度分析了不同构件总量均采用此方法抽取样本的不合理性,并提出在不同混凝土强度等级、不同构件总数的情况下,通过控制一定的误差限来确定样本数量的方法.通过理论和实例分析,提出在抽样过程中,采用分层抽样技术对检测构件进行合理分层,降低总体方差,可减少样本数量.这种方法也适用于其它检测问题的样本容量的确定.     

条件异方差双门限自回归模型的门限和延时的小波估计

本文讨论了条件异方差双门限自回归模型的门限和延时的识别问题,通过经验小波系数,给出了门限个数和门限以及延时的估计,在较弱的条例下,证明了所给的估计是相合的。     

艾滋病检测中的概率问题

艾滋病是由人类免疫缺陷病毒（HIV）引起的一种免疫缺陷性疾病． HIV感染可以通过检测病毒的抗体、抗原、核酸或病毒培养来确定．目前，标准的检测方法是血清学HIV抗体检测，它是诊断艾滋病病毒感染者和艾滋病的主要指标和标准检测项目。     

医疗血常规检测系统重复性与再现性研究

医疗血常规检测系统被广泛用于医疗诊断,其能力是否充足对医疗诊断结论有着重大的影响。只有当生理指标被准确地检测,才有助于做出正确的判断。本文对血常规检测系统进行重复性与再现性研究,通过安排交叉实验并利用方差分析,对血常规检测系统的重复性与再现性进行研究和评价,并在此基础上针对红细胞平均血红蛋白浓度检测系统进行了实证研究。本研究提出的血常规检测系统能力评价方法对医疗诊断质量的保证提供了重要基础。     

被检测系统的可靠性和最优检测策略

研究被检测系统的一个模型,假定系统有4种运行状态(正常工作、异常工作、正常故障和异常故障)．系统故障时不需检测,系统工作时必须经过检测才能知道它是正常还是异常．系统开始工作后,每隔一段随机时间对它检测一次,直到系统故障或检测出系统处于异常状态为止．利用概率分析和随机模型的密度演化方法,导出了系统的一些新的可靠性指标和最优检测策略．     

分组检测方法综述

分组检测是一种经济且有效的检测算法。它在流行病学、农业及基因组学等领域有着广泛的应用。本文主要从分组检测的起源、发展及其应用着手,着重于介绍分组检测算法中的统计推断方法,并讨论了目前分组检测算法面临的一些问题和挑战。     

基于视觉注意机制和形状特征的交通标志检测方法

交通标志的颜色和形状与周围环境存在强烈的反差,利用这一特点,提出了一种基于视觉注意机制和形状特征的交通标志检测方法.首先进行图像预处理,然后采用自底向上的视觉注意模型,提取图像的颜色、亮度、方向等初级特征,将其线性组合得到显著图,得到交通标志的感兴趣域,实现交通标志的粗检测;在此基础上,根据交通标志的几何特征描述进一步检测感兴趣区域中的图形形状,实现交通标志的细检测.最后分别基于软件和嵌入式平台对算法的检测准确性和稳定性进行验证,结果表明,与已有算法相比,所提方法可以很好的克服光照或复杂环境的干扰,显著提高交通标志检测的准确率,具有一定的优越性.     

存在检测错误的软件测试方法

软件系统中通常会存有一些错误，而有些错误只有在进一步的开发中才会被检测出来，即使有专门的检测人员也会由于各种原因而不能清除其中全部的错误．前人用Capture-recapture模型来估计软件中合有的错误数量，并且取得了很好的估计值．但是这一模型假设检测行为总是正确的，而本篇文章中将会考虑这种可能性；检测行为错误；并且在本篇文章中被检测的软件将会被分成许多小块，从中取出一块作为研究对象来给出最终的估计值；在文章最后，将会用数据模型来验证文章得出的结论．     

系统可靠性与最优检测周期的综合研究

本文研究可修系统的一个模型,假定系统可能因为各种原因造成失效率增大,并且这种情况需要检测之后才能发现,本文利用概率分析、补充变量和最优化方法,求出了系统的可靠性指标,并给出了计算最优检测周期的方法。     

非正态变异下的非线性轮廓异常点识别方法研究

在质量控制领域,非线性轮廓异常点识别问题是重点研究问题之一。本文综合运用了小波分析、数据深度、聚类分析等数据分析处理技术,提出了一种新的非正态变异的异常点识别方法。文章通过仿真分析技术,将新方法χ²与控制图方法进行性能对比,结果证实新方法能够以更高的准确率和稳定性识别异常点,表现出更好的异常点识别性能。最后将新方法应用于木板垂直密度轮廓实例对新方法进行验证,分析结果表明本方法能够有效识别出异常轮廓数据。     

Worst-Case Fault Detection Observer Design: Optimization Approach

This paper deals with the fault detection problem for linear systems with unknown inputs. The H _∞ norm and H ₋ index are employed to measure the robustness to unknown inputs and the sensitivity to faults, respectively. By using the pole assignment approach, the fault detection problem is transformed to an unconstrained optimization problem. With the aid of a gradient-based optimization approach, an explicit formula for designing the desirable observer gain is derived. Furthermore, the fault sensitivity over a finite frequency range can also be solved by the proposed method. The methodology proposed is verified through numerical simulation studies performed on the fault detection observer design of a vertical takeoff and landing aircraft. This work was supported in part by DSO National Laboratories under Grant DSOCL-01144, by Nanyang Technological University under Grant RGM 34/01, and by HKU CRCG 10204304. Part of this work was presented in 2004 American Control Conference [1].     

基于Kohonen网络的激光超声缺陷探测研究

在激光超声缺陷检测技术中,不同类型缺陷采样信号的准确分类至关重要.针对激光超声表面波实验采样信号高维小样本的特点,采用了一种有监督学习的Kohonen神经网络(S_Kohonen)自适应分类方法.在S_Kohonen网络自组织学习的过程中,通过改进网络的学习率提高了网络的收敛速度.通过采用一种无需邻域半径判断的自适应权值调整方式来实现竞争层神经元权值不同程度的调整,从而更有效的表征输入样本的分布特征.通过对不同类型缺陷探测样本的多次实验,验证了所述方法具有良好的分类预测效果,多次交叉验证分类正确率均能达到100%.     

基于敏感性的结构损伤识别中的噪声分析

针对基于振动测试的结构损伤识别方法很容易受到环境噪声干扰的问题,提出了一种新的噪声分析方法,并结合Monte Carlo 数值模拟技术研究了测量噪声对基于敏感性的损伤识别方法的影响．与普遍采用的摄动法不同,提出的方法直接由敏感性矩阵的Moore-Penrose广义逆推导得出．该方法不仅使得噪声分析过程更简洁而有效,并且能同时分析频率和振型噪声对于识别结果的影响．针对3种常用的基于敏感性的损伤识别方法,通过一个单层门式框架的仿真研究,表明了所提出的噪声分析方法的正确性和有效性．     

改进Canny算法在钢印数字特征提取中的应用

边缘检测是实现图像分割、特征提取和图像理解的基础.研究了传统Canny算子的优势与不足.在此基础上,提出了一种快速分块自适应Canny算法.方法首先按字符大小分割图像,然后在每一块上进行自适应边缘检测.自适应边缘检测是在平滑图像的同时得到高斯滤波尺度参数,然后采用Otsu方法的自适应阈值计算Canny算子的高、低门限值.实验结果表明,方法不需人工设定参数就能自动提取不同光照背景下的钢印数字边缘,而且能有效抑制噪声,与传统Canny算子相比,边缘连接程度最佳,噪声敏感程度较低,实时性较强.     

具有未知扰动的广义系统的故障检测

研究具有未知扰动的随机广义系统的故障检测问题,在合理的条件下,利用状态变换从原系统中分离出一个与未知扰动解耦的降阶子系统,构造了该随机子系统稳定的滤波器,给出了输出偏差量的统计特性,在此基础上,实现了系统故障的检测．     

基于动态神经网络的非线性系统鲁棒故障检测

针对一类具有不确定性扰动的非线性系统,将设计的系统线性观测器产生的误差信号作为残差,采用一种具有高斯型激励函数的动态神经网络(DNN)对残差信号进行分析处理,得到了系统的鲁棒故障检测方法.文中分析了该方法的稳定性和故障检测的鲁棒性,并通过算例验证了该方法的有效性.     

一种智能入侵检测系统设计与模拟实现

针对目前大多数的入侵检测系统存在的局限性,提出一种较完善的入侵检测模型,将专家系统和神经网络技术同时应用于入侵检测系统中.设计专家系统模块检测已知攻击,设计神经网络模块实现未知攻击的检测,提高了检测准确性.同时在神经网络模块应用PCA方法降低入侵数据维数,提高检测效率.仿真实验验证,该设计能有效降低入侵检测系统的漏报率和误报率.     

ATM交易状态特征分析与异常检测

考虑ATM交易过程当中产生的一系列参数,如交易量、交易成功率和响应时间等,对交易状态特征进行分析并建立了异常检测模型。针对成功率与响应时间2个参数,利用聚类算法将数据点划分为正常点、疑似异常点、异常点3大类。对于疑似的异常点,再根据其时间序列周围点的分布情况确定是否确实为异常点;对于交易量参数,首先通过LOF局部离群因子对离群点进行识别,再结合交易量随时间的移动均线及标准差加以辅助筛选,得到初步的疑似异常点,进一步通过与不同天同一时刻数据进行比较,最终确定是否为异常点。根据上述模型,本文将异常情况划分为3个预警等级,并对重大故障情况进行预测。     

基于双向改进余弦相似度的话题发现算法

话题发现是网络社交平台上进行热点话题预测的一个重要研究问题。针对已有话题发现算法大多基于传统余弦相似度衡量文本数据间的相似性,无法识别各维度取值成比例变化时数据对象间的差异,文本数据相似度计算结果不准确,影响话题发现正确率的问题,提出基于双向改进余弦相似度的话题发现算法(TABOC),首先从方向和取值两个角度改进余弦相似度,提出双向改进余弦相似度,能够区分各维度取值成比例变化的数据对象,保留传统余弦相似度在方向判别上的优势,提高衡量文本相似度的准确性;进一步定义集合的双向改进余弦特征向量和双向改进余弦特征向量的加法等相关定义定理,舍弃无关信息,直接计算新合并集合的特征向量,减小话题发现过程中的时间和空间消耗;还结合增量聚类框架,高效处理新增数据。采用百度贴吧数据进行实验表明,TABOC算法进行话题发现是有效可行的,算法正确率和时间效率总体上优于其他对比算法。