Sturm-Liouville算子参数识别的离散正则化方法

1 引言在自然科学和工程技术的各领域中,微分算子的参数识别是一个常见而重要的问题．其中较为典型的是识别下述Sturm-Liouville算子的分布参数k(x)或k(u(x)):     

树指标马氏链的一个强极限定理

树指标随机过程已成为近年来发展起来的概率论的研究方向之一.强极限定理一直是国际概率论界研究的中心课题之一.研究给出了一类非齐次树上马氏链的一个强极限定理.     

时空混沌的单向耦合同步

以耦合映象格子模型为例,提出利用单向耦合驱动时空混沌的同步方案,并进行了数值分析.结果表明,适当地选择耦合驱动强度因子和均衡系数,两个时空混沌系统可以达到准确同步.通过计算最大条件Lyapunov指数,给出了可实现时空混沌同步的最小耦合强度以及最小耦合强度与系统参数之间的关系曲线.数值模拟还证明,此方法工作鲁棒 关键词： 时空混沌 同步 单向耦合 最大条件Lyapunov指数 数值模拟     

混合排列向列相液晶薄盒中–1/2向错引起的有序重构的扩散

基于Landau-de Gennes理论, 利用松弛迭代法, 研究了混合排列向列相液晶薄盒中–1/2向错引起的有序重构的扩散现象, 给出了–1/2向错的核结构、双轴性结构, 以及盒厚减小时有序重构的扩散. 当盒厚小于15ξ时, 随着盒厚的减小, 向错范围和有序重构区域沿基板方向迅速扩散; 当盒厚减小到临界厚度10ξ时, 有序重构的范围扩散到整个液晶盒中, 以向错中心所对应的平面为界, 指向矢一部分垂面排列, 另一部分沿面排列. 本文的研究对拓扑缺陷对向列相液晶中的亚微米胶体粒子的调节作用具有一定的理论指导意义. 关键词： 混合排列向列相液晶薄盒 –1/2向错 有序重构扩散 松弛迭代法     

肌球蛋白Ⅵ分子马达周期势场下的弹性扩散模型

肌球蛋白Ⅵ分子马达因其特殊的结构及胞内功能,其动力学原理成为研究的热点. 从肌球蛋白Ⅵ自身结构和实验现象出发,建立其弹性扩散模型,并通过Monte Carlo方法分析了肌球蛋白Ⅵ满足朗之万方程的随机动力学行为. 结果表明,在环境噪声作用下,具有弹性势能和轨道周期势能的肌球蛋白Ⅵ可以进行梯跳运动和有效的输运,但负载力会减弱分子马达系统的输运能力;当弹性系数一定时,弹性链越长平均速度越小,当弹性链长度一定时,合理选择弹性系数平均速度可达到最大值;另外,负载力的存在使肌球蛋白Ⅵ在接触位点的平均驻留时间呈指数增加. 关键词： 分子马达 肌球蛋白Ⅵ 朗之万方程 弹性扩散模型     

复合Poisson 模型带比例与固定交易费用的最优分红与注资

研究了复合Poisson 模型带比例与固定费用的最优分红与注资问题. 每次分红与注资时, 存在比例及固定的交易费用. 通过控制分红与注资的时刻以及分红及注资量,实现破产前分红减注资的折现期望的最大化. 由于存在固定交易费用, 问题为一个脉冲控制问题. 根据问题的参数不同, 问题的解可分为两大类. 一类解为只进行最优分红不需要注资, 而另一类情况需要注资. 需要注资时, 最优注资策略由最优注资上界以及最优注资下界描述. 当赤字小于最优注资下界的绝对值时, 进行注资. 最后, 在理赔为指数分布时明确地给出了两类共七种最优策略以及值函数的形式. 从而彻底地解决了该问题.     

轮廓波变换原理及其构造方法

本文主要介绍轮廓波变换的基本原理,对轮廓波多方向性实现的关键技术——多维多采样率系统进行了阐述并详细说明了方向滤波器的构造过程,最后总结出了构造方向滤波器组常用的两种方法——McClellan变换法和多相位表示法,并给出了9×9参数化扇形滤波器组的构造实例.     

自适应Fuzzy系统及其逼近性能分析

本文提出了一种新的Fuzzy推理方法——自适应Fuzzy推理方法,基于该方法构造了自适应Fuzzy系统,证明了该系统不但具有泛逼近性,而且具有光滑性.基于该方法也得到了一种构造Fuzzy系统推理前件Fuzzy集的方法.使用该前件,CRI方法也具有光滑性,这使得CRI方法具有更广泛的意义.     

不确定信息多目标线性优化的鲁棒方法

研究不确定信息的多目标线性优化问题,其数据不能精确给出但是属于一个给定的集合.首先,采用鲁棒方法把该问题转化为一个确定的多目标优化问题.然后,给出此问题解存在的充分条件.最后,通过实例验证了用鲁棒方法解决不确定信息的多目标线性优化问题的有效性.     

基于蚁群优化与神经网络的坦克目标识别算法

为了对成像引信探测得到的变形严重的图像进行识别,提出了基于蚁群优化与人工神经网络相结合的坦克目标识别算法.采用SUSAN特征检测原则提取目标图像的角点特征,作为神经网络模式分类器的输入.针对BP网络收敛速度慢,易于陷入局部极小点等问题,利用蚁群优化算法训练网络权值,可兼有ANN的广泛映射能力和蚁群算法的全局收敛以及启发式学习等特点.仿真实验表明,新算法能够有效缩短网络训练时间,提高目标识别精度.