广义加权损失函数下准备金的分位信度估计

由于聚合数据是个体数据的加总,会失去一些有用信息.针对个体数据模型,分位回归模型可以直接求取未决赔款准备金的分位数,并且对数据中存在的异常值的敏感度不高.在程纪(2020)模型基础上,将分位回归模型与信度理论相结合,将多个流量三角形的增量赔款数据看成是相同日历年下的重复性多次观测,体现样本数据的分层结构,克服经典信度模型中只有一条回归线的弊端,在广义加权损失函数下得到准备金的信度估计,并给出参数估计.     

氧化铝/氮化硅双层膜晶硅钝化的开尔文探针力显微镜研究

对晶体硅(c-Si)太阳能电池而言, 氧化铝(AlOx)是一种广泛使用的钝化材料, 因为它具有优异的沉积保形性和良好的钝化质量. 为了确保AlOx发挥其良好的钝化效果, 在沉积后退火并氢化处理是必不可少的. 通过在AlOx薄膜上沉积氢化氮化硅(SiNx:H)来实现氢化, 利用开尔文探针力显微镜研究了在不同热处理和氢化作用下, AlOx/SiNx:H双层薄膜功函数的变化, 并基于沉积薄膜所含氢与固定电荷展开了讨论. 发现钝化质量和功函数之间有相关性, 影响因素包括薄膜厚度、氢化与热处理顺序.     

一个R2上含双曲函数核的Hilbert型不等式

通过引入参数，构造了一个全平面上的、含双曲函数的非齐次核函数。利用正切函数的有理分式展开，建立了最佳常数因子与正切函数高阶导数相关联的Hilbert型积分不等式。 作为应用，通过赋予参数不同的值，建立了一些有意义的特殊结果。     

DECOMPOSITION OF （1＋1）-DIMENTIONAL,（2W1）-DIMENTIONAL SOLITON EQUATIONS AND THEIR QUASI-PERIODIC SOLUTIONS

A new spectral problem is proposed, and nonlinear differential equations of the corresponding hierarchy are obtained. With the help of the nonlinearization appr...     

p-Adic函数空间上Hardy型算子的多线性交换子估计

在p-adic域上研究分数次Hardy型算子与CMO(Q_p~n)函数生成的多线性交换子,建立了交换子在Lebesgue空间和Herz空间上的有界性.对Hardy算子的多线性交换子也得到了相应的结果.     

Sentinel-2卫星的多光谱轻量级船舶目标检测算法

近年来深度卷积神经网络在可见光船舶检测方面取得了显著的进展，然而，大多数相关研究是通过改进大型的网络结构来提高检测性能，因此加大了对更高计算机性能的需求。此外，可见光图像难以在云、雾、海杂波、黑夜等复杂场景检测到船舶。针对以上问题，提出了一种融合红（red, R）、绿（green, G）、蓝（blue, B）和近红外（NIR）4个波段光谱信息的由粗到精细的轻量型船舶检测算法。与现有的方法中根据光谱特性利用水体检测算法提取水体区域不同之处是该算法是利用改进的水体检测算法来提取船舶候选区域。为获取更准确的候选区域，对船舶、厚云、薄云、平静海面、杂波海面5种场景中4个波段的像素值进行了统计分析，选取近红外大于阈值作为辅助判断，并以其中心点获取候选区域32×32大小的切片，并对切片进行非极大值抑制，由此获得了船舶粗检测结果。随后构建了轻量级LSGFNet网络对船舶候选区域切片进行精细识别。构建的网络融合了1×1卷积提取的波谱特征与3×3的提取几何特征，为防止光谱特征与几何特征的信息在融合时“信息不流通”，在LSGFNet网络中引入了ShuffleNet中的通道打乱机制，并减小了模型结构，与典型的轻量级网络相比具有更好的效果且模型较小。最后，利用Sentinel-2卫星多光谱10 m分辨率数据构建了512×512大小的1 120组数据进行粗检测，以及32×32大小的6 014组数据进行精细网络训练，其中候选区域粗提取的查全率为98.99%，精细识别网络精确度为96.04%，不同场景下的平均精确度为92.98%。实验表明该算法在抑制云层、海浪杂波等干扰的复杂背景下具有较高的检测效率，且训练时间短、计算机性能需求低。     

小孔流速实验中的排水时间和流量系数的研究

本文以水作为理想流体,考虑到水头损失和孔口缩流效应,对小孔流速实验涉及的容器排水问题进行了系统的理论和实验研究.从理论上推导得出了圆柱形容器排水时间的解析解,分析了排水时间和自由液面速度、流量系数之间的规律,提出了排水时间的等效性.实验上,加工了底部开有不同小孔的大型圆柱形容器,测量了容器排水时间随液面高度的变化关系,借助实验结果计算了流量系数值,验证了容器排水时间的等效性关系,实验结果与理论计算符合较好.