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.     

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。     

一种新的岩石非线性黏弹塑性蠕变模型研究

为了克服传统元件组合模型不能描述岩石蠕变过程中非线性特征的缺陷，首先根据加速蠕变阶段的应变和应变率随蠕变时间急剧增大的特点，建立黏塑性应变与蠕变时间的指数函数关系并提出非线性黏塑性体．将该非线性黏塑性体与广义Burgers蠕变模型串联，建立可以描述岩石全蠕变过程的非线性黏弹塑性蠕变模型，根据叠加原理得到一维应力状态下的轴向蠕变方程．然后基于塑性力学理论指出岩石三维蠕变本构方程建立过程中的不足之处，并给出非线性黏弹塑性蠕变模型合理的三维蠕变方程．最后采用不同应力水平下砂岩轴向蠕变试验对模型合理性进行验证，结果表明：拟合曲线与试验曲线吻合度较高，所建蠕变模型能够很好地描述砂岩在不同应力水平下的蠕变变形规律，尤其对加速蠕变阶段的非线性特征描述效果很好，验证了模型的合理性．     

谐和与随机噪声联合作用下Van der Pol-Duffing振子的参数主共振

研究了Van der Pol-Duffing振子在谐和与随机噪声联合激励下的参数主共振响应和稳定性问题。     

一类含参广义集值拟变分包含组的解的灵敏性分析

本文引入了一类新的含参广义集值拟变分包含组,应用隐预解算子技巧,建立了该类变分包含组与一类不动点问题的等价性,在适当的条件下,分析了含参广义集值拟变分包含组的解的灵敏性,所得结果推广改进了最新文献中的许多结果．     

矩阵的广义特征值及特征向量的神经网络方法

矩阵特征值及特征向量计算在实际问题中有广泛的应用.应用神经网络方法来计算广义特征值及对应的特征向量,给出了相应的算法,并对给出的算法在数学上进行了严格证明.并用实例验证了其正确性.     

一类广义Schrdinger算子的自伴性与本质谱

本文在一类 Ｌｐ位势Ｖ（ｘ）下建立了广义Ｓｃｈｒｏｄｉｎｇｅｒ算子Ｈ＝（－Δ）ｍ＋Ｖ（ｘ）在Ｃ∞０（Ｒｎ）上的本质自伴性，给出了Ｈ的本质谱的分布．