一种新型多重积分数值计算的余项公式

研究了应用复化中矩形公式法进行多重积分数值计算的余项的一般形式,为连续模型离散化产生误差的分析提供了理论依据.     

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。     

新建住宅价格指数编制模型的优良性检验

研究房价指数编制模型的优良性检验方法可以指导房价指数编制工作,有助于在实际应用中选择更为科学准确的房价指数.从统计指数偏误的角度来评价房价指数的优良性,并给出了检验房价指数是否有型偏误的具体方法.对BMN重复交易模型和标普Case-Shiller模型从理论推导角度进行时间互换检验,发现前者没有型偏误而后者有型偏误.从模型计算角度对两个新建住宅价格指数编制模型进行实证分析,发现对数匹配模型没有型偏误,贴现匹配模型有型偏误.     

高斯积分在量子表象理论中的应用

首先证明了真空投影算符的正规乘积形式,然后结合有序算符内积分技术,把数学上的高斯积分推广到量子算符的积分形式.通过表象的完备性与对称性,进一步给出了坐标表象、动量表象、中介表象和相干态表象的具体形式.     

磁场下有原子自旋轨道耦合的各向异性量子点的精确解析传播子

量子力学中很少有系统能够精确地计算传播子, 特别是在考虑了自旋轨道耦合效应的情况下. 利用相空间的群论方法, 首先导出了有原子自旋轨道耦合的各向异性量子点传播子的精确解析表达式. 随后利用传播子来计算自旋高斯波包的演化与相应的概率密度, 并研究了原子自旋轨道耦合效应和磁场强度对距离期望值的影响.