区间直觉犹豫模糊集的两种相似测度及其在模式识别中的应用

模糊集的相似测度是模糊集理论的重要组成部分之一,有着广泛的应用.首先给出了基于隶属度、非隶属度和犹豫度的区间直觉犹豫模糊集的标准海明距离、标准欧氏距离、广义标准海明距离公式以及它们的加权距离公式.然后提出了基于距离的区间直觉犹豫模糊集相似测度和区间直觉犹豫模糊集的余弦相似度,并给出了公理化证明.两种相似测度均包含了区间直觉犹豫模糊集的隶属度、非隶属度和犹豫度.最后将这两种相似测度应用到基于区间直觉犹豫模糊信息的模式识别中.     

椭圆的切线与法线引出的高次曲线

对椭圆的切线和法线有关的三个轨迹问题展开新的探索,发现了三条优美对称的高次曲线和相关长度、距离公式.     

一种基于序贯估计的直达声区水面舰船 被动测距方法 *

该文利用基于射线的盲解卷积方法，从直达声区的水面舰船噪声中提取出船和锚系于海底的垂直接收阵之间的时域信道响应，并利用直达波在不同阵元相对于参考阵元的到达时间差，通过序贯方法，利用射线模型和声速剖面信息，对水面舰船距接收阵的距离进行了估计。通过处理海深约为580 m的2016年美国圣巴巴拉海峡的实验数据，对1.6~3.5 km直达声区范围内Anna Maersk商船与垂直阵之间的距离进行了估计，验证了测距方法的有效性，并将结果与系统测量值和几何方法的估计值进行了比较。由于该方法不需要对海底参数进行估计，所以在海底参数未知时要优于传统匹配场方法；在声速剖面存在跃层且海底为多层分布的复杂信道条件下，该方法仍能对距离进行有效估计，且与测量值的相对误差在6%以内，小于几何方法的估计误差，测距结果精度较高。     

基于深度学习的离轴菲涅耳数字全息非线性重构

针对离轴菲涅耳数字全息图,提出基于深度学习的单幅数字全息非线性重构方法 .采用经典的菲涅耳衍射积分模拟数字全息成像以供给网络训练所需样本,利用深度卷积残差神经网络通过学习数字全息图与相关物像之间的非线性数学映射关系实现全息图的物像重构.数值模拟表明,与传统的频率滤波和四步相移技术实现菲涅耳数字全息重构相比,本文提出的方法可直接消除零级像及孪生像,无需条纹物项抽取预处理步骤,且重构的物像具有较高的质量,针对相同记录参考光下不同衍射距离所生成的测试集亦具有较强的稳健性.     

基于M估计的稳健单指数投资组合模型

针对单指数投资组合模型,用稳健的M估计去估计模型参数,减少了样本数据异常值对模型的影响,并对沪市权重股进行了实证检验,得到了投资组合的有效前沿。     

n维有限射影空间上d~e——析取矩阵的新构作

利用n维有限射影空间上的一些性质,构作了组合群验的数学模型de-析取矩阵,并研究了它的参数和Hamming距离.     

一类改进最大熵方法的可调参数分析

在结构可靠性分析中,引入含可调参数的转换函数能对传统的最大熵方法进行改进,获得更高的失效概率预测精度。但是,此可调参数的最佳取值很难确定。针对这一问题,引入概率守恒方程,从功能函数转换前后所得概率密度函数出发,建立其最大熵值的变化关系,给出转换前后最大熵值之差的理论形式。通过对三种典型单调非线性转换函数开展算例研究,发现功能函数转换前后的最大熵值之差与转换函数的最佳可调参数值有关。改变可调参数值驱使最大熵值之差变化的同时,改进最大熵方法能遍历到更好的失效概率估计值。     

紧黎曼流形上的椭圆边界值问题

讨论一类非齐次非线性椭圆边界值问题.利用极大值原理证明了该问题解的梯度估计.作为它的应用得到了解的效率比估计.     

对流扩散方程的缩减基有限元法的后验误差

将缩减基(RB)方法和有限元方法相结合,在保证偏微分方程的有限元离散格式具有足够高精确度前提下,能够大幅度地降低有限元离散格式的维数,从而大大降低计算中内存容量和计算时间的消耗.针对对流扩散方程建立基于RB方法的Crank-Nicolson有限元离散格式,并给出后验误差估计结果.