固定设计下一类半参数回归模型的渐近性质

对固定设计下的一类半参数回归模型yi=xiβ+g(xi)+ei,i=1,2,…,n,综合最小二乘和非参数权函数估计方法,定义了,βg的估计量β∧n,gn∧及误差方差σ2的估计量σ2n∧.在适当条件下,证明它们具有强相合性和p(2)阶平均相合性.模拟的结果表明所得结果具有优良的性质.     

He-HCl体系各向异性势及分波散射截面的理论研究

首先用BFW势函数形式拟合了在CCSD(T)/aug-cc-pVQZ理论水平下计算的He-HCl相互作用能数据，获得了He原子与HCl分子相互作用的各向异性势；然后采用CC近似方法计算了He-HCl碰撞体系的微分散射截面和分波散射截面，并总结了分波散射截面的变化规律.结果表明，拟合势不但表达形式简洁，而且较好地描述了He-HCl系统相互作用的各向异性特征；利用碰撞体系分子间势的量子化学从头计算结果，可解决势能参数难以确定的问题.对进一步研究原子与分子碰撞机理有一定参考价值. 关键词： 各向异性势 势能参数 密耦近似 分波散射截面     

Xα交换参数对钠原子激发态能级的影响

基于自由电子气近似,可得到很多种不同的交换参数的理论算法.本文利用这些交换参数模型,对Na原子的主线系4p～15p的激发态能级进行了计算.通过计算结果与实验值比较,认为基于维里定理的交换参数算法应更优于其它理论模型.     

单分子光子源光子统计的非平衡探测

研究了在Hanbury Brown Twiss探测方式下，非平衡探测系统对光子统计测量的影响。通过记录2个单光子计数器响应的单分子光子源输出的每一个事件，分析具有泊松统计背景的实际单分子光子源的光子统计特性，讨论并给出了非平衡探测系统的单分子光子源Mandel参数。研究表明：非理想的50／50分束器、非理想的线性传输效率和非理想的探测器都会使单分子光子源Mandel参数的实际测量结果小于平衡系统的Mandel参数，最后给出了单分子光子源Mandel参数的非理想探测的校正表达式。     

非参数回归函数之改良基于分割的估计的强相合性（英）

设(X,Y),(X1,Y1),…,(XnYn)为取值于 Rd× R的 i．i．d．随机变量,E(|Y|) ＜∞．设mn(x)为回归函数m(x)=E(|Y|X=x)基于分割的估计,本文在对mn(x)进行改良的条件下得到改良的基于分割的强相合估计．     

不确定非线性系统的鲁棒自适应控制器

在ｂａｃｋｓｔｅｐｐｉｎｇ程序中，把非线性自适应控制和鲁棒控制连接起来，为参数化的严格反馈系统在不确定性存在的情况下，建立了一种鲁棒自适应控制方案．非线性自适应控制被用来处理系统的线性参数化部分，而鲁棒控制通过引进非线性阻尼项被用来处理不确定性部分．与现有的方案不同，作者给出了非线性阻尼项的无限种选择，而不是仅仅一种选择．通过使用一种合适的选择，能够设计一个鲁棒自适应控制器．它不仅能够保证对不确定性的鲁棒性，而且能够使输出误差任意小，以及用较小的控制努力取得较好的性能．     

“顶”风帆船的动力之源

 顺风扬帆、乘风破浪,风对船帆的压力是推动帆船前进的动力。可是,如果遇上了逆风,帆船还能依靠风的力量前进吗?帆船能不能“顶”风破浪呢?回答是肯定的。加拿大帆船运动员普林斯就是“顶”风破浪的高手,在狂风暴雨的恶劣天气中,他硬是驾驶着心爱的轻便小帆船,“顶”狂风、破恶浪,创造出平均速度为每小时225千米的好成绩。逆风帆船前进的动力帆船怎样在逆风中获得动力呢?如图1所示,先让我们来做一个小实验。     

鲁棒稳定性分析的值映射与参数化方法

本文运用值映射与参数化的方法研究了鲁棒D稳定性问题。文中给出了主要结果——参数空间鲁棒分析的边界定理,作为该结果的应用,一些现代鲁棒分析的知名结果,例如多项式族的稜边定理,Kharitonov定理和菱形定理都被简洁地证明出来;给出了一种判定双参数多项式族D稳定的新方法。用该方法可以方便地确定H稳定多项式按一定摄动模式(区间方式和菱形方形)的最大摄动界。     

响应变量随机缺失下的半参变系数模型的均值估计

在响应变量随机缺失时,研究了半参数变系数模型响应变量均值的借补估计.首先利用完整个体估计模型中的参数与非参数部分,然后再用借补方法与加权借补方法估计响应变量的均值.最后求出了估计的渐近偏差与渐近方差,研究了所得到的估计的渐近性质,并进行模拟比较.     

书籍扫描图像畸变参数自动计算方法的研究

为实现书籍扫描图像的畸变自动校正,提出用多项式来描述各像素的理论灰度g(zi)与页面上对应点到扫描仪工作平面距离zi二者之间的关系。为确立该多项式,在畸变参数已知条件下扫描一幅图像,根据已知畸变参数求出zi,即可按最小二乘法原理由各像素灰度的实际值求出多项式的各个系数。实验证明,采用4阶多项式已能满足一般要求,并求出了各系数。对任意扫描图像,自动计算畸变参数的方法为:首先利用扫描图像上页边空白处各像素的灰度,对畸变参数进行估计,并求出zi的估计值;然后代入所确立的多项式,可求得g(zi);通过调整各畸变参数的估计值,直到g(zi)与gi最为接近,即得最佳畸变参数。用于图像校正实验,获得了较好的校正效果,最大误差由不校正时的41%下降到了6.9%。这使得无需用户测量并输入有关畸变参数即可进行自动校正。