一类相依的双险种风险模型的破产问题

本文讨论了一类相关保险业务的风险过程,将相依索赔的风险过程转化为古典风险模型,得出最终破产概率的一般表达式.     

概率论与数理统计教学中新冠战役思政元素的探索

思政教育是全方位培养社会主义接班人的重要保障,如何能够因势利导将其与课程知识有机结合始终是重要话题.新冠疫情是影响全球经济政治的大事件,新冠战役中的案例能让学生丰富知识.同时,引导学生的学习兴趣,激发学生的科技报国心、社会责任心和“四个自信”,树立正确的世界观、人生观和价值观.     

小波能量积累器在信号处理中的应用

根据小波变换的多尺度分解特性,提出了多尺度小波能量积累器的概念,并给出了相应的多尺度小波能量积累算法,将信号在不同分解尺度上的小波能量进行积累。在此基础上设计出一种适用于各种雷达,尤其是微波雷达弱信号处理的小波能量检测算法,对低信噪比信号检测进行了仿真实验。结果表明,该检测算法对强白噪声及强色噪声背景下的低信噪比信号的检测非常有效。     

类硼等电子序列磁偶极M1 1s22s22p2P3/2—2P1/2能级间隔和光谱跃迁

采用相对论量子力学GRASP2程序,扩展平均能级EAL模型,有限核模型,考虑Breit和QED的高阶微扰修正,系统地研究了类硼等电子序列磁偶极M1 1s22s22p2P3/2—2P1/2(Z=10～100)光谱跃迁的精细能级结构间隔,跃迁概率和振子强度,所得结果和最近的实验数据及理论计算值进行了比较。计算结果表明：在ICF高温高密度激光等离子体中磁偶极矩M1跃迁几率过程不容被忽视。     

概率与直觉

通过“免费抽奖问题”、“生日问题”、“肇事车认定问题”一个例子说明:在求某个事件的概率时,如果不经过认真分析,常常会被直觉误导。并分析了导致错觉的原因是错误地选择了样本空间,进而说明正确选择样本空间的重要性。     

无排放加注的主要影响因素分析

无排放加注作为一项节能环保的技术,可以满足环境、能源、空间、安全等多方面的要求,日益受到重视。在整理分析国内外对无排放加注已得出的研究成果和已给出的代表性观点的基础上,着重论述了影响无排放加注的主要因素方面的研究成果。通过分析各主要影响因素及其影响规律和控制方法,可以为无排放加注的成熟运用提供参考。     

基于压缩感知的252Cf源驱动核材料浓度识别技术研究

针对252Cf源驱动噪声分析测量法中核材料浓度识别问题,采用压缩感知理论,在K最近邻(KNN)识别算法基础上,研究了一种基于压缩采样的K最近邻（CSKNN）分类识别方法,进而研究并分析了CSKNN方法的识别概率。实验结果表明,CSKNN分类识别方法只需少量的观测值(观测比M/N0.1),即可达到分类识别的目的;当信噪比提高时,识别概率将会以更快的速度收敛至100%,且对K值的敏感程度也会随之降低。这样,不仅提高了核军控核查的实时性,而且还有效降低了采样成本,为核材料浓度的在线判读提供了一种新的理论基础和实现方法。     

畸变产物耳声发射信号的时域分离算法研究

针对在分离畸变产物耳声发射(Distortion Product Otoacoustic Emissions,DPOAE)不同产生源成分的过程中两成分之间存在交叉干扰的问题,建立了IFFT(Inverse Fast Fourier Transform,IFFT)结合时域窗的成分分离算法模型,结合模型进行了分离误差的分析,并在此基础上给出一种时间窗窗宽选择准则。根据IFFT后的时域波形,利用两成分主峰包络内的信号波形的矩心移动速率的快慢选择两成分之间的合适的分界点,将两成分分离开。对结合了该时间窗窗宽选择准则的时域成分分离算法进行了仿真,并对DPOAE实验数据进行了成分分离。仿真和实验结果表明,结合该窗宽选择准则的DPOAE时域分离算法可以成功地分离两个成分,且有效地减少了因两成分之间的交叉干扰引入的幅度和相位扰动。因此,结合该窗宽选择准则的DPOAE时域分离算法是有效的,可以提高分离不同产生源成分的准确性。     

Barker码激励超声导波在长骨检测中的应用

单脉冲激励的超声导波在长骨中传播时,信号的衰减大,导致接收信号的幅度很小,且噪声严重。Barker码激励能有效增大接收信号幅度,提高信噪比(SNR)。将其应用到超声导波长骨检测中,进行仿真和长骨实验,得到的信号分别用加权匹配滤波器和有限冲激响应-最小均方误差(FIR-LS)逆滤波器进行压缩,并与单脉冲激励的结果进行了对比。结果表明,对于13位的Barker码,采用加权匹配滤波器进行解码时,压缩信号幅度是单脉冲激励接收信号的13倍;而FIR-LS逆滤波器则达到-63.59 dB的峰值旁瓣水平(PSL),更好地抑制噪声。说明可以将Barker码激励超声导波应用于长骨的检测中。     

汉语普通话水平测试中儿化音的自动检测与评价

提出一种汉语普通话水平测试中儿化音的自动检测与评价方法。在现有计算机辅助发音评测系统的框架下,深入分析儿化音的发音规律和声学特性,将儿化音的检测与评价转化成典型的分类问题进行处理。经过挑选多个有代表性的声学特征,并尝试多种不同的分类算法,结果表明,集成分类回归树(Boosting CART)强化分类模型,能充分利用儿化音的各种声学特征,分类正确率达到92.41%。通过对声学特征组的进一步分析,发现共振峰、发音置信度、时长是表达儿化音的最重要线索,利用这些线索能有效地实现对儿化音的自动检测与评价。