建立递阶层次结构中可达阵的又一方法

L．A．Satty在利用可达阵建立递阶层次结构中，是通过二元阵乘法定义，逐步找寻满足A^k-1≤A^k=A^k 1条件的k值，根据A^k建立递阶层次结构。现通过二元件A的有向图直接给出A^k。下面给出这两种方法一致性的证明过程。     

动量矩的四元数表示法

通过无限小旋转变换的四元数，引入角速度矢量，再把矢量叉乘换成四元数乘法，最后由刚体动量矩叉乘表示换成四元数乘法形式。     

点云三角化处理技术研究

点云的三角化处理是点云三维重构中必不可少的处理步骤,其处理效果直接决定了点云三维重构结果的好坏,而点云进行三角化时搜索半径r的参数设置决定了点云三角化的处理效果.针对该参数的取值及其对点云三角化结果的影响做了研究.首先对点云数据进行预处理,然后利用最小二乘法原理对点云进行平滑处理,最后将平滑处理后的点云利用贪婪三角化算法实现点云数据的三角网格化.结果表明,点云三角化处理技术在搜索半径r大于等于5倍采样间距(平均间距)时,能够快速准确地生成质量较好的点云三角模型.     

p^k元域上的三次方程根的状况

完整地给出了F（设是一个p^k元域）上的三次方程的状况：在F中有且仅有一个根,或一个单根与一个二重根,或三个互异的根,或没有根。     

用光学多道分析器测定RH的不确定度评定

本文使用光学多道分析器测定了氢原子光谱的计Hα、Hβ、Hγ、Hδ,谱线波长,利用最小二乘法处理测量数据：建立了测量数学模型,得到氢原子光谱里德伯常量RH,按国家计量技术规范JJF1059—1999标准对测量的不确定度进行了分析与评定。     

含未知输入非线性系统的扩展平方根容积卡尔曼滤波算法

针对工程实际应用中存在的未知输入会导致经典的非线性滤波器状态估计精度下降甚至滤波发散的问题,提出了一种基于最小方差无偏估计(minimum variance unbiased estimation, MVUE)准则的扩展平方根容积卡尔曼滤波(extended square-root cubature Kalman filter, ESRCKF)算法。首先,结合上一时刻未知输入估计值对状态一步预测值进行修正,得到含未知输入条件下的状态预测值。其次,设计新息并采用加权最小二乘(weighted least squares, WLS)法获取当前时刻未知输入的无偏估计。最后,通过最小化协方差矩阵的迹,同时采用拉格朗日乘子法和舒尔补引理得到系统状态的最小方差无偏估计。仿真结果表明,相比于现有的非线性滤波算法,ESRCKF算法提高了在处理含未知输入非线性系统时的状态估计精度,并能同时实现系统状态和未知输入的最优估计,验证了该算法的有效性。     

关于线性回归的若干补充

线性回归分析在传统的数理统计教材中，编写的科学性和体系等许多方面尽管非常好，但也存在知识单调、材料陈旧、不能反映现代的前沿等问题。在教学中应补充介绍前沿的应用背景，全面地介绍回归模型，将法则循序渐进地推广，并运用多媒体教学演示回归的实例。     

可见光/近红外光谱技术快速测定橙汁柠檬酸含量

为了快速无损测定橙汁的柠檬酸含量,提出了一种用可见光/近红外光谱技术进行检测的新方法。选用高效液相色谱法作为光谱柠檬酸测定的标定方法。采用平滑点数为5的移动平滑法对原始光谱进行预处理消除噪声。由于采集的光谱数据量非常大,为了减少建模时间,建模之前采用小波变换对经过预处理的大量光谱数据进行降维压缩,并在Matlab7.01中通过自编程序实现此变换。利用光谱专用分析软件Unscrambler 9.5,对压缩后的新变量进行分析,建立偏最小二乘(PLS)校正模型。考虑到不同小波基及分解尺度对数据压缩的影响,采用预测平方和PRESS值最小的评价标准,选择最佳的小波基Db4及分解尺度5。用于本实验的样本总数为40,其中30个样本进行建模,10个用于预测。用校正集相关系数(r)和标准偏差(SEC)作为校正模型的评价指标,预测结果采用预测相关系数(r)和预测标准偏差(SEP)来评定。文章将基于小波变换的PLS模型与直接建立的PLS模型进行了比较,偏最小二乘法结合小波变换的模型预测相关系数为r=0.901, 预测标准偏差SEP=0.937;而由PLS建立的模型其预测相关系数r=0.849,预测标准偏差SEP=1.662。由此可见,由偏最小二乘法结合小波变换所得模型效果优于单独使用偏最小二乘法的结果。