基于不确定控制理论的最优策略研究

本文在不确定理论的框架下,研究一类带背景状态变量的最优控制模型.在乐观值准则下,利用不确定动态规划的方法,证明了不确定最优性原则,得到最优性方程.作为应用,求解一个固定缴费(DC)型养老金的最优投资策略问题,在乐观值准则下,以工资变量为背景状态变量,建立养老金模型.通过求解不确定最优性方程得到最优投资策略和最优支付率.     

基于MD-LBP关联方向特征的铁路隧道漏缆卡扣检测算法

全路段跟车拍摄隧道漏缆卡扣图像再进行逐张排查,是实现卡扣故障检测的重要手段.针对目前LBP、CS-LBP等相关变体算法存在描述子质量不佳、特征维度过高的问题,提出MD-LBP关联方向特征提取算法实现故障卡扣的检测工作.该算法首先对输入图像进行高斯滤波预处理,根据图像的全局灰度均值得到图像的自适应阈值;其次计算图像的三层MD-LBP特征图结构,依次经过两次下采样分别得到Cell主方向特征和Block主方向特征;然后再在Block特征图上提取关联方向特征,并以此作为描述子;最后通过SVM区分故障卡扣,完成检测工作.实验还对比了LBP、H OG等9种特征描述子的检测情况,结果表明该算法不仅特征维度低,并且检测故障卡扣的召回率和精准度都达到了85％.     

锚杆静压桩在纠倾加固工程中加固效果分析

湿陷性黄土地区,由于勘察、设计、施工等方面原因或者使用过程中地基的浸水,可能造成建筑物产生不均匀沉降而倾斜。针对湿陷性黄土的特性,采用"地基加固与钻孔取土纠倾"的综合纠倾方法,在建筑物沉降量较少一侧采用钻孔取土迫降纠倾,在沉降量较大一侧进行地基加固止倾,可以恢复大楼的正常使用功能。不同的加固措施加固效果不同,对比两项工程地质条件相似的建筑物纠倾加固工程,采用锚杆静压桩加固的建筑物加固止倾侧最大沉降量仅16.11mm,采用灰土桩加固的建筑物止倾侧最大沉降量高达到53.72mm。锚杆静压桩在湿陷性黄土地区钻孔取土纠倾加固工程中的加固效果良好,为相似工程提供借鉴经验。     

基于熵值修正G1法江西省智慧旅游建设水平评价研究

文章基于熵值修正G1法对智慧旅游建设水平进行研究,构建城市智慧旅游建设水平评价指标体系和模型,对江西省11个地级市进行实证研究,结果显示,11个城市的智慧旅游建设水平整体较低,其中基础设施建设水平、经济发展水平、科技创新和硬件支撑上城市间差异较大,在智慧旅游环境支撑总体差异小,保持在较高水平。并依据评价结果对江西省11个城市分为三个类别,对每一类别城市的特点进行了分析,以期能够指导江西智慧旅游的规划建设。     

基于时变Copula模型的 基金收益率相依关系的应用研究

基于时变Copula模型,获得预测方差,确定单个基金收益率序列的边缘分布.利用常见的静态Copula和时变Copula模型对基金收益率序列间两两相依关系进行建模并进行对比分析.应用研究表明,基于MCMC方法的时变Copula模型能更有效地度量基金收益率序列的风险.     

图像增强技术在古籍图书电子化中的应用

为提高古籍图书电子化的处理质量,文章以带插图的书页和具有背景干扰的书页为处理对象,使用二值化法、直方图均衡法和对比度拉伸法对书页进行图像增强处理,并使用Visual Studio 2010软件和Open CV进行实验.结果表明:带插图的古籍书页适合采用对比度拉伸法处理,带背景干扰的书页适合采用二值化法处理.     

矩形型钢弯曲回弹曲率半径r值的确定

文章在分析矩形型钢弯曲变形过程及应力与应变等方面的关系的基础上，推导出工件曲率半径与工件回弹后曲率半径之间的关系，从而确定了凸模半径。     

用Riccati变换求解同调谐振子

利用Riccati变换求解同谐谐振子的定态薛定谔方程,求得了能谱及态函数 关键词： 同调谐振子 本征值谱 Riccati变换法     

一类含参广义集值拟变分包含组的解的灵敏性分析

本文引入了一类新的含参广义集值拟变分包含组,应用隐预解算子技巧,建立了该类变分包含组与一类不动点问题的等价性,在适当的条件下,分析了含参广义集值拟变分包含组的解的灵敏性,所得结果推广改进了最新文献中的许多结果．     

关于四元数矩阵乘积迹的不等式

设 H~(m×n)为 m×n 四元数矩阵的集合,σ_1(A)≥…≥σ_n(A)为 A∈H~(mxn)的奇异值。本文证明了:1)设 A∈H~(mxm),B∈H~(mxm),r=min(m,m),则|tr(4B)|≤c r σ_i(A)σ_i(B).2)设 A_i∈H~(mxm),i=1,2,…,n,(A_1A_2…A_n)k为 A_1A_2…A_n 的任一个 k 阶主子阵,则|tr(A_1.A_2…A_n)_k|≤sun form i=1 to k σ_i(A_1)…σ_i(A_n).我们还得到四元数矩阵迹的其它一些不等式。这些结果推广和改进了文[1],[2]中的结果,进一步解决了 Bellman 猜想。