基于随机寻址RFID阵元分布的车辆密度参量估计

车流量的不断增大,城市变得愈加拥挤,需要进行车辆密度估计,进而构建有效的车辆防碰撞系统。提出一种基于随机寻址RFID阵元分布的车辆密度参量估计算法,进行ZigBee和参量估计的车辆防碰撞预警系统设计。首先实现了基于ZigBee的车辆间的通信组网系统模型构建,得到了ZigBee组网与车辆碰撞预警方法,利用随机寻址RFID方法进行ZigBee的车辆间的通信组网系统模型构建,采用贝叶斯近似方法建立均匀矩形阵列,车辆作为阵元分布在均匀矩形网格中,以此描述车流动态变化过程,根据角度变化得到车流的方位和速度信息,实现车辆密度参量估计和防碰撞预警系统设计。系统实验结果表明,该算法和系统进行车辆密度参量估计,估计精度较高,信息全面准确。通过准确的车辆密度参量估计,提高了车辆防碰撞预警系统的性能。     

不同规模企业间创新绩效影响因素比较研究——基于面板数据半参数模型

基于面板数据半参数模型,选取2005—2013年中国高技术产业相关数据,研究高技术企业创新绩效的影响因素,以及当企业规模不同时,会有怎样的区别。研究发现:面板数据半参数模型的拟合效果要优于一般参数模型;出口比率与创新绩效在大型和中型企业里皆呈倒U型关系;RD经费比率与创新绩效在大型企业中呈正相关关系,而在中型企业里呈倒U型关系。     

伸缩梯度投影法在天文图像复原中的应用

在地基天文观测中,由于大气湍流的干扰,使得观测结果降质,严重影响高分辨率天文图像的获取,因此需要对天文图像进行复原。基于伸缩梯度投影(SGP)的图像反卷积算法精度高、收敛快,但需要较为精确的点扩散函数(PSF)估计作为前提。对此,联合基于稀疏测度的PSF估计算法提出改进的ESGP算法。仿真结果表明,经改进的算法能够较好的复原天文图像。     

污染数据线性回归模型的贝叶斯估计

本文研究线性回归模型中响应变量受到另一随机变量序列污染时,模型参数和污染系数的估计问题.利用贝叶斯统计原理,给出了污染系数的贝叶斯区间估计及模型参数估计.     

2-4年级数学困难与普通儿童数量估计能力的比较

选取二、三、四年级数学学习困难和数学学习正常的儿童共84名。采用数字线估计任务考察两类儿童数量估计能力的发展特点及差异。结果表明:(1)二年级儿童完成数字线估计任务的精确性显著低于其他两个年龄组;(2)数学困难儿童完成数字线估计任务的精确性显著低于普通儿童;(3)二年级数学困难儿童完成数字线估计任务时采用指数和线性函数进行表征,而其他年龄组儿童均采用线性表征形式。     

随机截断数据Weibull型参数模型的估计方法

构建了数据随机截断情形下的Weibull型参数模型,分别利用经典方法和Bayesian方法对其参数进行了估计。     

韩国小学数学教材估算内容的编排特点及启示

随着时代的发展和科技的进步,估算作为一种重要的数学思想和数学能力,正逐渐受到重视。加强估算、鼓励算法多样化已经成为当前各国计算教学改革的重要理念之一。文章通过对韩国的《小学数学教科书》估算内容的编排方式进行分析,总结出其基本特点,这些特点不仅反映了韩国教育改革的理念和趋势,同时对我国的教材编写也有一定的借鉴作用。     

平方损失函数下Pareto分布参数的Bayes估计

对Pareto分布主要作了以下的工作:在平方损失函数下,给出了Pareto分布参数的Bayes估计,并且证明了这一估计是_口J容许.     

矩阵最小奇异值的估计

讨论了矩阵最小奇异值的估计.给出了矩阵最小奇异值的两个新的估计和数值算例验证所得结果的优越性.     

SVM for density estimation and application to medical image segmentation

A method of medical image segmentation based on support vector machine （SVM） for density estimation is presented. We used this estimator to construct a prior model of the image intensity and curvature profile of the structure from training images. When segmenting a novel image similar to the training images, the technique of narrow level set method is used. The higher dimensional surface evolution metric is defined by the prior model instead of by energy minimization function. This method offers several advantages. First, SVM for density estimation is consistent and its solution is sparse. Second, compared to the traditional level set methods, this method incorporates shape information on the object to be segmented into the segmentation process. Segmentation results are demonstrated on synthetic images, MR images and ultrasonic images.