一类线性切换系统的鲁棒跟踪控制

文章研究了线性切换系统的鲁棒跟踪控制,并提出可解性的充分条件。设计切换控制规则使得切换线性系统满足加权H∞参考模型,并采用平均驻留时间法和Lyapunov函数来处理稳定性分析和控制器设计。通过使用线性矩阵不等式,控制器设计问题可以得到很好的解决。     

基于级联特征分类器的行人检测算法

为进一步提升方向梯度直方图-局部二值模式(HOG-LBP)特征融合的行人算法在检测精度以及加快融合后的算法检测速度,提出了一种基于级联特征分类器的行人检测算法.计算样本集的方向梯度共生直方图(CoHOG)特征和鲁棒局部二值模式(RLBP)特征,使用这两种特征训练两种特征弱分类器,并将两种特征融合训练CoHOG-RLBP...     

需求不确定的车辆路径鲁棒优化模型

基于顾客需求不确定可能造成确定性条件下最优路径的不可行性,采用鲁棒优化模型解决需求不确定的、有容量限制的车辆路径问题.分析并证明了需求分别属于凸集合和盒子集合两种有界集合下的鲁棒优化模型.建立偏差系数比较鲁棒优化模型和确定性模型的目标函数值.通过实例说明,虽然鲁棒优化模型的最优目标函数值高于确定性模型的,但是能有效保证路径在需求波动下的可行性,模型可行.     

拟变分不等式在广义博弈论中的应用

由于拟变分不等式的特殊结构以及解稳定性的讨论,在此文中考虑有限广义博弈均衡点的存在性基础上,对可行策略映射φ的微小扰动后均衡点的稳定性.     

工业技术与资源环境协调发展的实证研究——基于超效率DEA生态效率和区域面板数据

技术环境悖论认为技术同时是环境变化的起源和补救方式。中国工业加速发展不仅带来了技术进步和工业繁荣,也导致了一系列生态问题。在测算2007—2011年中国各地区超效率生态效率的基础上,利用省际面板数据分析工业技术对生态效率的影响。结果表明:(1)中国的生态效率自东向西逐渐降低,资源环境要素生产率增长主要来源于技术进步;(2)虽然整体上工业自主创新和创新成果转化仍未摆脱粗放特征,但东南沿海地区自主创新对生态效率已呈显著正效应;(3)整体上高技术行业对生态效率的正效应显著,但中西部地区仍应加快完善高技术行业以促进生态正效应显现。     

经济全球化与中国的自主研发优势

本文主要研究经济全球化是否提升了中国的自主研发优势这一个重要命题。在阐述经济全球化含义和构建反映技术进步路径选择的自主研发优势指数后,本文利用中国1998－2008年33个行业的面板数据,结合主成份分析法,从国际生产、贸易和投资等方面分析了经济全球化对中国技术进步路径选择的影响。实证结果发现,生产非一体化和贸易一体化显著促进了中国的自主研发优势,投资一体化的自主研发效应并不显著,基于生产、贸易和投资"三位一体"的经济全球化的影响是显著正的。     

北方民族文化对北曲的影响

北曲的产生。主要受女真、蒙古以及与之族源相近的其他北方民族的音乐文化的影响。为了适应新的音乐，北曲在旧有词的基础上加以翻造而成。可以说北曲是词的变体。北曲具有鲜明的地域特色和北方民族文化特色，且少数民族作家众多，给北曲带来了不同民族的多样风格。南移之后有汲取南词的营养，从而成就了北曲（元散曲）卓越的风姿。     

关于《鲁棒控制》课程教学的思考

《鲁棒控制》课程理论性强,在不断涌现的问题面前,学生难以保持学习的主动性;加之课程颇为抽象,学生课上对知识的理解往往不够深入,后期效果欠佳。针对这些问题,围绕培养学生学习积极性,提高鲁棒控制课程教学质量,作者结合授课经验,提出对该课程的教学的三点思考:准确定位课程授课目标、有针对性地讲解相关基础知识及明确课程学习目标。     

基于支持向量回归神经网络的动态系统辨识

结合支持向量机和神经网络各自的优点,提出了一种新颖的自适应支持向量回归神经网络(SVR-NN).首先,利用支持向量回归方法确定SVR-NN的初始结构和初始化权值,基于支持向量自适应地构造SVR-NN神经网络的隐层节点;然后,使用退火过程的鲁棒学习算法更新网络节点参数和权值.为了验证所提出方法的有效性,给出了自适应SVR-NN应用于非线性动态系统辨识的实例.仿真结果表明,与以前的神经网络方法相比,基于SVR-NN网络的辨识方案能获得相当好的性能,它具有很快的收敛速度.因此,自适应的SVR-NN为非线性系统辨识提供了极有吸引力的新途径.     

Identifying Aberrant Data in Structural Equation Models With IRLS-ADF

In structural equation models, outliers could result in inaccurate parameter estimates and misleading fit statistics when using traditional methods. To robustly estimate structural equation models, iteratively reweighted least squares (IRLS; Yuan & Bentler, 2000) has been proposed, but not thoroughly examined. We explore the large-sample properties of IRLS and its effect on parameter recovery, model fit, and aberrant data identification. A parametric bootstrap technique is proposed to determine the tuning parameters of IRLS, which results in improved Type I error rates in aberrant data identification, for data sets generated from homogenous populations. Scenarios concerning (a) simulated data, (b) contaminated data, and (c) a real data set are studied. Results indicate good parameter recovery, model fit, and aberrant data identification when noisy observations are drawn from a real data set, but lackluster parameter recovery and identification of aberrant data when the noise is parametrically structured. Practical implications and further research are discussed.