三种语音特征信息综合方法的理论分析

本文是作者在１９９７ 年 《声学学报》中文版和英文版发表的三篇文章基础上的进一步研究。这些文章没有对提出的三种语音特征综合方法进行理论分析, 本文运用概率论知识, 详细地对前面三篇文章提出的三种语音特征信息综合方法进行理论分析。分析结果表明： 三种语音特征信息综合方法能够比较好地综合语音特征信息, 提高语音识别系统的性能。这一结果与前面三篇文章中实验结果一致。     

多捐赠者肾脏调换问题

用于器官移植的肾脏处于严重的短缺状态。为缓解这一问题,越来越多的国家开始实施各种形式的肾脏调换计划。肾脏调换问题一般被建模为一个合作博弈(KE)。其中的局中人为病人及与其配型失败的捐赠者所构成的二元组。现实中不乏拥有多个配型失败捐赠者的病人。定义了多捐赠者肾脏调换博弈(MDKE),分析了其可行解及稳定解的结构,证明了捐赠多颗肾脏无益于参与稳定调换,将TTC算法、KE稳定解的NP难解性以及最大覆盖稳定解的不可近似性拓展到MDKE。实验表明引入MDKE效果显著。     

一种新的高分辨率SAR图像目标自动鉴别方法

目标鉴别是SAR图像目标识别系统的关键环节,用以消除预筛选阶段因异常检测产生的大量虚假的感兴趣区域切片。针对目标鉴别问题,提出了一种新的目标自动鉴别方法,首先对CFAR检测的结果做基于面积特征的预鉴别处理,而后对获得的ROI目标切片提取鉴别特征,并在特征分析的基础上设定特征判决阈值,实现序贯鉴别处理。利用X波段SAR图像数据检验了上述方法,给出了鉴别输出的ROI切片。     

战斗机末端机动的非线性模型预测控制规避策略

利用非线性模型预测控制的思想建立了战斗机末端规避导弹的机动策略求解方法。根据导弹与战机的空战态势,建立了导弹与战机的相对运动微分方程;将导弹的导引律引入到导弹运动模型中,与飞机模型一起构建了系统预测模型,并对飞机和导弹的运动约束进行了分析。通过对导弹结构限制和战术特性的分析,给出了飞机机动规避导弹的性能指标,进而建立了机动规避导弹的最优控制模型。利用高斯伪谱法对模型进行求解,采用滚动优化策略实现了对机动规避策略的闭环求解。针对导弹气动参数和导航比未知以及相对测量量具有噪声的问题,利用极大似然法对导弹的气动参数和导航比进行估计,实现了对系统预测模型的反馈校正。仿真结果表明,此方法能够实现对导弹的机动规避。     

航母编队远程防空作战中预警机巡逻区域大小设置

提供了一种航母编队远程防空作战中预警机巡逻区域大小配置的优化方法。通过对航母编队防空区域划分,提出了大小配置的基本要求。以预警机平飞长度、转弯半径和巡逻速度为因素,以目标发现概率、覆盖率和目标发现距离作为评价指标对试验结果进行直观分析,得到对评价指标影响最显著的因素为平飞长度,进而采用正交设计、变步长搜索迭代的方法得到巡逻空域大小的最优布置方案。     

舰炮武器系统最大有效射程研究

舰炮武器系统最大有效射程是指系统在规定的射击条件下,对规定目标,使用规定弹药射击时能达到规定射击效力指标要求的最大作用距离。系统使用不同的弹药对付不同类型目标,最大有效射程是不同的。本文界定了舰炮武器系统最大射程和最大有效射程的关系,从舰炮武器系统弹丸存速、毁伤能力、系统精度及系统稳定性等方面入手,分析了影响系统对空和对海(岸)最大有效射程的各种因素,并提出了确定最大有效射程的方法和准则,为舰炮武器系统设计及使用提供了有力的理论基础。     

基于粗集和最大熵的模式识别方法

用基于属性约简的粗集理论找出条件属性的最小属性集。对属性间为不确定因果关系的模式,计算在最大熵情况下发生的概率,通过比较概率来进行模式识别,实例分析和结论部分说明这种方法是有效的。     

最大生存概率下的编队防空目标分配研究

为研究编队目标武器分配方法,分析了编队防空体系在作战过程中武器系统火力单元状态、分配决策矩阵和目标序列状态的动态更新形式,建立了以编队生存概率最大为最优函数的动态目标分配优化模型。描述了仿真环境,运用不确定目标序列对分配过程进行了仿真。结果表明,所建立的模型能够反映实际情况,得到的关于集火、转火射击和优先分配策略对模型的工程应用具有实际指导意义。     

Double Mover–Stayer model on customer switching in telecommunications industry

Customer acquisition and customer retention are the most important challenges in the increasingly competitive telecommunications industry. Traditional studies of customer switching always assume that customers are homogeneous, and thus that model customer switching behavior follows a Markov formulation. However, this postulation is obviously inappropriate in most instances. Blumen et al. (Cornell Studies of Industrial and Labor Relations, Cornell University Press, Ithaca, NY, 1955) developed the Mover–Stayer (MS) model, a generalization of the Markov chain model, to relax the requirement of homogeneity and allow the presence of heterogeneity with two different types of individuals—“stayers,” who purchase the same kinds of products or services throughout the entire observation period; and “movers,” who look for variety in products or services over time. There are two purpose of this article. First, we extend the MS model to a Double Mover‐Stayer (DMS) model by assuming the existence of three types of individuals in the market: (1) stable and loyal customers, who have stable usage within the same company; (2) instable but loyal customers, whose usage varies within the same company over time; and (3) disloyal customers, who switch from one company to another to seek for new experiences or/and benefits. We also propose an estimation method for the DMS model. Second, we apply the DMS model to telecommunications data and demonstrate how it can be used for pattern identification, hidden knowledge discovery, and decision making. © 2012 Wiley Periodicals, Inc. Naval Research Logistics, 2012     

多源信息的验前分布融合方法研究

验前分布的获取和表示是B ayes理论应用中的一个关键问题。针对目前多源验前信息融合中存在的过分依赖专家信息的问题,提出了一种基于第2类极大似然估计原理(M L-II)确定验前分布权重的方法,该方法将现场试验数据看作是由其边缘分布产生的样本,然后根据不同验前分布下现场样本似然性的大小来确定其在验前分布融合中的作用,并以此进一步确定不同验前分布的权重因子。最后通过算例证明了该方法比基于专家信息的融合方法更为合理和有效。