特征函數(shù)
- 邊界條件含特征參數(shù)的三階微分算子的自伴性和特征值的依賴性
慮了特征值和特征函數(shù)的連續(xù)性,研究了特征值關(guān)于邊值問題參數(shù)的可微性,并得到了相應(yīng)的微分表達(dá)式.1 預(yù)備知識(shí)考慮如下三階對稱微分方程:(1)兩端具有特征參數(shù)的分離型邊界條件:轉(zhuǎn)移條件:式中:-∞q0,q1,p0,p1,w∈Lloc(J,R),q0>0,w>0參數(shù)αk,βk(k=1,2,3,4)及d1,d2是任意的實(shí)數(shù),并且滿足:(8)定義y的擬導(dǎo)數(shù)如下[20]:(9)(10)式中Lmaxy=l(y)y∈Hw最大算子域?yàn)閷θ我獾膟,z∈Dmax,通過分部積分可
蘭州理工大學(xué)學(xué)報(bào) 2023年6期2024-01-06
- 基于全體圈個(gè)數(shù)為4的LFSR 構(gòu)造de Bruijn 序列的研究
ijn 序列特征函數(shù)仍然是一個(gè)長期亟待解決的問題。從20 世紀(jì)70 年代起，Lempel[20]引入D-同態(tài)的概念，利用n級(jí)de Bruijn 序列在D-同態(tài)下的原像是2 個(gè)n+1級(jí)的等長圈，并結(jié)合2 個(gè)等長圈上共軛狀態(tài)的分布特點(diǎn)，給出了一個(gè)由n級(jí)到n+1級(jí)de Bruijn 序列特征函數(shù)的遞歸構(gòu)造方法，且可以進(jìn)一步拓展到n+2級(jí)[21]。此類遞歸思路實(shí)際上可以看作產(chǎn)生n級(jí)de Bruijn 序列的非線性反饋移位寄存器級(jí)聯(lián)小級(jí)數(shù)的LFSR，Chang 等[
通信學(xué)報(bào) 2022年7期2022-08-04
- h = g ?g 型布爾函數(shù)的星積分解*
,xn) 為特征函數(shù)的NFSR串聯(lián)到以f2(x0,x1,··· ,xn) 為特征函數(shù)的NFSR 和以f1?f2為特征函數(shù)的NFSR 生成相同的序列簇.對設(shè)計(jì)者而言, 串聯(lián)結(jié)構(gòu)可以有效地控制NFSR 的電路深度和輸出序列的周期. 例如, Grain v1 算法采用80 級(jí)本原線性反饋移位寄存器(linear feedback shift register, LFSR) 來控制80 級(jí)NFSR, 使得輸出序列的周期都是280?1 的倍數(shù). 對攻擊者而言, 更關(guān)
密碼學(xué)報(bào) 2022年3期2022-07-13
- 獨(dú)立的實(shí)正態(tài)過程線性組合之均方積分的正態(tài)性
的任意有限維特征函數(shù)為ri∈R,ti∈T,i=1,2,…n,n∈N.定理4設(shè){X1(t),t∈T}，{X2(t),t∈T}，…，{Xm(t),t∈T}為m個(gè)相互獨(dú)立的實(shí)正態(tài)過程，記第i(1≤i≤m)個(gè)實(shí)正態(tài)過程{Xi(t),t∈T}的均值函數(shù)為mXi(t)，協(xié)方差函數(shù)為CXi(s,t),令Z(t)=a1X1(t)+a2X2(t)+…+amXm(t),t∈T，其中a1,a2,…,am是不全為零的實(shí)常數(shù)，則{Z(t),t∈T}仍為實(shí)正態(tài)過程，其任意有限維特征函
- 基于集對分析的SFT特征函數(shù)重構(gòu)及性質(zhì)研究
1-12]的特征函數(shù)進(jìn)行重構(gòu)，形成SFT可用的聯(lián)系數(shù)特征函數(shù)，從而得到元件故障概率分布和系統(tǒng)故障概率分布。最終討論了這些分布性質(zhì)及特征函數(shù)運(yùn)算方式和法則，為基于集對分析重構(gòu)SFT奠定基礎(chǔ)。1 集對思想與系統(tǒng)功能的同構(gòu)關(guān)系集對分析是處理系統(tǒng)確定性與不確定性相互作用的數(shù)學(xué)理論，是我國學(xué)者趙克勤[13-14]于 1989年提出的。若用集合表示成對事物中的雙方，則該事物就是由兩個(gè)集合組成的對子，即具有一定聯(lián)系的兩個(gè)集合組成的系統(tǒng)稱為集對[13-14]。集對分析建立
智能系統(tǒng)學(xué)報(bào) 2022年1期2022-02-18
- 獨(dú)立的實(shí)正態(tài)過程線性組合的正態(tài)性
…,Xm)的特征函數(shù)， 其中u=(u1,u2, …,um)∈Rm.定義4[1]設(shè){X(t),t∈T}是一個(gè)隨機(jī)過程, 對于任意m≥1和任意固定的t1,t2, …,tm∈T,(X(t1),X(t2), …,X(tm))是個(gè)m維隨機(jī)向量， 稱其特征函數(shù)為隨機(jī)過程{X(t),t∈T}的m維特征函數(shù). 稱{φ(t1,t2, …,tm;u1,u2, …,um),ui∈R,ti∈T,i=1, 2, …，m,m∈N}為隨機(jī)過程{X(t),t∈T}的有限維特征函數(shù)族.2
洛陽師范學(xué)院學(xué)報(bào) 2022年11期2022-02-16
- 微震信號(hào)初至拾取的AIC算法及其分析
R模型階數(shù)、特征函數(shù)、時(shí)窗長度對算法效果的影響。1 AIC算法簡介AIC[13]算法是由日本統(tǒng)計(jì)學(xué)家赤池弘次創(chuàng)立和發(fā)展的。AR-AIC[2]算法是一種基于AIC信息準(zhǔn)則的到時(shí)拾取方法，該方法基于微震信號(hào)的非平穩(wěn)特征，將信號(hào)劃分成若干個(gè)固定長度的波形段，然后進(jìn)行自回歸(auto regression,AR)處理，求解AR模型階數(shù)和系數(shù)，AR-AIC算法表示為[14](1)Maeda[3]對AR-AIC算法進(jìn)行改進(jìn)，提出VAR-AIC算法，該算法直接由微震波形
- 聯(lián)合改進(jìn)STA/LTA與MLoG算子的微震P波到時(shí)自動(dòng)拾取方法
過構(gòu)建不同的特征函數(shù)或構(gòu)建能反映信號(hào)振幅強(qiáng)度與頻率變化的權(quán)值函數(shù)等方式獲取更準(zhǔn)確的微震到時(shí)拾取結(jié)果[4-10]。自回歸(auto regressive, AR)是另一種常用的到時(shí)自動(dòng)拾取方法[11]，該方法基于統(tǒng)計(jì)特性的差異將微震記錄分為真實(shí)微震信號(hào)到達(dá)前和到達(dá)后兩個(gè)部分，用以表征微震記錄。在此基礎(chǔ)上，Akaike[12]提出了Akaike信息準(zhǔn)則(Akaike information criterion, AIC)方法，將微震數(shù)據(jù)建模為AR過程，將AIC
- 多元柯西分布及其特性
元柯西分布 特征函數(shù) 密度函數(shù)中圖分類號(hào)：O212 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A ? ?DOI：10.16400/j.cnki.kjdk.2021.10.020Abstract Cauchy distribution is a kind of distribution based on median and absolute deviation of median， which has importan
科教導(dǎo)刊 2021年10期2021-06-30
- 曲線坐標(biāo)下多孔材料模型特征值問題的二階雙尺度計(jì)算方法
法對特征值和特征函數(shù)進(jìn)行展開，并在Θε對應(yīng)的單胞區(qū)域Q*上定義單胞函數(shù)，得到問題的均勻化解、均勻化系數(shù)和多尺度逼近解，最后通過逆變換x=L-1(ξ)得到原問題的解.圖1 坐標(biāo)變換示意圖Fig.1 Coordinate transformation diagram對于變換后的周期孔洞區(qū)域，我們做出如下假設(shè)：假設(shè)均勻化凸區(qū)域Θ為一個(gè)有界連通開子集，有Lipschitz邊界?Θ. 定義Θ上孔洞區(qū)域?yàn)門ε，Θε=Θ-Tε稱為孔洞區(qū)域. 單胞Q=[0,1]N，單胞Q
- 一類新特征函數(shù)的應(yīng)用
廣義光滑模與特征函數(shù)關(guān)系的探討，于是我們可以得出下面的定理與推論。其中α′=min{α,1-α}。證明：先證明不等式的右半部分成立δX(α)(t)=inf{1-‖αx+(1-α)y‖:x,y∈S(X),‖x-y‖≥t}=inf{1-‖x+(1-α)(y-x)‖:x,y∈S(X),‖x-y‖≥t}=S(X),‖x-y‖≥t}由式(1)得(1-α){1-fx(y):‖x-y‖≥t,x,y∈S(X)}。由于fy∈S(X*)，所以‖fy‖=1,|k1|=|fy(k
哈爾濱理工大學(xué)學(xué)報(bào) 2021年2期2021-05-21
- 隨機(jī)變量和的特征函數(shù)的性質(zhì)與應(yīng)用
)1 引 言特征函數(shù)是研究隨機(jī)變量序列收斂問題的重要工具，大多數(shù)概率論與數(shù)理統(tǒng)計(jì)教材中，給出了獨(dú)立情形下特征函數(shù)的基本性質(zhì)[1].作者在2012年研究得到了非獨(dú)立情況下二維隨機(jī)變量特征函數(shù)與原點(diǎn)矩的關(guān)系[2]，構(gòu)造了二階組合數(shù)向量和二階混合原點(diǎn)矩向量，建立了二階組合數(shù)向量和二階混合原點(diǎn)矩向量與二維隨機(jī)變量和的特征函數(shù)在t=0處的二階導(dǎo)數(shù)的關(guān)系.本文將在文獻(xiàn)[2]研究的基礎(chǔ)上建立隨機(jī)變量和的特征函數(shù)在t=0處的二階導(dǎo)數(shù)與隨機(jī)變量協(xié)方差矩陣的關(guān)系，并結(jié)合文獻(xiàn)[
大學(xué)數(shù)學(xué) 2021年2期2021-05-07
- 從概率論到隨機(jī)過程的銜接教學(xué)
：隨機(jī)過程;特征函數(shù);獨(dú)立性一、 與隨機(jī)變量對比聯(lián)系概率論是隨機(jī)過程的先修課程，主要研究隨機(jī)現(xiàn)象在完全相同的條件下重復(fù)出現(xiàn)時(shí)所表現(xiàn)出來的某種規(guī)律性，我們稱這種規(guī)律性為統(tǒng)計(jì)規(guī)律性。概率論的基礎(chǔ)理論是重點(diǎn)圍繞著建立在概率空間上的隨機(jī)變量而展開。隨機(jī)變量是指從樣本空間Ω到取值空間Rn的一個(gè)可測函數(shù)，用以描述靜態(tài)的隨機(jī)試驗(yàn)的結(jié)果。給出隨機(jī)變量的定義及其分布函數(shù)之后，可用于描述隨機(jī)現(xiàn)象的統(tǒng)計(jì)學(xué)規(guī)律。由于概率論的研究范圍限于一個(gè)或有限個(gè)隨機(jī)變量，即一維隨機(jī)變量和多維隨
讀天下 2020年20期2020-09-22
- 一類具有梯度項(xiàng)的非線性拋物方程解的不穩(wěn)定性
本文通過引入特征函數(shù)及構(gòu)造適當(dāng)?shù)钠屏岩蜃樱懻摿艘活惥哂刑荻软?xiàng)的非線性拋物方程的行為.運(yùn)用重要函數(shù)空間和重要的 不等式、 不等式等方法，以及積分、微分公式，證明了這類方程初邊值問題之解在有限時(shí)間內(nèi)爆破.關(guān)鍵詞：非線性拋物方程;破裂因子;特征函數(shù)引言：“”由于非線性拋物方程描述了物理、化學(xué)、半導(dǎo)體科學(xué)及量子力學(xué)的許多現(xiàn)象 ，因此對它的研究一直是人們主要的任務(wù).目前，人們對非線性拋物方程（1）的局部解、整體解以及爆破性進(jìn)行了大量研究，已取得了許多重要的成果，但
- 實(shí)正態(tài)過程之均方積分過程的正態(tài)性
陣， 則X的特征函數(shù)為由引理1及正態(tài)過程的定義易得定理3.定理3設(shè){X(t),t∈T}為正態(tài)過程， 均值函數(shù)為mX(t),協(xié)方差函數(shù)為CX(s,t),則{X(t),t∈T}的任意有限維特征函數(shù)為相關(guān)函數(shù)為故協(xié)方差函數(shù)為3 主要結(jié)論ri∈R,ui∈U,i=1,2,…n,n∈N.于是， ?m≥1， ?u1,…,um∈U， 有因(Y(u1),Y(u2),…,Y(um))由定理2知(Y(u1),Y(u2),…,Y(um))是m維正態(tài)隨機(jī)向量， 故{Y(u),u∈U
洛陽師范學(xué)院學(xué)報(bào) 2020年8期2020-08-01
- 關(guān)于特征函數(shù)及其性質(zhì)的應(yīng)用
要工具，給出特征函數(shù)在求常見分布的期望和方差，以及證明獨(dú)立隨機(jī)變量和的分布具有可加性中的具體應(yīng)用。關(guān)鍵詞：特征函數(shù);數(shù)字特征;可加性Abstract： The characteristic function is an important tool for studying random variables.In this paper， we use the characteristic function to obtain the expectation
科學(xué)與財(cái)富 2020年15期2020-07-04
- 隨機(jī)變量的特征函數(shù)在概率論中的應(yīng)用
，但確定它的特征函數(shù)比較容易。由于分布函數(shù)和特征函數(shù)之間有一一對應(yīng)關(guān)系，在得知特征函數(shù)后就可知道分布函數(shù)。經(jīng)過不斷探索與研究，發(fā)現(xiàn)特征函數(shù)是處理許多概率論問題的有力工具。1 有關(guān)概念及結(jié)論現(xiàn)將本研究中涉及的有關(guān)概念及結(jié)論列舉如下，不予證明，詳見(1)(2)。1.1 特征函數(shù)的定義設(shè)x是隨機(jī)變量，稱復(fù)隨機(jī)變量eitx=costx+isintx的數(shù)學(xué)期望。fx(t)=E(eitx)=E(costx)+iE(sintx)，-∞(1)為x的特征函數(shù)。因?yàn)閷θ魏螌?shí)數(shù)
黑龍江科學(xué) 2020年5期2020-04-13
- 實(shí)正態(tài)過程之多重均方不定積分的正態(tài)性
矩陣，則X的特征函數(shù)為由引理1及正態(tài)過程的定義易得定理4.定理4設(shè){X(t),t∈T}為正態(tài)過程，均值函數(shù)為mX(t),協(xié)方差函數(shù)為CX(s,t),則{X(t),t∈T}的任意有限維特征函數(shù)為：ri∈R,ti∈T,i=1,2,…n,n∈N.3 主要結(jié)論任意有限維特征函數(shù)為：ri∈R,ui∈[a,b],i=1,2,…n,n∈N.重復(fù)使用上述方法，可得多重均方不定積分為[a,b]上均方連續(xù)、均方可導(dǎo)的實(shí)正態(tài)過程.協(xié)方差函數(shù)為協(xié)方差函數(shù)為：協(xié)方差函數(shù)為依此類推，
- 求解半線性特征值問題的搜索延拓法
的少數(shù)幾個(gè)特征函數(shù)張成的子空間中逼近模型問題，得到小規(guī)模非線性代數(shù)特征值問題，求解該問題獲得模型問題特征對的多個(gè)初值；然后，采用L 的更多的特征函數(shù)，進(jìn)一步逼近模型問題的特征對以得到更好的初值；再用合適的數(shù)值方法離散模型問題，得到相對大規(guī)模的非線性代數(shù)方程組（非線性代數(shù)特征值問題）；最后用數(shù)值延拓法求解此非線性代數(shù)方程組，得到每個(gè)初值對應(yīng)的特征對.為提高計(jì)算效率，本為將提出一種插值系數(shù)Legendre -Galerkin 譜方法用于離散模型問題（1）.本
- 關(guān)于(a,b,0)分布類的特征函數(shù)統(tǒng)一表達(dá)式的若干標(biāo)記
到該分布類的特征函數(shù)、矩母函數(shù)和概率生成函數(shù)等.文獻(xiàn)［1-2］給出了(a,b,0)分布類的矩母函數(shù)和概率生成函數(shù)統(tǒng)一表達(dá)式的結(jié)論.矩母函數(shù)和概率生成函數(shù)的被積函數(shù)都是一個(gè)實(shí)值函數(shù)，積分有時(shí)未必存在，從而兩者對一切實(shí)數(shù)未必都有定義.因此，并不是所有的分布函數(shù)都有矩母函數(shù)和概率生成函數(shù)與之對應(yīng).而特征函數(shù)是一個(gè)實(shí)變量的復(fù)值函數(shù)，對一切實(shí)數(shù)都有定義，并且隨機(jī)變量的特征函數(shù)可以通過傅里葉積分變換與分布函數(shù)建立一一對應(yīng)的關(guān)系.所以探討(a,b,0)分布類的特征函數(shù)具
通化師范學(xué)院學(xué)報(bào) 2019年12期2019-12-18
- 基于Choquet積分的直覺模糊聯(lián)盟合作博弈的Shapley值
覺模糊集作為特征函數(shù)的n人可轉(zhuǎn)移效用直覺模糊博弈期望核心。高作峰、郭菊花[12]探討了特征函數(shù)是直覺模糊集的合作博弈的核心、核仁和τ值。 韓婷和李登峰[13]探究了直覺模糊聯(lián)盟合作博弈的Shapley值求解方法，文獻(xiàn)[13]利用區(qū)間Choquet積分得到直覺模糊聯(lián)盟合作博弈的特征函數(shù)為區(qū)間數(shù)，再利用COWA算子將區(qū)間特征函數(shù)集結(jié)為實(shí)數(shù)，從而將直覺模糊聯(lián)盟合作博弈Shapley值的計(jì)算轉(zhuǎn)化為經(jīng)典合作博弈Shapley值。從邏輯上講，合作博弈的特征函數(shù)為區(qū)間數(shù)
運(yùn)籌與管理 2019年9期2019-10-24
- 經(jīng)驗(yàn)特征函數(shù)在偏正態(tài)分布中的應(yīng)用
穩(wěn)定的．經(jīng)驗(yàn)特征函數(shù)算法最早由Feuerverger 和Mureika[4]與Heathcote[5]提出，Tran[6]將其應(yīng)用于參數(shù)估計(jì)問題中．這個(gè)方法與文獻(xiàn)[7-8]提出的矩母函數(shù)方法類似，使用特征函數(shù)代替矩母函數(shù)．使用特征函數(shù)進(jìn)行估計(jì)具有一些優(yōu)點(diǎn)．特征函數(shù)是一致有界，因此由其所求出的解具有數(shù)值穩(wěn)定性．對于厚尾分布，當(dāng)它的矩母函數(shù)不存在時(shí)，使用特征函數(shù)是恰當(dāng)?shù)模?jīng)驗(yàn)特征函數(shù)算法的穩(wěn)定性受到{tm}的取值影響，對于此問題，文獻(xiàn)[8-9]進(jìn)行了分析．本文
- 利用特征函數(shù)求解連續(xù)型隨機(jī)變量函數(shù)的密度函數(shù)
限性.本文以特征函數(shù)為載體，給出了求解連續(xù)型隨機(jī)變量函數(shù)的密度函數(shù)的計(jì)算方法.相對于傳統(tǒng)的方法，此方法簡化了計(jì)算.在文中，理論論證之后，分三個(gè)層面以某一函數(shù)為例，加以論證，得出了一些結(jié)論.關(guān)鍵詞：連續(xù)型隨機(jī)變量;特征函數(shù);密度函數(shù);函數(shù)變換中圖分類號(hào)：O211.1? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：1673-260X（2019）07-0001-040 引言連續(xù)型隨機(jī)變量的函數(shù)的分布是概率論與數(shù)理統(tǒng)計(jì)研究理論中的一個(gè)重要組成部分，而對于連續(xù)型隨機(jī)變量而言，其密度
赤峰學(xué)院學(xué)報(bào)·自然科學(xué)版 2019年7期2019-09-10
- 非中心奇異Wishart分布的特征函數(shù)
的密度函數(shù)、特征函數(shù)以及其他一些重要性質(zhì)．UHLIG[3]將Wishart分布推廣到了奇異的情況,給出了奇異Wishart分布的密度函數(shù)等．DIAZ-GARCIA等在文獻(xiàn)[4]中進(jìn)一步推廣和完善了UHLIG的結(jié)果,給出了更一般情況下的奇異Wishart分布的密度函數(shù)．更多的相關(guān)結(jié)果可以參閱文獻(xiàn)[5-7]．文獻(xiàn)[1-2]給出了非奇異的Wishart矩陣的特征函數(shù),其中文獻(xiàn)[2]也給出了非奇異非中心的Wishart矩陣的特征函數(shù)．但是對于最復(fù)雜的奇異非中心Wi
- 基于傅里葉余弦展開的期權(quán)定價(jià)方法評估
葉余弦方法;特征函數(shù);Black-Scholes模型;數(shù)值計(jì)算方法中圖分類號(hào)：F830 ? ? ? ?文獻(xiàn)標(biāo)志碼：A ? ? ?文章編號(hào)：1673-291X（2019）15-0090-06期權(quán)定價(jià)問題一直是金融數(shù)學(xué)領(lǐng)域的核心課題之一，而對金融衍生品的定價(jià)研究中，期權(quán)定價(jià)模型也是應(yīng)用最廣泛的一個(gè)。近年來，眾多基于傅里葉變換的定價(jià)方法研究開始涌現(xiàn)，如Fang和Oosterlee提出的Fourier-COS方法[1]。Ding[2]中對COS方法進(jìn)行了變形，使其
經(jīng)濟(jì)研究導(dǎo)刊 2019年15期2019-07-08
- 利用“特征函數(shù)”命制與求解數(shù)列問題
初步感受利用特征函數(shù)在問題解決中的應(yīng)用兩個(gè)問題中的第一個(gè)問題都是對于數(shù)學(xué)歸納法的考察，對(1)(ⅰ)1≤a1第二問解法比較多，具體如下(以(1)的第二小題為例).圖1設(shè)計(jì)意圖：這兩個(gè)問題的遞推關(guān)系中，數(shù)列相鄰項(xiàng)之間的關(guān)系相同.由于首項(xiàng)不相同，造成了數(shù)列在“有界性”和“單調(diào)性”上的大相徑庭.這一特征可以呈現(xiàn)如下：從特征函數(shù)的圖像中不難看出，(1)與(2)兩個(gè)問題的差異，由于兩個(gè)數(shù)列的首項(xiàng)不同，導(dǎo)致了數(shù)學(xué)的單調(diào)性發(fā)生了改變.我們可以借助特征函數(shù)，快速觀察數(shù)列的
中學(xué)數(shù)學(xué)研究(江西) 2019年4期2019-04-28
- 特征函數(shù)的性質(zhì)在實(shí)變函數(shù)中的應(yīng)用
時(shí)，常常用到特征函數(shù)，如果熟悉特征函數(shù)常用性質(zhì)，并能熟練掌握應(yīng)用特征函數(shù)的性質(zhì)解決問題的一般思想，有助于提高學(xué)生分析問題和解決問題的能力。下面將探討利用特征函數(shù)的性質(zhì)解決實(shí)變函數(shù)中某些問題中一般思想方法。1 特征函數(shù)及常用的一些性質(zhì)1.1 特征函數(shù)的定義顯然，若A是可測集S的可測子集，φA（x）則是S上非負(fù)可測函數(shù)，也是可積函數(shù)且1.2 常用的幾個(gè)特征函數(shù)的性質(zhì)性質(zhì) 1：設(shè) A，B?S，則 A?B?φA（x） ≤φB（x），x∈S（單調(diào)性），φA（x）＝φ
邢臺(tái)學(xué)院學(xué)報(bào) 2018年4期2018-12-14
- Laplace算子的特征函數(shù)系在三個(gè)空間中的完備性證明方法
下的特征值和特征函數(shù)的性質(zhì)問題[1-11]是偏微分方程中的重要課題，引起了人們持續(xù)不斷的研究[1-22]。關(guān)于特征值的跡問題，在文獻(xiàn)[16]中有詳盡的綜述。對特征函數(shù)系的完備性[1-11]，已有多種方法給予證明。然而對特征函數(shù)系在多個(gè)空間中的完備性，現(xiàn)有文獻(xiàn)中給出的證明路線不夠明確[1-11]，甚至出現(xiàn)不嚴(yán)密的表述過程[8]，沒有達(dá)到嚴(yán)密完善的標(biāo)準(zhǔn)程度。本文在前人研究成果的基礎(chǔ)上，對特征函數(shù)系在三個(gè)空間中的完備性分別給予敘述和證明，建立一套標(biāo)準(zhǔn)的證明路線，
- 融合句法特征的漢—老雙語詞語對齊算法研究
合，對其構(gòu)建特征函數(shù)，以最小錯(cuò)誤率算法為條件，在對數(shù)線性模型框架下訓(xùn)練模型參數(shù)，將IBM3模型作為基礎(chǔ)比較模型，通過逐步添加特征函數(shù)從而實(shí)現(xiàn)與基礎(chǔ)模型的對比。實(shí)驗(yàn)證明，該方法可有效提高漢-老雙語詞對齊質(zhì)量。關(guān)鍵詞：漢―老雙語詞對齊；特征函數(shù)；最小錯(cuò)誤率算法；對數(shù)線性模型；IBM3模型DOIDOI：10.11907/rjdk.172624中圖分類號(hào)：TP312文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2018）004-0009-04Abstract：Wo
軟件導(dǎo)刊 2018年4期2018-05-15
- 地震初至震相自動(dòng)識(shí)別方法研究
識(shí)別，并分析特征函數(shù)對能量變化的敏感度，得到了比較好的結(jié)果。1 震相識(shí)別的基本原理1.1 長短時(shí)窗能量比（STA/LTA）方法我們給出一定長度的滑動(dòng)長時(shí)窗，再在這個(gè)長窗中取一個(gè)固定時(shí)長的短時(shí)窗，兩窗口的起點(diǎn)或者終點(diǎn)重合，然后求取短時(shí)間窗內(nèi)信號(hào)的平均值（STA）和長時(shí)間窗內(nèi)信號(hào)的平均值的比值，用這個(gè)比值來反映信號(hào)幅值或者能量的變化。其中，STA主要反映的是信號(hào)瞬時(shí)變化的平均值，LTA主要反映的是背景噪聲變化的平均值。在地震信號(hào)到達(dá)時(shí)，STA的變化要比LTA的
防災(zāi)減災(zāi)學(xué)報(bào) 2018年4期2018-04-17
- 論特征函數(shù)的性質(zhì)及應(yīng)用
要的工具——特征函數(shù).特征函數(shù)可以解決很多概率論當(dāng)中的問題，可以很好地去尋求獨(dú)立隨機(jī)變量和的分布，同時(shí)還能夠?qū)⒕矸e運(yùn)算換算成乘法運(yùn)算.本文著重介紹了特征函數(shù)的基本概念、主要的性質(zhì)以及一些基本的應(yīng)用，同時(shí)還根據(jù)實(shí)例去介紹特征函數(shù)在求隨機(jī)變量獨(dú)立和的分布以及研究極限定理方面的應(yīng)用.【關(guān)鍵詞】特征函數(shù)；性質(zhì)；應(yīng)用在一般的數(shù)學(xué)研究當(dāng)中，經(jīng)常會(huì)遇到隨機(jī)變量這個(gè)重要的內(nèi)容.隨機(jī)變量的規(guī)律是根據(jù)隨機(jī)變量的分布函數(shù)來統(tǒng)計(jì)的，在使用的過程中有時(shí)會(huì)出現(xiàn)分布密度或者是分布函數(shù)使
數(shù)學(xué)學(xué)習(xí)與研究 2017年24期2018-01-11
- 一類弦方程的結(jié)點(diǎn)問題
間上的弦方程特征函數(shù)的結(jié)點(diǎn)問題.在密度函數(shù)ρ（x）滿足一定條件時(shí)，利用已知的結(jié)點(diǎn)信息建立了與結(jié)點(diǎn)相關(guān)的平均值公式.【關(guān)鍵詞】弦方程;結(jié)點(diǎn);特征函數(shù);特征值一、預(yù)備知識(shí)常型Sturm-Liouville系統(tǒng)是一類連續(xù)的振動(dòng)系統(tǒng)，而勢方程和弦方程是Sturm-Liouville系統(tǒng)中最常見的兩種研究對象.經(jīng)過一個(gè)多世紀(jì)的不斷發(fā)展，Sturm-Liouville理論日趨完善，其在數(shù)學(xué)物理、工程技術(shù)和氣象物理等各個(gè)方面有著重要的理論意義和應(yīng)用價(jià)值.人們對勢方程的研
數(shù)學(xué)學(xué)習(xí)與研究 2018年19期2018-01-07
- 常型弦方程的譜分析
解，特征值和特征函數(shù)的漸近式.【關(guān)鍵詞】 弦方程;Liouville變換;特征函數(shù)本文將Dirichlet邊界條件推廣到一般的邊界條件情況下，研究定義在[0，1]區(qū)間內(nèi)的弦方程在如下分離型自伴邊界條件下的譜問題：Ly=-y″+λp（x）y， y′（0）-h0y（0）=0， y′（1）-h1y（1）=0，其中密度函數(shù)p（x）∈ C 2[0，1]為正實(shí)值函數(shù)，h0，h1∈ R .由于當(dāng)密度函數(shù)p（x）∈ C 2時(shí)，弦方程可以通過Liouville變換轉(zhuǎn)化為與之
數(shù)學(xué)學(xué)習(xí)與研究 2018年21期2018-01-05
- 特征函數(shù)在伽瑪分布中一個(gè)恒等式的證明及推廣
01)引言：特征函數(shù)是處理概率論問題的一個(gè)有力工具,但在實(shí)際的概率分析中直接利用分布函數(shù)、概率密度函數(shù)與分布列的情況較多[1].但在許多方面,特征函數(shù)比分布函數(shù)等具有更好的分析性質(zhì)[2].本文使用特征函數(shù)證明了伽瑪分布中的一個(gè)恒等式,并對恒等式的幾種特殊情況予以了探討。1 特征函數(shù)的定義及其性質(zhì)定義[1]設(shè)X為一隨機(jī)變量,則稱φ(t)=E(eitx),-∞當(dāng)X為離散型隨機(jī)變量時(shí),有分布列pk=p(X=xk),k=1,2,…則X的特征函數(shù)為當(dāng)X為連續(xù)型隨機(jī)變
數(shù)碼設(shè)計(jì) 2017年14期2017-11-15
- 特征函數(shù)在概率論及數(shù)理統(tǒng)計(jì)中的簡單應(yīng)用
的有力工具是特征函數(shù)，它能把尋求獨(dú)立隨機(jī)變量和分布運(yùn)算轉(zhuǎn)換成乘法運(yùn)算，本文闡述了特征函數(shù)的基本概念以及特征函數(shù)的一些簡單應(yīng)用。關(guān)鍵詞 特征函數(shù) 獨(dú)立性 指數(shù)分布 卡方分布1特征函數(shù)的定義設(shè)是一個(gè)隨機(jī)變量，稱， 為的特征函數(shù)。因?yàn)?，所以總是存在的，即任一隨機(jī)變量的特征函數(shù)總是存在的。特征函數(shù)只依賴于隨機(jī)變量的分布，分布相同則特征函數(shù)也相同，所以常稱為某分布的特征函數(shù)。2特征函數(shù)的應(yīng)用2.1指數(shù)分布的數(shù)學(xué)期望和方差已知隨機(jī)變量服從參數(shù)的指數(shù)分布，隨機(jī)變量的特征
科教導(dǎo)刊·電子版 2017年12期2017-06-19
- 亞閾值狀態(tài)下MOSFET二維雙區(qū)和單區(qū)靜電勢模型的比較
雙區(qū)模型； 特征函數(shù)； 邊界條件； 平均誤差中圖分類號(hào)： TN917.83?34； TN4； TN32 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）10?0128?05Abstract： An average error is defined to estimate the deviation of the source （S） and drain （D） boundary conditions to solve the potential
現(xiàn)代電子技術(shù) 2017年10期2017-05-17
- 一本概率論教材中的一道錯(cuò)誤習(xí)題
培華【摘要】特征函數(shù)（character Function簡稱CF）是研究隨機(jī)變量分布律和數(shù)字特征的一個(gè)重要分析工具.特征函數(shù)的一個(gè)重要性質(zhì)是它能把隨機(jī)變量復(fù)雜的卷積運(yùn)算轉(zhuǎn)化為相對簡單的乘法運(yùn)算；再者特征函數(shù)可以完整地描述一個(gè)隨機(jī)變量，其可唯一確定隨機(jī)變量的概率分布，在概率論中概率分布與特征函數(shù)的一一對應(yīng)性是特征函數(shù)應(yīng)用的理論基礎(chǔ).本文指出高等教育出版社華東師大編《概率論與數(shù)理統(tǒng)計(jì)教程》中一道有關(guān)隨機(jī)變量特征函數(shù)的習(xí)題存在錯(cuò)誤，給出修改后的結(jié)論并予以證明.
數(shù)學(xué)學(xué)習(xí)與研究 2016年21期2017-05-08
- 數(shù)據(jù)和導(dǎo)頻通道的功率加權(quán)聯(lián)合捕獲算法*
捕獲判決量的特征函數(shù)推導(dǎo)檢測和虛警概率。仿真實(shí)驗(yàn)驗(yàn)證了當(dāng)數(shù)據(jù)和導(dǎo)頻功率比為1 ∶3、檢測概率為0.8、虛警概率為10-3時(shí)，所提出的改進(jìn)算法能提升0.4 dB的捕獲靈敏度。關(guān)鍵詞：非相干；聯(lián)合捕獲；導(dǎo)頻通道；加權(quán)系數(shù)；特征函數(shù)新信號(hào)體制設(shè)計(jì)提出了數(shù)據(jù)和導(dǎo)頻通道功率不相等的信號(hào)調(diào)制方式，并被全球定位系統(tǒng)(Global Positioning System，GPS)采用，其中GPS L1C信號(hào)的數(shù)據(jù)通道L1CD和導(dǎo)頻通道L1CP功率比為1 ∶3[1]。目前數(shù)據(jù)
國防科技大學(xué)學(xué)報(bào) 2016年2期2016-07-26
- 值分布理論中全純函數(shù)關(guān)于特征函數(shù)的一個(gè)不等式
了亞純函數(shù)中特征函數(shù)的性質(zhì)，通過對 Nevanlinna第二基本定理中的余 進(jìn)行精確估計(jì)并運(yùn)用對數(shù)導(dǎo)數(shù)引理 ，結(jié)合值分布理論的知識(shí)，得到了全純函數(shù)關(guān)于特征函數(shù)的一個(gè)不等式。關(guān)鍵詞：特征函數(shù) 全純函數(shù) 值分布理論 不等式.即問題得以證明。參考文獻(xiàn)[1]楊樂.值分布理論及其新研究[M].北京：科學(xué)出版社，1986.[2]儀洪勛.楊重駿.亞純函數(shù)唯一性理論[M].北京：科學(xué)出版社，1986.[3]金瑾.關(guān)于亞純函數(shù) [J].純粹數(shù)學(xué)與應(yīng)用數(shù)學(xué)，2012.[4]張
科學(xué)與財(cái)富 2016年6期2016-05-14
- 隨機(jī)變量特征函數(shù)的求法研究
)?隨機(jī)變量特征函數(shù)的求法研究蔣同斌(淮陰工學(xué)院 數(shù)理學(xué)院，江蘇 淮安 223003)摘要：分布函數(shù)由其特征函數(shù)唯一決定， 判斷函數(shù)為特征函數(shù)的條件,成為特征函數(shù)的基本要求、基本類型及其具體的確定，利用特征函數(shù)的定義積分變換和積分方法等說明特征函數(shù)的求解方法，討論特征函數(shù)在數(shù)學(xué)通信保險(xiǎn)數(shù)據(jù)查詢等生產(chǎn)實(shí)際中的具體應(yīng)用。關(guān)鍵詞：特征函數(shù);分布函數(shù);求解方法;實(shí)際應(yīng)用概率論中，隨機(jī)變量的數(shù)學(xué)期望和方差只能粗略地反映其分布函數(shù)的性質(zhì)，而分布函數(shù)由其特征函數(shù)唯一決定
淮陰工學(xué)院學(xué)報(bào) 2016年1期2016-04-06
- 非等紋響應(yīng)低通濾波器研究
其中，F(xiàn) 為特征函數(shù)多項(xiàng)式.對于傳統(tǒng)切比雪夫響應(yīng)低通濾波器而言，通帶內(nèi)具有等紋的特性.而對于非等紋響應(yīng)的低通濾波器，通過調(diào)節(jié)特征函數(shù)多項(xiàng)式的系數(shù)，可以改變通帶內(nèi)反射波瓣的值，將通帶內(nèi)的反射波瓣設(shè)置為不全部相等，即實(shí)現(xiàn)非等紋響應(yīng)低通濾波器的特性.本研究以7 階低通濾波器為研究實(shí)例.從圖1 可以看出，該切比雪夫響應(yīng)低通濾波器在通帶內(nèi)具有3 個(gè)反射波瓣，設(shè)第1 個(gè)反射波瓣的值為RL1，第2 個(gè)反射波瓣的值為RL2，第3 個(gè)反射波瓣的值為RL3.對于切比雪夫響應(yīng)低
- 波控中等潮差海灘剖面時(shí)空變化過程研究
據(jù)，通過經(jīng)驗(yàn)特征函數(shù)分析（EOF）剖面變化的主要空間特征及其物理意義，并對相對應(yīng)的主要時(shí)間特征函數(shù)采用功率譜分析研究了主要剖面地形變化的時(shí)域特征。圖1 岬間海灘形態(tài)結(jié)構(gòu)1 研究區(qū)概況研究區(qū)位于廣東省茂名市電白縣境內(nèi)，海岸由沙壩—瀉湖—潮汐通道體系構(gòu)成。沙壩長約9 km，走向大至呈北東—南西。沙壩分隔大海與瀉湖于南北兩面，留下一寬約1 km 的灣口成為瀉湖與外海之間的潮汐通道。由于水深很小的巨大落潮三角洲對入射波的消能作用以及具射流性質(zhì)的落潮流對入射波的阻抗
海洋通報(bào) 2015年5期2015-03-22
- 正態(tài)總體下樣本方差分布的新證法
研究問題中,特征函數(shù)是一個(gè)重要的概念及工具．文章主要利用特征函數(shù)來證明正態(tài)總體下樣本方差的分布,過程簡單,易于理解．正態(tài)分布;樣本方差;特征函數(shù);獨(dú)立性0 引言在概率論與數(shù)理統(tǒng)計(jì)研究問題中,特征函數(shù)是一個(gè)重要的概念,也是一個(gè)有利的工具．特征函數(shù)完全刻畫了分布函數(shù)的特征．利用特征函數(shù),可以求一些隨機(jī)變量的數(shù)字特征(如期望、方差等),也可以求獨(dú)立隨機(jī)變量和的分布函數(shù),還可以求隨機(jī)變量序列的極限分布,以及證明一些定理與不等式[1-2]．本文將利用特征函數(shù)來證明正
- 負(fù)三項(xiàng)分布的性質(zhì)研究
討，首先從其特征函數(shù)出發(fā)，計(jì)算出其數(shù)字期望、方差及可加性，最后分析其概率的最大值點(diǎn).1 預(yù)備知識(shí)文獻(xiàn)［10］提出負(fù)三項(xiàng)分布的定義，并得出其概率分布.定義1設(shè)在獨(dú)立重復(fù)試驗(yàn)中，每次試驗(yàn)可能有3 種結(jié)果：A1,A2,A3，且P(Aj)=pj，j=1,2,3，p1+p2+p3=1，以Xj(j=1,2,3)表示Aj在獨(dú)立重復(fù)試驗(yàn)中出現(xiàn)的次數(shù)，以X表示在獨(dú)立重復(fù)試驗(yàn)中Aj出現(xiàn)rj(j=1,2)次時(shí)的試驗(yàn)次數(shù)，則稱X服從負(fù)三項(xiàng)分布，記為X～NM(r1,r2;p1,p2
- χ2分布的有關(guān)性質(zhì)研究
。本文采用了特征函數(shù)法推導(dǎo)其密度函數(shù)，探討參數(shù)對密度曲線的影響及其數(shù)字特征。χ2分布;特征函數(shù)法;數(shù)字特征1.用特征函數(shù)法求密度函數(shù)設(shè)X的密度函數(shù)為f(x)，其特征函數(shù)定義為φ(t)=E(eitx)，設(shè)α＞0，β＞0，則稱X服從參數(shù)分別為α、β的伽馬分布［1］。則服從伽馬分布的隨機(jī)變量X的特征函數(shù)為2.密度函數(shù)的性質(zhì)當(dāng)n＞2時(shí)，曲線有單峰，令g'(x)=0時(shí)，即f(x)在x=n－2(n＞2)達(dá)到極大值。由此推知:x∈(0，n－2)，f'n(x)＞0;x∈(
中州大學(xué)學(xué)報(bào) 2014年2期2014-05-05
- 負(fù)多項(xiàng)分布的性質(zhì)研究
大值點(diǎn)；從其特征函數(shù)出發(fā)，可以簡潔地計(jì)算出其數(shù)字特征.1 預(yù)備知識(shí)文獻(xiàn)[10]提出負(fù)多項(xiàng)分布的定義，并得出其概率分布.定義1設(shè)在獨(dú)立重復(fù)試驗(yàn)中，每次試驗(yàn)可能有n種結(jié)果：A1，A2，…，An，且P(Aj)=pj，j=1，2，…，n，p1+p2+…+pn=1，以Xj(j=1,2,…，n)表示Aj在獨(dú)立重復(fù)試驗(yàn)中出現(xiàn)的次數(shù)，以X表示在獨(dú)立重復(fù)試驗(yàn)中Aj出現(xiàn)rj(j=1,…，n-1)次時(shí)的試驗(yàn)次數(shù)，則稱X服從負(fù)多項(xiàng)分布，記為X～NM(r1，…，rn-1;p1,…，
- 關(guān)于特征函數(shù)教學(xué)過程中的一點(diǎn)探討
，而概率論中特征函數(shù)這一工具，在解決上述和分布有關(guān)的問題時(shí)，具有極大的優(yōu)勢[1]。按照上述思路，在通常的特征函數(shù)的教學(xué)過程中，一般先介紹完特征函數(shù)的定義以及相關(guān)的性質(zhì)后，而后會(huì)介紹特征函數(shù)在解決其他有關(guān)概率論問題中的應(yīng)用。但這樣的教學(xué)過程往往會(huì)使特征函數(shù)得不到學(xué)生們的足夠的重視。為此，我們探討了特征函數(shù)在解決其它常見的非概率論的數(shù)學(xué)問題中也有較為廣泛的巧妙的應(yīng)用。通過上述問題的講解和分析，我們試圖讓學(xué)生們重視特征函數(shù)的學(xué)習(xí)并激發(fā)學(xué)生們學(xué)習(xí)概率論的興趣，從而
大眾科技 2013年2期2013-12-06
- 含位置參數(shù)伽瑪分布的特征函數(shù)和參數(shù)估計(jì)
數(shù)伽瑪分布的特征函數(shù)和參數(shù)估計(jì)嚴(yán) 琴,李開燦 (湖北師范學(xué)院數(shù)學(xué)與統(tǒng)計(jì)學(xué)院, 湖北 黃石 435002)研究了含位置參數(shù)的伽瑪分布的特征函數(shù)和參數(shù)估計(jì)，其中參數(shù)估計(jì)包括3個(gè)參數(shù)的矩估計(jì)以及當(dāng)形狀參數(shù)和位置參數(shù)為已知時(shí)求得尺度參數(shù)的極大似然估計(jì)具有無偏性和有效性，同時(shí)還研究了兩伽瑪分布之間的Pearson-χ2距離和Kullback-Leibler距離。伽瑪分布；Kullback-Leibler距離；Pearson-χ2距離；參數(shù)估計(jì)1 含位置參數(shù)的伽瑪分布
長江大學(xué)學(xué)報(bào)(自科版) 2013年4期2013-10-27
- SturmLiouville算子特征值與特征函數(shù)更精確的估計(jì)＊
算子特征值與特征函數(shù)更精確的估計(jì)＊陳莉敏（常州工程職業(yè)技術(shù)學(xué)院基礎(chǔ)部，江蘇常州 213164）應(yīng)用迭代法計(jì)算勢函數(shù)光滑性提高時(shí)自伴型Sturm－Liouville算子特征值與特征函數(shù)的漸近估計(jì)式.Sturm－Liouville算子；特征值；特征函數(shù)；估計(jì)1 預(yù)備知識(shí)對于Sturm－Liouville特征值問題Ly（x）＝－y″＋q（x）y＝λy，y′（0）－h(huán)y（0）＝0，y′（π）＋Hy（π）＝0，若q（x）∈Cm［0，π］，則特征值漸近式可表示為當(dāng)勢函
- 多輸入多輸出系統(tǒng)基于特征函數(shù)頻譜盲檢測
天線環(huán)境中.特征函數(shù)是信號(hào)概率密度函數(shù)的傅里葉變換，是信號(hào)整體特征的另一種解析.由于接收樣本的有限性，各種解析之間肯定是不等價(jià)的.文獻(xiàn)［17］在單天線環(huán)境下，提出了基于特征函數(shù)的頻譜盲檢測方法，通過度量接收到信號(hào)的樣本特征函數(shù)與已知特征函數(shù)之間的距離進(jìn)行頻譜檢測，結(jié)果證明比傳統(tǒng)的基于局部參數(shù)假設(shè)檢驗(yàn)的頻譜檢測方法具有更好的性能，但并沒有對其檢測性能進(jìn)行具體分析.本文提出了多輸入多輸出（Multiple-Input Multiple-Output，MIMO）
電波科學(xué)學(xué)報(bào) 2013年6期2013-03-12
- 一類帶PML光波導(dǎo)中的共軛特征算子構(gòu)造
分方程的共軛特征函數(shù)所滿足的方程，并論證了方程的特征函數(shù)與共軛特征函數(shù)正交之性質(zhì)，同時(shí)給出局部基下坐標(biāo)計(jì)算的簡便公式.完美匹配層；共軛特征函數(shù)；Helmholtz方程；局部坐標(biāo)變換；橫電波導(dǎo)光波導(dǎo)在介質(zhì)中的傳播，在數(shù)學(xué)上歸結(jié)為著名的Helmholtz方程.當(dāng)傳播區(qū)域或求解范圍有界時(shí)，Helmholtz方程的特征函數(shù)具有加權(quán)正交的性質(zhì)，因此可以采用步進(jìn)算法快速求解Helmholtz方程，并已取得了很好的數(shù)值解.然而，當(dāng)考慮傳播區(qū)域或求解范圍無界時(shí)，如無限深的
- Sturm－Liouville 算子特征值與特征函數(shù)的精確解①
算子特征值和特征函數(shù)的漸近展開式．引理 1[3]記 λ=s2，則引理2[3]記s=σ+it，則存在s0＞0，使得當(dāng)|s|＞s0時(shí)有 φ(x，λ)=O(e|t|x)，Ψ(x，λ)=，或者更準(zhǔn)確些 φ(x，λ)=cossx+，這些估計(jì)式對x∈[0，π]一致成立．定理1[3]自伴邊條件下的特征值都是實(shí)的．2 主要結(jié)果及其證明定理2 Sturm－Liouville算子在q(x)∈C2[0，π]時(shí)，特征值的漸近展開式中系數(shù)C0和C1為:證明: 當(dāng)h=∞，H≠∞時(shí)，由
- 一類帶譜參數(shù)的奇異Sturm-Liouville算子特征的漸近分析Ⅱ
題的特征值與特征函數(shù)的漸近分析，轉(zhuǎn)化為考慮定義在適當(dāng)?shù)腍ilbert空間H中的一個(gè)線性算子A的特征值與特征函數(shù)的漸近分析．同時(shí)，推導(dǎo)出該奇異的Sturm-Liouville算子A的特征值與特征函數(shù)的漸近式。譜參數(shù);轉(zhuǎn)換條件;特征值;特征函數(shù);漸近式1 預(yù)備知識(shí)近十幾年來，人們對邊界條件中帶譜參數(shù)的Sturm-Liouville(S-L)問題進(jìn)行了大量的研究，產(chǎn)生了許多理論成果［1－4］，Huang等［5］研究了一類具有轉(zhuǎn)換條件且在邊界條件中帶譜參數(shù)的奇異S
東莞理工學(xué)院學(xué)報(bào) 2012年1期2012-06-04
- 丁壩間潮灘地貌變化的經(jīng)驗(yàn)正交函數(shù)分析
淤變化的第一特征函數(shù)，表示季節(jié)性沖淤變化的第二特征函數(shù)和表示偶然因素?cái)_動(dòng)引起沖淤變化的第三特征函數(shù)。用這3個(gè)經(jīng)驗(yàn)正交函數(shù)的線性組合來反映整個(gè)潮灘的空間和時(shí)間變化特征?？臻g特征函數(shù)代表潮灘地形變化，時(shí)間特征函數(shù)代表地形變化的時(shí)域特征，海灘剖面的時(shí)空變化過程在一定程度上反映了過程－響應(yīng)系統(tǒng)的主要海灘過程。本文借助統(tǒng)計(jì)分析和動(dòng)力機(jī)理分析相結(jié)合的方法，分析潮灘沖淤變化與動(dòng)力要素的關(guān)系。利用“場”的概念從整體上分析潮灘的變化，克服了以往用單個(gè)點(diǎn)來描述潮灘剖面變化的局
海洋學(xué)研究 2012年4期2012-05-30
- 一類弦方程的逆譜問題
ρ,h) 的特征函數(shù)F0(λ)可表示為(10)證明由初始條件φ(0,λ)=0,φ′(0,λ)=1知C0=0,D0=1/ρ0.由(3)和(4)可得在最后一個(gè)區(qū)間(xN-1,xN)內(nèi)的解可表示為φN-1=τ12/ρ0·cos(ρN-1ω[x-xN-1])+τ22/ρ0·sin(ρN-1ω[x-xN-1])/ω,從而可得于是記ρN=1,μN(yùn)-1=ρN-1,則有(11)由邊界條件(2)可知，L(ρ,h)的特征函數(shù)為再由引理1.2可得(12)將(6)和(9)代入后整
陜西科技大學(xué)學(xué)報(bào) 2012年2期2012-03-29
- 非獨(dú)立情況下二維隨機(jī)變量特征函數(shù)性質(zhì)的推廣與應(yīng)用
）0 引 言特征函數(shù)是處理概率問題的有用工具，對隨機(jī)變量序列的收斂問題起到很重要的作用，可以把隨機(jī)變量序列的收斂問題轉(zhuǎn)化為一般函數(shù)的序列的收斂問題來進(jìn)行處理。獨(dú)立情況下特征函數(shù)有很多的性質(zhì)，如文獻(xiàn)［1］－［2］，特別是特征函數(shù)與隨機(jī)變量的k階矩之間的性質(zhì)對于轉(zhuǎn)化矩的計(jì)算有重要的現(xiàn)實(shí)意義，同時(shí)也有很多學(xué)者對獨(dú)立情況下多維隨機(jī)變量的特征函數(shù)的性質(zhì)進(jìn)行了研究如文獻(xiàn)［3］－［5］而對于非獨(dú)立情況，相應(yīng)的結(jié)論幾乎沒有，本文在非獨(dú)立情況下推廣了特征函數(shù)的二階導(dǎo)數(shù)與二階
衡陽師范學(xué)院學(xué)報(bào) 2012年6期2012-03-07
- 條件隨機(jī)場在手勢識(shí)別中的應(yīng)用研究
圖。1.2 特征函數(shù)的定義條件隨機(jī)場模型的特征函數(shù)的定義取決于狀態(tài)與狀態(tài)之間的關(guān)系，以及觀察狀態(tài)序列之間的關(guān)系，因此應(yīng)用最大似然訓(xùn)練的隱馬爾可夫模型（HMM）進(jìn)行特征提取。可以用似然度分?jǐn)?shù)和狀態(tài)轉(zhuǎn)移概率來定義特征函數(shù)。首先用隱馬爾可夫模型獲得經(jīng)過狀態(tài)分割的狀態(tài)序列，以及每一個(gè)時(shí)間點(diǎn)觀測值與每個(gè)狀態(tài)的相似度分?jǐn)?shù)。即可求出特征函數(shù)的值。定義特征函數(shù)的方法如下：對每一個(gè)手勢動(dòng)作中的每一個(gè)狀態(tài)建立一個(gè)特征函數(shù)：其中p(xt|st)代表相似度?？梢缘玫较鄬?yīng)的三個(gè)特
科技傳播 2011年18期2011-07-04
- 線性化二粒子Boltzmann方程組的特征值問題
子的特征值，特征函數(shù)求出了線性化二粒子～Boltzmann方程組積分算子的特征值，特征函數(shù).線性化二粒子～Boltzmann方程組；特征值；特征函數(shù)1 預(yù)備知識(shí)稱g,h為二點(diǎn)相關(guān)函數(shù)和三點(diǎn)相關(guān)函數(shù)，表示分子偏離分子混亂的程度.對于穩(wěn)定的層流，這些項(xiàng)可以忽略，但對于非穩(wěn)定流這些項(xiàng)將十分重要.在本文中我們將三點(diǎn)混亂水平上討論問題，即假定h=0,此時(shí)Boltzmann方程系[5,6]的最初兩個(gè)方程可以獨(dú)立求解.寫出這兩個(gè)方程如下（稱為二粒子Boltzman方程組