复杂系统平均剩余寿命综合评估方法

 针对工程中广泛关注的平均剩余寿命问题, 首先利用信仰推断给出单个设备可靠度的置信分布, 包括指数分布、 威布尔分布和对数正态分布; 然后基于组成系统的设备试验信息, 结合系统的组成结构, 给出系统可靠度的置信分布, 接着根据可靠度和平均剩余寿命之间的关系, 建立复杂系统平均剩余寿命综合评估模型并给出具体的评估算法。 对于在设备试验中经常出现的右删失等不完全数据, 给出了将不完全数据虚拟成等效的完全数据的转化方法。 最后, 通过模拟研究和实例验证, 结果表明本文的方法较为精确, 能够满足工程的实际需求。     

置信·牧山丽景 镌刻时间的名著 2011仲夏 置信·牧山丽景再著全新篇章

置信·牧山丽景,在中国别墅第四区-成都牧马山上,演绎着人生的激情、勇敢和优雅,立于山巅大放异彩。开盘当日,二号地块一批次产品推出,一杯下午茶的时间,     

PearsonⅦ型分布均值参数置信估计的改进

为提高PearsonⅦ型分布均值参数估计的精度,构造一个以θ的改进估计δa(X)为中心的置信估计aCδ,通过比较aCδ与通常的置信估计CX0的体积和覆盖率,证明了aCδ与CX0的体积相等但aCδ的覆盖率高于CX0,从而得到aCδ优于CX0的结论。     

基于高置信局部特征的车辆重识别优化算法

根据车辆重识别中区域置信度不同,提出了基于高置信局部特征的车辆重识别优化算法。首先,利用车辆关键点检测获得对应的多个关键点坐标信息,分割出车标扩散区域和其他重要的局部区域。根据车标扩散区域的高区分度特性,提升局部区域的置信度。使用多层卷积神经网络对输入图片进行处理,根据局部区域分割信息,对卷积得到的特征张量进行空间维度上的切割,获得代表全局信息和关键局部信息的特征张量。然后,通过全连接层特征张量转化为表示车辆个体的一维向量,计算损失函数。最后,在测试阶段使用全局特征,并利用训练好的车标扩散区域提取分支获得高置信局部特征,缩短局部识别一致的车辆目标距离。在典型车辆重识别数据集VehicleID上进行测试,验证了所提算法的有效性。      

武器系统小样本场合下的区间估计

介绍了区间估计的一般方法 ,针对武器系统试验次数少的特点 ,讨论了小样本条件下武器系统战术技术性能指标的置信区间估计的估计方法 ,并以示例进行了说明     

聚焦伦敦奥运 见证置信·牧山丽景冠军生活品质

2012年7月底,第三十届夏季奥林匹克运动会将在英国伦敦拉开帷幕。届时,全世界的目光将聚焦伦敦,聚焦英伦三岛这一古老的国度。当来自世界各地的奥运健儿奋力角逐每一项冠军的时候,作为还原了维多利亚时代纯粹英伦风情的庄园社区,置信·牧山丽景又是如何塑造高端住宅的冠军品相呢?冠军品相源于对细节的千锤百炼天下难事,必作于易;天下大事,必作于细。早在7年前,即伦敦成为2012奥运主办城市的那一年,置信·牧山丽景规划设计团队一行10余人     

LDPC码低复杂度译码算法研究

在描述置信传播（BP）译码算法基础上，研究和分析了两种降低复杂度的译码算法。Min-Sum算法主要讨论了简化校验节点的消息更新运算，并应用密度进化方法对此算法进行极限性能分析，求出最佳修正参数α以改进译码性能。强制收敛技术致力于减少BP和MSA算法译码过程中“激活”节点的数目，从而降低译码复杂度。AWGN信道仿真结果表明，两种算法在降低译码复杂度的同时，译码性能没有明显降低。     

置信·牧山丽景 感动张国立的“奢与爱”

成都,在大多数人眼中,只读出它的"慢节奏"生活,只有少数人能品尝到这座城市馥郁的滋味,这对他们来说,是一场奇遇,一种启示。正如走下大荧幕,与置信·牧山丽景结缘的"成都女婿"张国立,以其现身说法,诠释着他透过牧山丽景,所感受到的不一样的生活方式。     

求解具有多层试验数据成败型单元混联系统可靠性近似限的信息论方法

研究了求解具有多层成败型试验数据时,系统可靠性置信下限近似解的信息论方法,给出了各层试验数据综合的方法和步骤,推导了各层数据信息论方法折合及综合的计算公式。根据单元试验信息提供的信息量与系统折合试验应提供的信息量相等的原则,将多层试验数据逐级折合为系统的等效成败型数据,导出了等效成败型数据信息论方法折合的基本公式;结合可靠性工程的基本原理,根据单个成败型单元可靠性评定的经典精确置信限方法,给出了系统可靠性置信下限的近似解。并以实例形式说明了该方法的具体应用。     

基于BBN的航空公司风险评估技术研究

 在人、机、环境和管理(MMEM)系统理论的基础上,通过研究有关民航规则、标准中的相关内容建立航空公司风险评估指标体系;利用层次分析法(AHP)确定指标权重,运用模糊综合评价法(FCE)量化其中的定性指标;基于贝叶斯置信网络(BBN)软件GeNIe完成了整个系统贝叶斯网络拓扑结构的建立,将航空公司历史数据作为贝叶斯网络参数学习的训练数据,获取节点概率表(NPT),建立航空公司风险评估模型,并对其进行概率推理计算;通过环比分析确定影响风险的主要因素。