指数分布基于多重定数截尾样本中异常数据的检验

讨论多重定数截尾指数型寿命数据,对同时存在异常大数据和异常小数据的情形给出了检验方法,得到了检验异常数据的判别标准,最后以一实例说明其应用.     

非一致环境中相关信号有序统计恒虚警检测器及其性能研究

根据有序统计（ＯＳ）理论和恒虚警（ＣＦＡＲ）检测方法，提出了一种非一致环境下瑞利相关信号检测理论和分析方法，并利用上述分析方法对单窗ＯＳ－ＣＦＡＲ和双窗最大逻辑（ＭＸ）ＯＳ－ＣＦＡＲ的检测性能进行了分析．试验仿真结果给出了两种检测器在不同环境下的检测性能，有力地验证了上述分析方法的有效性．     

战斗准备：15日倒计时

《日班人员岗位职责》《夜班人员岗位职责》《异常现象报告制度》《60天卧床实验数据管理规定》《志愿者进出卧床实验室登记制度》《志愿者宿舍内务卫生检查评比登记表》《志愿者日常须知及管理规定》"非岗位人员不得进入实验区域!"一条黄色警戒线,拉出神秘航天城里一片紧张谜雾。穿着白色大衣、带着口罩的岗位人员拿着厚薄不一的文件繁忙地穿梭其中。墙壁上各种各样的管理     

结构自适应序贯正则极端学习机时间序列预测及其应用

为提高初始小样本情况下时间序列在线预测的精度,提出了一种结构自适应序贯正则极端学习机(SA-SRELM)。该方法在在线序贯学习阶段,针对不同训练样本规模选择不同的递推方式对输出权值进行更新;同时,在训练样本达到一定规模后,为提高预测模型对系统的动态适应性,在加入新样本的同时对旧样本进行剔除,完成预测模型的训练。利用3种混沌时间序列预测实例对所提方法的有效性进行了验证。最后,将所提方法用于航空发动机排气温度预测中,结果表明该方法相对正则极端学习机(RELM)和序贯正则极端学习机(SRELM)方法具有更好的泛化性能,预测精度分别是二者的约6倍和2倍。     

Gray bootstrap method for estimating frequency-varying random vibration signals with small samples

During environment testing, the estimation of random vibration signals （RVS） is an important technique for the airborne platform safety and reliability. However, the available meth- ods including extreme value envelope method （EVEM）, statistical tolerances method （STM） and improved statistical tolerance method （ISTM） require large samples and typical probability distri- bution. Moreover, the frequency-varying characteristic of RVS is usually not taken into account. Gray bootstrap method （GBM） is proposed to solve the problem of estimating frequency-varying RVS with small samples. Firstly, the estimated indexes are obtained including the estimated inter- val, the estimated uncertainty, the estimated value, the estimated error and estimated reliability. In addition, GBM is applied to estimating the single flight testing of certain aircraft. At last, in order to evaluate the estimated performance, GBM is compared with bootstrap method （BM） and gray method （GM） in testing analysis. The result shows that GBM has superiority for estimating dynamic signals with small samples and estimated reliability is proved to be 100% at the given confidence level.     

“凤凰”号火星探测器确认火星上有水

美国“凤凰”号火星探测器项目小组7月31日说，“凤凰”号在加热火星土壤样本时鉴别出有水蒸气产生，从而确认火星上有水存在。这个项目小组当天在新闻发布会上说，“凤凰”号的机械臂30日把一份土壤样本递送到“热量和析出气体分析仪”中。在样本加热时，分析仪鉴别出其中有水蒸气产生。     

日本"隼鸟"探测器的坎坷之旅

"隼鸟"(Hayabusa)探测器[见图1,以前被称为缪斯-C(MUSES-C)],于2003年5月9日,从日本九州的鹿儿岛航天中心由一枚固体燃料M-5型火箭发射升空,开始了它探访"糸川"(Itokawa)小行星的漫漫征程."隼鸟"质量为485.9kg(包括燃料),采用三轴控制方式,配备了氙离子发动机,用了2年零4个月的时间飞到"糸川"小行星的轨道.日本宇宙航空研究开发机构(JAXA)希望它成为世界上第1个"往返"型小行星探测器.按照原计划,这项耗资1亿美元的任务是追踪"糸川"小行星,采集其上的岩石样本,并于2007年6月着陆于澳大利亚的沙漠地区,完成它长达4年的旅程.     

TopPixelLoss:类别不均衡的遥感影像语义分割损失函数

针对遥感影像中类别不均衡的小目标分割效果不理想的问题，提出了一种类别不均衡小目标二分类分割的损失函数——TopPixelLoss损失函数。首先计算出每个像素的交叉熵，然后将所有像素的交叉熵按从大到小进行排序，随后确定一个K值作为阈值，筛选出前K个交叉熵最大的像素，最后对于筛选出的K个像素交叉熵取平均，做为损失值。在ISPRS 提供的 Vaihingen 数据集上，使用PSPNet网络与普通交叉熵、FocalLoss、TopPixelLoss三种损失函数分别对车辆进行二分类分割试验。结果表明，不同的K值，使用TopPixelLoss损失函数的平均交并比（MIoU）、F1-score、准确度（ACC）都最高;当K值为5×104时效果最佳，MIoU、F1-score、ACC分别比FocalLoss提高了3.0%、5.0%、0.1%。TopPixelLoss损失函数是一种针对类别不均衡分割非常有效的损失函数