§4.1 随机变量的数学期望 §4.2 随机变量的方差与标准差

§3.3 二维随机变量的条件分布 §3.4 随机变量的独立性

3.6多维正态随机变量 一、二维正态随机变量的已知结论 设二维随机变量(En)的联合概率密度为

在前面关于随机变量及其分布的讨论中,我们较仔 细地讨论了随机变量的概率分布,我们看到随机变 量的概率分布(分布函数或分布列和概率密度)是随 机变量的概率性质最完整的刻划,是能够完整地描 述随机变量的统计规律的

一、时间序列模型的基本概念及其适用性 二、随机时间序列模型的平稳性条件 三、随机时间序列模型的识别 四、随机时间序列模型的估计 五、随机时间序列模型的检验

讨论Hilbert空间上半线性随机发展方程dY(t)=[AY(t)+f(Y(t))dt+G(Y(t))]dw(t)的稳定性。为此引进了适度解的正则性和常返性等概念,利用Liapunov直接法得到了此类随机发展方程的随机渐近稳定性、随机指教稳定性、p-稳定性和几乎必然指数稳定性的充分性判据。这些结果不但推广了有限维情形的工作,同时也发展了A.Ichikawa的工作

根据文献[2]、[4]的思想,作者利用Bellman动态规划原理和Lya-Punov函数解决了一般随机系统的随机稳定化问题,并以此建立了一类线性随机系统的最优随机指数稳定性的判定定理

在数字通信系统中,接收机输入信号根据其特性的不同可以分为两大类, 类是确知信号,另一类是随参信号。 所谓确知信号是指,一个信号出现后,它的所有参数(如幅度、频率、相位、 到达时刻等)都是确知的。如数字信号通过恒参信道到达接收机输入端的信号。 在随参信号中,根据信号中随机参量的不同又可细分为随机相位信号、随机 振幅信号和随机振幅随机相位信号(又称起伏信号)

一、时间序列模型的基本概念及其适用性 二、随机时间序列模型的平稳性条件 三、随机时间序列模型的识别 四、随机时间序列模型的估计 五、随机时间序列模型的检验

为提高遥感影像变质矿物提取精度，提升变质带的识别效果，以甘肃北山ASTER影像为研究区，结合了比值运算、多尺度分割、随机森林分类法进行变质矿物提取。首先，通过矿物特征性光谱特征构造比值运算公式、进行影像增强；然后，对增强影像进行基于光谱及变差函数的多尺度分割；接着，采用随机森林法提取目标矿物；最后，通过野外勘查、采样、薄片鉴定进行精度评价。结果表明，黑云母、白云母、角闪石在ASTER影像上具有鉴定性特征，提取精度分别为85.4088%、84.7640%和85.7308%；其他含量较少的变质矿物提取精度可达到60%以上。多尺度分割能充分利用矿物的丛集特征；变差函数纹理能增强形态特征对矿物的区分能力；随机森林分类法对矿物混合引起的噪声不敏感、提取结果稳定