1 概率密度估计 2 最大似然估计 例 1 均值和方差的无偏与有偏估计 什么是高斯分布 ML 的全局最优？ 二元函数局部最优条件 例 2 3 最大后验概率估计 例 3 4 贝叶斯估计 例 4 5 期望最大化 EM EM 在高斯混合模型中的应用

2.1 信号的分类 2.2 确知信号的分析 2.3 随机变量的统计特征 2.4 随机过程的一般表述 2.5 平稳随机过程 2.6 高斯随机过程 2.7 随机过程通过系统的分析 2.8 窄带高斯噪声 2.9 周期平稳随机过程

项目总报告 一、项目概况 二、项目研究背景、目标与内容 三、项目成果统计 四、四年来研究工作主要成果概述 石教英课题组总结 一、基于图像的建模（IBM）技术 二、基于图像的绘制（IBR）技术 三、基于预计算及采样的实时高真实感图像的绘制技术 四、统一数字几何处理框架研究

在热力学分析的基础上,以高炉渣为原料,引入适当的添加剂,利用碳热还原-氮化的方法制备了Ca-α-Sialon-SiC粉,得到的Ca-α-Sialon含量最高可以达到81%;利用统计模式识别结合人工神经元网络优化了工艺

针对力学试验室,开发了高质量的计算机网络金属拉伸试验管理系统.该系统包括业务管理、样品试验、查询统计和系统服务组成.系统选择SQL Server数据库技术.经过试运行,结果表明该系统是先进的,运行可靠

本文用扫描电镜分析了钛质量分数为0.065%的高强度低合金钢在钙处理后铸坯和板材中夹杂物的形貌和大小;用EDS探针分析了夹杂物的成分.结果表明钛质量分数为0.065%的高强度低合金钢的夹杂物绝大部分为CaO-Al2O3-TiOx-CaS系夹杂物,并有少量的TiN,统计表明钢液钙处理效果良好.最后通过热力学计算分析了钢中TiN、CaS夹杂物的析出规律

针对线材生产的特点,采用基于统计过程控制的方法(SPC),对线材生产过程中控制对象、控制图的选择进行了分析,设计并实施了一个实际的SPC分析系统,给出了实际使用时需要注意的问题,并以实例说明了SPC在线材生产应用中的实际效果．

为了提高制造过程质量,预防和减少不合格产品的数量,必须选用高效的控制方法对制造过程进行质量控制,针对当前工序能力指数CP和Cpk应用不足,难以指导质量问题原因查找和改进方向的缺点,提出了适于现场应用的三个过程能力测度指标Cpa,Cpe和Cpc,用于反映和控制过程质量的分散和偏移,通过具体应用实例,证明了改进指标的适用性

针对国内某厂以BOF-RH-CC流程生产的IF钢连铸坯,采用氧氮化学分析、光学显微镜分析、扫描电镜分析、能谱分析和金属原位统计分布分析等多种分析方法,综合分析了夹杂物的尺寸、数量、分布以及成分等.结果表明,非稳态浇铸下铸坯二次氧化严重,大型夹杂物增多;铸坯宽度1/4位置表层夹杂物数量高于边部和中部;随着距内弧表面距离的增加,Al系夹杂物平均粒度越来越小,大于10μm的夹杂物比例也越来越小;铸坯表层夹杂物含量和粒度明显高于铸坯内部,其中距内弧6 mm处夹杂物总数最多

通过研究柴油机高压油管在喷油过程中,产生的振动信号中包含的丰富的燃油系工况信息,发现这一信号具有分形特征,即统计意义上的自相似性,类似一种1/f噪声.利用分形理论可以将其丰富的信息浓缩于信号的功率谱指数或容量维数中,并通过分析它的功率谱指数对燃油系各种工说的敏感性,进行燃油系的不解体诊断,实例诊断表明,它是一种较好的故障诊断方法