简介：本文讲述了厦门大学以全国大学生数学建模竞赛为驱动,通过十多年的探索,打造了一支勇于创新的数学建模教学团队,在教学方法、教学理念、教学模式上进行了富有成效的创新性改革。厦门大学精心打造《数学建模》精品课程体系、坚持将数学建模的思想融入数学的主干课程教学中,建立数学建模创新实验室,参与学科建设,坚持研教结合和高层次人才培养,取得了良好的效果,并以此辐射全国,具有很好的示范作用。

简介：对于具有一定机动能力的弹道式再入目标跟踪问题,稳定性好、鲁棒性强、收敛精度高的估计方法是保证跟踪精度的关键。针对再入运动模型和测量体制的强非线性以及目标机动引起的滤波精度下降问题,提出一种将强跟踪滤波（STF）和基于三阶球面-向径容积规则的容积卡尔曼滤波（CKF）相结合的强跟踪-容积卡尔曼滤波（STCKF）。通过将强跟踪算法中的自适应渐消因子引入到滤波时间更新和测量更新方程中,在线实时调整滤波增益矩阵,能有效避免模型失准造成的滤波性能下降,使该算法兼具CKF滤波精度高和STF鲁棒性强的优点。通过数学仿真表明,改进后的STCKF可以实现对具有机动的弹道式再入目标的高精度跟踪,相对于CKF精度提高50%,并且具有更强的鲁棒性和自适应能力。

简介：捷联惯性导航系统静基座初始对准时一般先进行粗对准,使失准角缩小到一定范围内从而满足小失准角假设下的线性误差模型,然后再进行精对准。在不进行粗对准时失准角一般为大角度,需要采用复杂的非线性误差模型和非线性滤波方法。研究发现通过设置合理的误差协方差矩阵初值,采用反馈校正滤波结构,并引入强跟踪滤波算法可以在大失准角情况下既无需粗对准,又无需采用非线性模型来实现精对准。仿真结果表明,该方法可以实现大失准角初始对准,鲁棒性好,在任意姿态初值下都可以使航向角在300s内收敛到0.05°的理论极限精度,与小失准角精对准方法的速度和精度相当但省去了粗对准因而耗时更短,与无迹卡尔曼滤波在600s时才收敛到0.5°的速度相比大为改善。

简介：树指标随机过程已成为近年来发展起来的概率论的研究方向之一．强偏差定理一直是国际概率论界研究的中心课题之一．本文利用Borel—Cantelli引理研究给出了一类非齐次树上马氏链场关于负二项分布滑动平均的强偏差定理．

简介：数学是一棵富有生命力的树，它随着文明的兴衰而荣枯．许多世纪以来，人们一直遵循数学是文化的组成部分的传统，但在教育普及的当下，这一传统却被忽视了．数学文化，笼统的说，就是指从文化这样一个特殊的视角对数学所做的分析．数学文化指数学的思想、精神、方法、观点、语言，以及它们的形成和发展．