挖掘回归类的混合模型的可识别性

复杂海量数据往往表现为多种结构特征的混合体，回归类混合模型就是对这种混合体的一个描述．该文基于统计学的有限混合分布理论和可识别性的相关结果，针对回归变量的三种情形：(1)解释变量固定，(2)解释变量随机，(3)解释变量固定且类别参数指定，分别讨论挖掘一般回归类的混合模型的可识别性问题，并给出同族回归类混合模型可识别的相应充分条件．这些条件的一个共同特点是它们都与一类特别的解释变量集合有关，而该类集合是由同族的回归函数与回归参数唯一确定的，其元素使不同的回归参数对应回归函数的相同值．特别地，当回归函数线性时，这类集合就是解释变量空间中的超平面．     

有限混合密度模型及遥感影像EM聚类算法

遥感信息是地球表层信息的综合反映，由于地球表层系统的复杂性和开放性，地表信息是多维的、无限的、遥感信息传递过程中的局限性以及遥感信息之间的复杂相关性，决定了遥感信息其结果的不确定性和多解性，遥感信息具有一定的统计特性，同时又具有高度的随机性和复杂性，在特征空间中往往表现为混合密度分布，针对遥感信息这种统计分布的复杂性，提出了有限混合密度的期望最大（EM）分解模型，该模型假设总体分布可分解为有限个参数化的密度分布，通过EM迭代计算可估计出各密度分布的最大似然参数集；将有限混合EM聚类算法应用于遥感影像的聚类分析中，并与传统统计聚类方法进行了比较，比较结果表明，其对复杂地物的区分具有优势，另外在融合专家知识、初始化等方面具有扩展能力。     

数据挖掘与数据库知识发现:统计学的观点

数据挖掘和数据库知识发现是当前国际科技界的一个研究热点，这是一个介于统计学，模式识别，人工智能、机器学习、数据库技术以及高性能并行计算等领域的交叉新兴学科，具有极为广泛的应用前景。从统计学的角度来透视其中相关的统计问题，提出了传统统计学面临的挑战，以及在这个领域将带来的一些新的研究方向。     

信息检索中的两个数据融合方法比较

讨论一种常见的集成方法--距离平方和最小准则,指出该准则下由线性加权原理所得融合结果的优良性以及信息检索文献中的一个错误.然后通过分析基于距离之和最小准则所得融合结果的检索性能,发现由基于距离之和最小准则得到的融合结果距离原始检索结果最近.最后,通过实例验证了该方法的结果.     

相容关系下不协调集值目标信息系统知识约简

在不协调集值目标信息系统中定义了相容关系,并在基于相容关系的不协调集值目标信息系统中引入分配约简和近似约简的概念,讨论了二者之间的关系,并且得到了分配约简和近似约简的判定定理以及辨识矩阵,建立了不协调集值目标信息系统的分配和近似约简的具体方法,同时通过实例验证了该方法的有效性。     

图像线状模式的有限混合模型及其EM算法

针对能够用回归模型刻画的图像特征,提出一个有限混合识别模型.该模型由有限个回归类构成,每个类的模型误差可以是正态的,也可以是满足一定条件的任意分布.文中给出了估计线性回归类参数的EM算法,该算法可推广到高维情形.     

遥感影像特征发现的稳健统计模型研究

高斯混合密降解模型是一种基于稳健统计理论的层次结构的聚类模。ＧＭＤＤ首先假设特征空间是由一组混合的高斯分布组成,然后通过一定的优化算法来获得特征空间中与预称假设相符合的特征分布宵步分离轩到特征空间全部降解为一组混合特征模式的分布集。     

模糊线性回归的稳健方法

考虑两类模糊回归模型:一类是设计点为实数、参数为模糊数;另一类是观察值为模糊数、参数为实数.就这两类回归模型,从稳健统计的角度提出相应的稳健方法,并通过例子与现有的方法进行比较,说明所提方法的稳健性.     

预报值影响有界的回归估计量

为限制异常数据对回归模型预报值的干扰,提出预报值影响有界的回归估计量。基于稳健统计的有关结果,证明了这些估计量的最优性和可容 许性,进一步建立了Bp-稳健性与Vp-稳健性之间的关系。本结果能有效地控制异常数据对预报值的影响,在数据受污染时的回归分析问题中有广泛的应用价值。