A semiparametric model for compositional data analysis in presence of covariates on the simplex

Compositional data occur as natural realizations of multivariate observations comprising element proportions of some whole quantity. Such observations predominate in disciplines like geology, biology, ecology, economics and chemistry. Due to unit sum constraint on compositional data, specialized statistical methods are required for analyzing these data. Dirichlet distributions were originally used to study compositional data even though this family of distribution is not appropriate (see Aitchison, 1986) because of their extreme independence properties. Aitchison (1982) endeavored to provide a viable alternative to existing methods by employing Logistic Normal distribution to analyze such constrained data. However this family does not include the Dirichlet class and is therefore unable to address the issue of extreme independence. In this paper generalized Liouville family is investigated to model compositional data which includes covariates. This class permits distributions that admit negative or mixed correlation and also contains non-Dirichlet distributions with non-positive correlation and overcomes deficits in the Dirichlet class. Semiparametric Bayesian methods are proposed to estimate the probability density. Predictive distributions are used to assess performance of the model. The methods are illustrated on a real data set.     

双参数Bézier曲线的升二次扩展

本文以二次Bernstein基函数为例,首次提出了含双参数基函数的新扩展——αβQ—Bern-stein基函数,此类基函数具有新的特点,即基函数的扩展次数一次性升高两次,且包含了二次多项式和带一个参数的三次多项式基函数的所有性质。基于这组基函数定义了αβQ—Bézier曲线,该曲线也含有参数,具有形状可调性,当α与β取某些值时曲线能达到C4连续或在某个端点处C0连续。最后与含两个参数的升一次Bézier曲线进行比较,该曲线具有调节范围广、灵活性更强的优势。     

自适应布谷鸟搜索算法

为了使布谷鸟搜索算法(Cuckoo Search,CS)在保持强大的全局搜索能力的同时,尽可能地提高局部搜索能力,在深入分析CS算法机理的基础上,将CS算法中影响布谷鸟搜索路径步长的参数β和布谷鸟蛋被发现(淘汰)的概率p_a由固定值改为随搜索过程自适应变化的动态参数,将越界的鸟窝折返回边界内、在当前代最优鸟窝附近的区域随机建立1个新的鸟窝、而非折返回边界上重新建立鸟窝,以提高算法的局部搜索能力和收敛速度。改进后的CS算法称为自适应布谷鸟搜索算法(Adaptive Cuckoo Search,ACS)。通过8个标准测试函数分别测试了CS算法和ACS算法的性能,结果表明,无论是简单的单峰函数还是复杂的多峰函数,无论是小型的低维函数还是大型的高维函数,ACS算法的寻优性能均超过CS算法。     

基于粒子滤波后验概率分布的多特征融合跟踪

在光照和目标形变等外部条件变化的情况下,仅利用目标的单一特征难以鲁棒的跟踪目标。提出了一种基于粒子滤波后验概率分布的多特征融合跟踪算法,在粒子滤波跟踪框架下,用直方图模型表征目标的颜色和边缘特征,通过两种特征后验概率之间的"协作"与"学习"实现特征融合,各种场景的试验结果比较表明,新的融合跟踪算法比仅用单一特征跟踪、现有的多特征融合算法具有更好的稳定性和鲁棒性,特别是针对环境光照和目标背景变化较大的情况更具有优势。     

低剂量CT投影图像噪声分析及去噪算法研究

提高低剂量CT图像的信噪比(SNR)是使低剂量CT获得有效临床应用的关键。本文对低剂量CT投影数据噪声研究发现,在投影图像的某些区域中可能会存在一些孤立的噪声点,滤除这些孤立点后的投影数据近似服从非平稳高斯噪声分布。由此,提出一种低剂量CT图像降噪算法,包括孤立点检测与滤波(IDE),基于最大后验概率(MAP)的高斯噪声滤波及FBP重建过程。计算机仿真以及真实数据实验表明,本文提出的去噪算法获得的重建CT图像,SNR及视觉效果均有明显的提高。     

汉语语音文档检索中后验概率的索引方法

基于音节Lattice形式的语音识别结果来实现汉语语音文档检索,不但可以成功规避词表外词问题,而且Lattice这种多候选形式也能有效补偿识别错误对检索性能的影响.在基于音节Lattice的汉语语音文档检索研究中,针对已有索引方法的不足,提出了一种基于后验概率的索引方法,对向量空间模型进行改进,以音节和K步邻接音节对作为索引项,以它们在语音文档中的后验概率值作为索引项权重.检索实验表明,文中的方法更适用于基于音节Lattice的语音文档检索任务,各项改进都达到了预期效果.     

基于粒子滤波的数字信号解调器

传统的数字信号解调方法存在着载波恢复、符号同步等问题,实现起来较为复杂。粒子滤波是从概率统计的角度出发,使用一个具有相应权值的随机样本集合来表示需要的后验概率密度。因此以接收信号的幅度、载波频率、相位为待估计参数矢量,应用粒子滤波算法可以实现对数字信号的解调,通过仿真验证了该方法的有效性,相对于传统方法更为方便。     

贝叶斯网络在模型诊断中的应用

把贝叶斯网络引入到模型诊断框架中,依据观测量,研究了一种建立系统贝叶斯网络观测模型的方法。利用网络观测模型,可计算系统诊断解的后验概率,从而找出系统最可能的故障组件。最后,以卫星两轴姿态控制系统为例,应用本文方法进行了分析。     

三次Bézier曲线的α扩展

利用一个对称的调配函数,结合NURBS曲线中权的思想,在曲线控制顶点处引进调配参数,将三次Bézier曲线进行扩展,得到的新曲线比原来的曲线有更强的描述能力,并且包含了原曲线形式。讨论了扩展曲线的基表示及曲线的性质,调配参数可以用来控制曲线的局部形状,特别适用于自由曲线曲面的设计,在CAD/CAM中具有很好的应用前景。