随机系数自回归模型变均值点在线监测与应用

对随机系数自回归模型的变均值点进行在线监测时, 如果变均值点的位置远离开始监测点, 则平均地说, 需要较长的运行时间方能检测到该变均值点. 为此, 笔者引进一个窗宽参数, 提出了一种改进的在线监测方法. 给出了监测统计量在原假设下的极限分布, 并证明了此方法的一致性. 模拟结果显示新方法明显优于已有的方法. 最后将该方法应用于两组股票价格均值点的监测问题中, 说明了方法的有效性.     

独立序列均值与方差变点的累积和估计及应用

产品生产加工过程中, 反映产品质量参数的均值和方差都有可能出现异常波动, 及时发现质量异常波动, 对于控制产品质量十分重要. 在工业生产、通信工程等领域中独立序列有广泛应用背景. 本文研究了独立序列中均值和方差都存在变点且变点时刻不相同时的变点估计问题, 给出变点时刻的累积和(CUSUM)型估计, 并得到变点估计的收敛速度. 最后将该方法应用于航空发动机管路生产质量控制中和放射医学研究的扫描仪质量控制问题中,模拟结果和实例分析都说明方法的有效性.     

均值漂移算法的研究与应用

对均值漂移算法的理论和应用作一全面的综述．首先根据密度函数的非参数估计推导出均值漂移公式的一般形式,说明了均值漂移迭代算法的步骤及收敛性;然后重点讨论核函数的选择以及带宽矩阵的计算等关键技术;最后归纳了均值漂移算法在模式检测、聚类、图像分割以及物体实时跟踪等方面的应用,并展望了均值漂移算法在理论和应用中的研究方向．     

基于AUC的非参数快速变点检测算法

目前,变点检测技术已经广泛应用到各个领域。然而,由于实际生产环境的复杂性,变点检测技术中的常用参数方法往往存在一定的局限性。为了克服这些问题,提出一种新的变点检测的非参数方法,通过互联网检索应为首次应用AUC（曲线下面积）对样本数据进行在线变点检测。该方法将变点检测分为2个阶段：预分析阶段,对样本数据进行加窗处理,通过计算窗口中样本数据的AUC值的方式来间接得到其均值和方差;检测阶段,通过假设检验的方法对经过处理后的样本数据进行变点检测。通过实验仿真,可以观察到此算法与常规CUSUM算法相比,具有更好的稳健性,而且对检测多个突变点的情况同样有效。     

基于非参数回归的神经网络集成降水预报模型

利用粒子群优化算法的全局搜索能力,同时进化设计神经网络的网络结构和初始连接权,获得一组合适网络结构和初始连接权,再进行新一轮BP神经网络训练,获得一批独立的神经网络,进一步用主成份分析方法提取有效因子,再采用非参数回归模型进行集成,建立多元变窗宽高斯核函数的非参数回归的神经网络集成模型,以此对广西前汛期5,6月区域平均日降水量进行预报.结果表明,这里建立的3个区域日平均降水量神经网络预报模型,在预报性能上明显优于同期的T213降水预报.     

噪声为单位根过程的非参数函数变点的小波检测

利用小波方法和极限定理对噪声为单位根过程的非参数函数的跳跃点进行检测. 首先, 利用极限定理得到噪声的小波系数的极限分布.然后构造检验统计量, 在原假设成立的条件下得到任意尺度上检验的临界值, 证明了检验的一致性, 并给出小波系数的阈值; 在备择假设成立的条件下,给出变点个数、变点位置的相合估计与收敛速度. 最后利用模拟研究与实例分析说明了方法的有效性和实用性, 并与“UNI”方法以及“GOF”方法作比较, 说明对于噪声为单位根过程的非参数函数变点的检测问题, 本文所提的方法更加有效.     

带结构检测的非局部均值图像去噪算法

针对非局部均值(NL-Means)图像去噪算法有大量结构残留的问题,提出一种带结构检测的NL-Means滤波算法。首先使用一个结构分析器对噪声图像进行预处理,突出图像中的细节信息,然后利用边缘检测的结果调节NL-Means算法相似性度量,为了保留图像的边缘内容让具有相似边缘内容的像素能够获得更大的权,而边缘内容不相似邻域有较小的权（或为零）。实验结果表明：该算法提高了NL-Means算法的去噪能力,滤波后的图像结构相似度更高,改善了图像的视觉质量。     

分布参数系统的输出变结构控制

对一类不确定分布参数系统,本文给出一输出变结构控制设计,不同于以往文献的工作,这里给出的控制仅利用了系统的输出量,因所设计的控制是有限维的。最后给出一仿真实例。     

板材多点成形过程的非参数模型及自适应控制

研究了三维板类件的多点成形复杂的非线性过程。将影响成形精度的诸多因素看作系统扰动,成形过程简化为离散的单输入单输出系统,得到其非参数模型。在满足一定假设务件的前提下,多点成形过程可线性化为一个带有单参数的线性时变系统：通过对系统的分析,得到了多点成形过程的闭环递推自适应控制算法。仿真结果表明,在自适应算法的逐次控制下,工件形状以较快的速度收敛到设计的目标形状,实现了对板类件多点成形这一复杂过程的有效控制。     

基于前向查找和均值漂移的点模型鲁棒降噪算法

针对点模型提出了基于前向查找和均值漂移两种鲁棒统计方法的滤波算法。前向查找算法根据残差图自动检测离群点,并将输入的点云数据划分为多个不带离群点的最优局部降噪邻域。对局部邻域进行加权协方差分析,估计出该邻域的最小二乘拟合平面。在局部邻域内估计采样点的核密度函数并通过均值漂移算法计算它的局部最大值点,核密度函数的局部最大值点确定了点云数据的聚类中心并能准确逼近采样点曲面,将每一个采样点漂移到密度函数的局部最大值点,使点云曲面收敛为一个稳定的三维数字模型。实验结果表明,本文的算法是鲁棒的,能在有效剔除点模型表面噪声的同时较好地保持模型表面的尖锐特征。     

基于分箱核密度估计的非参数多模态背景模型

提出了一种用于检测运动目标的非参数多模态背景模型。该模型采用分箱核密度估计算法从训练图像序列中得到背景的密度函数。分箱核密度估计算法利用基于网格数据重心的分箱规则,很好地提取了训练图像序列的关键信息,避免了采用全样本数据点的重复计算, 大大提高了运动目标检测算法的实时性。通过与全样本算法进行对比,发现该背景模型在运动目标检测中的有效性,可用于户外的实时交通监控系统。     

基于自适应带宽的快速动态高斯核均值漂移算法

由核密度估计推导获得的高斯核均值漂移算法因收敛速度慢在应用中效率不高.本文提出基于自适应带宽的动态更新改进方法.首先采用空间离散方法对数据集化简,然后引入动态更新机制,每次迭代后将数据集更新到均值点,并将聚集在一起的数据点用一个收敛点表示,同时根据数据集直径的变化,自适应地计算各向异性的带宽参数.实验表明,该方法提高了算法的收敛速度,降低了计算复杂度.     

雷达动态精度试验误差统计分析方法改进

动态精度飞行试验是雷达定型、鉴定和抽样试验的重点内容之一,通过对动态精度飞行试验中的误差统计分析方法进行分析,针对试验有效航次较少这一特点,将Bootstrap算法引入到雷达分组系统误差统计分析过程中,提出了一种改进的雷达动态精度试验误差统计分析方法,该方法能够充分利用有限航次数据信息,生成自助样本来模拟原始数据分布特性,提高误差估计精度,为减少试验航次、节约试验成本奠定了理论基础。     

The Softmap Algorithm

A new unsupervised competitive learning rule is introduced, called the Self-organizing free-topology map (Softmap) algorithm, for nonparametric density estimation. The receptive fields of the formal neurons are overlapping, radially-symmetric kernels, the radii of which are adapted to the local input density together with the weight vectors which define the kernel centers. A fuzzy code membership function is introduced in order to encompass, in a novel way, the presence of overlapping receptive fields in the competitive learning scheme. Furthermore, a computationally simple heuristic is introduced for determining the overall degree of smoothness of the resulting density estimate. Finally, the density estimation performance is compared to that of the variable kernel method, VBAR and Kohonen's SOM algorithm.     

核回归方法的散点拟合曲面重构

散点曲面重构是计算机图形学中的一个基本问题,针对这个问题提出了一种全新的基于核回归方法的散点曲面重构方法,使用二维信号处理方法中非参数滤波等成熟手段进行曲面重构.这种方法可以生成任意阶数连续的曲面,在理论上保证了生成曲面的连续性,可以自定义网格的拓扑,在曲率大或者感兴趣的局部能够自适应调整网格点的密度,生成的结果方便LOD建模,数据的拟合精度也可以通过调整滤波参数控制,算法自适应调整滤波器的方向,使结果曲面可以更好保持尖锐特征.同时在构造过程中避免了传统的细分曲面方法中迭代、Delaunay剖分和点云数据中重采样等时间开销大的过程,提高了效率.对于采样不均、噪声较大的数据,该算法的鲁棒性很好.实验表明这种曲面建模方法能够散点重构出精度较高的连续曲面,在效率上有很大提高,在只需要估计曲面和其一阶导数时,利用Nadaraya-Watson快速算法可以使算法时间复杂度降为O(N),远低于其他曲面重构平滑方法.同时算法可以对曲面的局部点云密度、网格顶点法矢等信息做有效的估计.重构出的曲面对类似数字高程模型(DEM)的数据可以保证以上的优点.但如果散点数据不能被投影到2维平面上,曲面重构就需要包括基网格生成、重构面片缝合等过程.缝合边缘的连续性也不能在理论上得到保证.     

基于特征匹配滤波的自适应模板跟踪算法

针对头部目标跟踪的应用背景,在Mean Shift的框架下提出一种基于特征匹配滤波的自适应模板更新策略。该方法根据被跟踪目标在不同状态下所呈现出颜色的统计特征信息,采用颜色空间核密度估计匹配滤波的方法,对模板中局部区域像素的更新作出决策。实验结果表明,该算法有效解决了因头部旋转以及物体遮挡而导致模板不匹配的问题,实现了头部的连续跟踪,取得了很好的跟踪效果,提高了跟踪算法的整体稳定性和鲁棒性。     

基于非参数核密度模型的交通图像目标提取

针对现有目标提取和去噪方法不能很好地满足城市交通图像车辆目标提取的要求,提出基于概率比较结合形态学闭操作的目标提取去噪方法。通过非参核密度估计算法建立背景模型,获得每个像素点上各灰度值的出现概率,提取出前景目标;分别计算前景目标是属于车辆移动还是树叶抖动的概率,通过概率比较去除噪声,用形态学闭操作进一步去噪。实验结果表明,提出的算法较好地实现了树叶噪声与车辆目标的分离,能有效去除树叶抖动噪声,正确提取车辆目标,具有良好的抗噪性。     

非凸全变分正则化模糊图像复原模型研究

拍摄过程中的相对运动,导致获取图像存在一定程度的模糊,降低了其利用价值。在贝叶斯框架下,基于图像的局部结构特征和方向信息测度,提出了改进的自适应非凸全变分正则化图像复原模型,充分利用图像的全局和局部先验信息,有效抑制了复原图像中存在的振铃效应。实验结果表明,提出的改进模型在复原图像的同时能够保留图像的边缘轮廓等结构信息,得到的复原图像在峰值信噪比、平均结构相似度和主观视觉效果方面均有所提高。     

一种用于跳频信号参数估计的时频表示方法

在时延和频移两个方向上,对跳频信号的模糊函数进行了分析,提出了一种基于跳频信号模糊函数自项特征的时频表示方法。其核函数在信号的模糊域能够有效地滤除噪声和交叉项,并保留绝大部分的自项能量。仿真试验结果证实,与平滑伪维格纳分布相比较,该方法提高了信号项的时频聚集性,具有更好的参数估计性能。