基于图上随机游走过程的SAR图像图谱分割方法

基于图上的随机游走过程,提出了一种新的合成孔径雷达(SAR)图像图谱分割方法。首先根据SAR图像的统计性质,构造了适合于SAR图像的相似度度量函数;然后在正交谱分解和矩阵逼近理论的基础上,建立了SAR图像图谱分割方法中分类数目的确定准则。最后实现了基于谱聚类的SAR图像分割,并通过实验证明了所提方法的有效性和应用潜力。     

线性过程方差变点的估计

本文研究线性过程方差变点的估计问题,给出了变点的CUSUM型估计量.在误差不相依情形下得到了线性过程的Hájek-Rényi型不等式,在较弱的条件下推导出了估计量的收敛速度,最后模拟结果证实本文的结论.     

具有二阶保费率的Erlang(2)风险过程

考虑二阶保费率下的Erlang(2)风险过程,得到了Gerber-Shiu函数满足的微分-积分方程及更新方程,并且当理赔额服从有理分布时,给出了Gerber-Shiu函数确切表达式.     

泰克实时嵌入式测试解决方案为您的设计提供创新动力

现代生活中遍布了很多嵌入式产品，从家庭中使用的电子时钟、数控电熨斗、温控咖啡壶，以及MP3播放器、手机等都包含了嵌入式系统，因此可以说嵌入式系统无处不在。如何把嵌入式系统做好，如何把混合信号调试做好，成为众多工程师所面临的问题，以前模拟信号设计中用传统示波器就可以完成调试工作，现在设计中不止涉及到模拟和数字电路，数字电路本身又包含不同类型，这些给调试工作带来了极大的挑战。     

声呐目标信号特征量的投影寻踪压缩与目标分类

声呐目标信号特征量的投影寻踪压缩与目标分类＊田铮①肖华勇②声呐目标信号所提取的特征量通常为高维特征量，并且各分量之间不独立。因此，高维特征量的压缩与提取是声呐目标信号分类首先要解决的关键问题。本文基于投影寻踪（ＰｒｏｊｅｃｔｉｏｎＰｕｒｓｕｉｔ简称Ｐ...     

向量自回归模型Granger因果图的条件互信息辨识与应用

Grangerl因果性是衡量系统变量间动态关系的重要依据．传统的两变量Grangerl因果分析法容易产生伪因果关系,且不能刻画变量间的即时因果性．本文利用图模型方法研究时间序列变量间的Grangerl因果关系,建立了时间序列Granger因果图,提出Grangerl因果图的条件互信息辨识方法,利用混沌理论中的关联积分估计条件互信息,统计量的显著性由置换检验确定．仿真结果证实了方法的有效性,并利用该方法研究了空气污染指标以及中国股市间的Grangerl因果关系．     

快速实现投影寻踪方法并分类极化SAR图像

针对序列投影寻踪聚类模型用于多视极化SAR图像分类存在的速度慢的问题,文章提出了一种基于Bootstrap方法的快速投影寻踪实现方法.文中定义了拟最佳投影方向,给出了用于分类的Bootstrap样本选取准则,于是,只需要较少的样本就可寻找到拟最佳投影方向,实现极化SAR图像的快速分类.分类结果和原有的序列投影寻踪聚类分类结果一样,与直接采用极化散射特性的方法相比,都能极大地改进分类结果.同时相比于原有算法又极大地提高算法实现的速度.     

高维观测数据的投影寻踪回归法及其应用

高维预测数据的非线性建模是工程实际中普遍存在的问题。本文首次给出了岭函数为多项式形式的投影寻踪回归（简称PPR）的新方法。应用PPR新方法，本文对全向攻击导弹数据进行处理，建立有效攻击距离Rmi n和Rmax的非线性回归模型，模型精度达到了实际工程要求。同时，本文建立了飞机性能参数换算功率Nop的数学模型，其相对误差小于2.5%，使模型精度明显提高，该方法适用面广，所需的条件弱，建立的模型形式简单，精度高，易于在计算机上实现，对于工程实际应用有着普遍的实用价值。     

非线性时间序列建模的均值异方差混合转移分布模型

进一步研究了了由Berchtold提出的均值异方差混合转移分布(expectation heteroscedastic mixture transition distribution model,EHMTD)模型.讨论并得到了EHMTD模型的平稳性条什和分布函数的尾部特征.运用ECM(expectation conditional maximization)算法估计模型的参数.条件分布的多样性使得该类模型能够对非对称、多峰、厚尾等非Gauss特征进行描述.模拟及实例分析的结果表明EHMTD模型是一类易于建模,并且有着广泛应用前景的非线性时间序列模型.     

SAR图像双Markov-EAR模型的纹理无监督分割

单视SAR图像保留了最大的分辨率和场景可观测的全部纹理信息,根据单视SAR图像的统计性质,在双M arkov模型的框架下,对低层M arkov随机场提出了指数自回归EAR纹理模型,并对纹理含噪情形下的高层M arkov随机场模型给出了一种参数估计方法及相应的无监督分割算法。实验结果表明,与以往的有监督GAR模型和不考虑纹理的模型相比,无监督的双M arkov-EAR模型能大量降低分割时的错分率。