一种变步长的零吸引归一化自适应滤波算法

为了使最小均方算法对高斯噪声环境和稀疏系统具有更好的收敛速度和稳态误差,提出了一种变步长的零吸引归一化最小均方算法。该算法将改进的Versoria函数的稀疏感知范数与归一化最小均方算法相结合后,引入了一种新的类高斯函数的变步长策略,解决了固定步长条件下算法收敛速度较慢、跟踪性能较差的问题。从理论层面分析了所提算法的收敛性,并基于MATLAB平台讨论了改进的类高斯步长函数中各参数对算法性能的影响。最后将所提算法与其他同类算法应用于不同信噪比条件下的高斯噪声环境以及稀疏环境中进行未知系统辨识实验,仿真结果表明,所提算法具有更快的收敛速度、更好的跟踪能力以及较小的稳态误差。

一种改进的最大似然法用于地物识别

该文分析了试验区内的建筑、耕地、园地、林地、水体等 5种典型地物灰度的概率分布特点 ,结果表明这 5种地物的灰度概率分布并非标准的正态分布 ,而是近似的正态分布。通过对训练样本进行高斯正态化处理 ,即用高斯正态函数修正训练样本的数据 ,使参与分类训练样本的灰度概率分布成为标准的正态分布 ,进而修正类条件概率密度函数 ,尔后用最大似然法进行分类 ,结果使分类精度提高 5 .2 5 %。

系统边际电价概率分布检验及模型研究

对系统边际电价的概率分布研究是电力市场定量分析研究工作的基础。该文通过概率坐标图、峰度和偏度分析,对系统边际电价的分布特性进行定性和定量分析,并通过J-B检验严格验证系统边际电价分布的非正态性。根据概率坐标图发现的电价具有分段正态分布的特点,提出用加权双高斯分布模型来刻画系统边际电价概率密度分布,美国PJM(Pennsylvania-new Jersey-Maryland)和澳大利亚NSW(New South Wales)电力市场的实际数据表明,该模型比传统的高斯分布和超高斯分布更接近实际的电价分布。

3-幂零矩阵Jordan规范型的计数

证明了n阶3-幂零矩阵秩的取值范围,并给出多种表示方法。同时,得到n阶3-幂零矩阵秩为定值时Jordan规范型个数的算法,并根据表示法,算出最大秩的Jordan规范型的个数。

关于k-幂零矩阵秩的注记

幂零矩阵是矩阵理论中一类特殊的矩阵,它具有良好的性质和实际应用.文章证明了n阶k-幂零矩阵秩的取值范围,并给出两种表示方法.同时得到当k整除于n时最大秩的Jordan规范型是唯一的.

高斯函数约束下的多判别参数散乱点云边缘检测

设计一种散乱点云数据边缘检测算法,从而快速、精确地提取边缘特征.该算法以点云的局部特征为基础,通过分析点云数据各点的法向特性,构建各点k近邻法向夹角特征、曲率特征、距离特征,并在高斯函数的约束下完成点云边缘特征的检测.利用公共数据进行多组实验,对比不同算法下的检测效果.结果表明:该算法提取点云边缘特征的速度更快、效果更好.

一种稀疏度自适应的压缩感知信道估计算法

针对目前稀疏度自适应的压缩感知(compressed sensing,CS)信道估计算法计算量过大的问题,文章提出了基于关联度分析的稀疏度自适应归档正则化迭代硬阈值(sparsity adaptive archiving normalized iterative hard thresholding,SAANIHT)算法。ANIHT算法可以解决传统压缩感知理论计算量大、计算时间过长的问题,但需要预知信道的稀疏度。引入高斯核函数对一种稀疏度估计算法进行了改进,并与ANIHT算法结合,使其可以在盲稀疏情况下对信道进行估计。仿真结果表明,在同等稀疏度条件下,该算法比其他算法节约了计算时间,在低信噪比下性能更优,具有较好的重构性能与稳定性。

嵌套删失数据期望最大化的高斯混合聚类算法

针对聚类问题中的非随机性缺失数据,本文基于高斯混合聚类模型,分析了删失型数据期望最大化算法的有效性,并揭示了删失数据似然函数对模型算法的作用机制.从赤池弘次信息准则、信息散度等指标,比较了所提出方法与标准的期望最大化算法的优劣性.通过删失数据划分及指示变量,推导了聚类模型参数后验概率及似然函数,调整了参数截尾正态函数的一阶和二阶估计量.并根据估计算法的有效性理论,通过关于得分向量期望的方程得出算法估计的最优参数.对于同一删失数据集,所提出的聚类算法对数据聚类中心估计更精准.实验结果证实了所提出算法在高斯混合聚类的性能上优于标准的随机性缺失数据期望最大化算法.

基于非归一化直方图的GrabCut图像分割算法改进

针对GrabCut算法在图像分割中存在迭代求解耗时长、分割结果欠分割的问题,提出了一种基于非归一化直方图改进的GrabCut算法。在保留GrabCut第一次分割结果的基础上,通过非归一化直方图计算像素点属于前景或背景的方法来代替高斯混合模型迭代学习的过程;在构图过程中引入一类新的节点Bin进行构图以提高分割精度。选取MSRA1000数据集中部分图片进行实验验证,结果表明该算法在分割效果和效率上都有明显的提升,在进行背景复杂图像的分割时改进算法优势更加明显。

基于法矢量修正和参数修正的点云双边滤波改进算法

针对现有点云滤波算法在实现过程中存在的目标特征保留能力差和时间复杂度高的问题,提出了基于法矢量修正和参数修正的点云双边滤波改进算法。介绍了点云双边滤波算法原理,在该算法的基础之上分别修正了法矢量、距离权重因子和特征保持因子,提出了一种改进的点云双边滤波算法,并通过仿真分析进行了算法验证。与传统的点云半径滤波算法和点云双边滤波算法相比,所提算法能够在时间复杂度较低的情况下保留更多的目标细节特征,提高滤波算法实时性。

一种改进法向量估算的点云特征提取

针对传统主成分分析点云法向量估算存在精度不高、人工干预等问题,提出了一种改进的主成分分析法向量估算方法,并根据点邻域法向量标准差实现了离散点云特征提取,最后对关键参数K取值进行讨论。通过引入高斯核函数为邻域点集权值计算公式,削弱了距离较远点对采样点法向量精度影响;以信息熵最小化为约束条件自适应选择最佳邻域尺度R,较好的顾及了局部点云空间特征的差异性。实验结果表明:该方法能很好的实现点云特征提取,改进后的点云法向量估算顾及点云邻域复杂程度,具有普适性强、自动化程度高的特点,建议关键参数K取值范围12~20。研究对点云配准、数据精简及模型重构等点云预处理研究具有理论参考价值。

零漂移广义双曲线扩散过程构建和最优鞅估计函数

由于广义双曲线分布在资产收益率分布拟合中的优异表现,以规模测度和速度测度为工具,构建出边际分布服从广义双曲线分布的扩散过程.利用1.5阶强泰勒近似法离散化随机微分方程,以二次最优鞅估计函数法得到模型参数估计量,结果显示:鞅估计函数法能够快速、准确地对正态逆高斯扩散过程作出参数估计,并且能获得高精度渐近协方差矩阵.