基于Epanechnikov核函数的有偏差采样和贝叶斯阴阳机的复杂图像分割

鉴于复杂图像所含信息的非均匀性,采用新的基于Epanechnikov核函数的有偏差采样方法对图像进行有效采样,并通过将贝叶斯阴阳机聚类理论对采样所得图像进行分割,进而获得最终的图像分割结果.实验表明,该方法是有效的.

基于DAISY描述符和改进型权重核的快速局部立体匹配

为了消除双目立体歧义,提出一种基于DAISY特征和改进型权重核的快速立体匹配。首先,稠密构造局部特征DAISY描述计算初始匹配成本;基于Epanechnikov权重核双通聚合消除特征相似歧义得可靠匹配代价;优胜者全选逐像素优化初始视差。然后,利用改进型双边滤波、对称一致性验证和多方向权重视差外插等策略改善视差。实验表明,该方法能有效提高匹配精度,得到分段光滑、精度高的稠密视差,且结构简单、复杂度低。

指数分布场合下无失效数据分析

依据指数分布函数的凸性和无记忆性,利用Epanechnikov核函数,给出可靠度的先验分布,提出了指数分布的无失效数据的一种统计方法,进而在无失效数据的情况下,得到了平均寿命的Bayes估计.

基于不同核函数的非参数利率期限结构模型的估计

给出了用非参数方法估计利率期限结构的过程,并以上海证券交易所的国债回购利率数据为样本,采用4种不同核函数:高斯核、抛物线核、四次方核和六次方核对利率期限结构模型进行估计。结果显示:当利率小于4%时,4种核函数估计结果相近;当利率大于4%时,高斯核和抛物线核的估计结果相近,四次方核和六次方核的估计结果相近;从利率均值回复的角度来说,后两者要优于前两者。所有结果表明:短期利率的密度函数是非正态的,扩散过程的漂移函数和扩散函数是非线性的,印证了非参数利率期限结构模型在刻画利率行为方面的优越性。

非参数AR-Markov模型的拓展及其应用

文章对自回归马尔科夫(AR-Markov)模型进行了扩展,利用非参数Markov动态转移过程,研究了序列在不服从正态分布的情况下的估计,给出了关于Markov过程窗宽的选择方法,得到了稳定的滤波概率和状态转移概率。利用所提方法对沪深300股指进行了实证分析,并给出了不同状态之间的转移轨迹。

基于改进贝叶斯的新能源场站并网处系统谐波阻抗估计

随着“双碳”目标的推进,大规模新能源并网使电网背景谐波呈现强波动性,导致现有系统谐波阻抗估计方法精确度降低,进而影响谐波主导扰动源定位与后续针对性治理。因此,针对新能源场站并网场景,研究系统谐波阻抗的精确估计对解决电网谐波污染问题有重要意义。从数据驱动的角度出发,在新能源场站并网点建立了谐波阻抗评估模型。首先,针对背景谐波波动干扰的非理想条件,引入伊潘涅切科夫核函数拟合背景谐波电压的概率密度函数;其次,对于系统侧谐波阻抗值的估计,提出了基于改进贝叶斯的谐波阻抗估计方法,应用贝叶斯方法评估谐波阻抗时,基于熵最大原则和自分析法确定先验均匀分布区间范围;然后,针对样本容量过大导致估计过程耗时较长的问题,提出了基于最大最小优化拉丁超立方体采样法对公共连接点(point of common coupling,PCC)的数据样本进行筛选;最后,通过MATLAB/Simulink仿真分析的计算,验证了所提系统侧阻抗估计方法在背景谐波波动干扰时具有较高精度。

基于半参数回归分析的Markov机制转换模型

对AR-Markov模型做了研究和扩展,构建基于半参数模型的Markov机制转换模型,对新息服从正态分布的假设条件进行了改进,并用得到的研究结果对沪深300股指做了实证研究,得到了稳定的窗宽和状态转移概率,并给出了不同状态之间的转移轨迹.