融合内外依赖的人体骨架动作识别模型

基于动态骨架图的人体动作识别是计算机视觉领域中的一个研究热点。传统识别方法大多是建立在人体骨架的局部自然物理连接上(内在依赖)。然而,许多隐含的非局部的关节连接有时对于人体动作识别是不可忽略的,如手脚的互动等。引入外在依赖概念来表示这种隐式的非物理连接,并通过内、外依赖机制来处理骨架图,完成内、外依赖的空间图卷积融合。通过设计合适的时间卷积模块,进一步构建融合内外依赖的的时空图卷积网络(IEDSTGCN)。实验表明,IED-STGCN在Kinetics数据集上的识别精度比现有的时空图卷积网络(ST-GCN)提升了2.5个百分点,在X-Sub和X-View两个数据集上的识别精度分别比现有的ST-GCN模型提升了3.4和3.8个百分点。该研究的主要技术有时间卷积(TC)、内在依赖图卷积(IGC)以及外在依赖图卷积(EGC)等,通过消融实验说明了这些技术的有效性。

股票价格运动的跳跃和杠杆效应研究

基于已实现变差理论和双幂次变差理论,在股票价格为半鞅过程的前提下将已实现波动率分解为连续波动部分和离散跳跃部分,研究了上证综指收益率和波动率的杠杆效应以及连续波动部分和离散跳跃部分分别在杠杆效应中所起的作用,并且分析了跳跃部分和连续波动部分在价格运动过程中的区别.由独立方程模型的估计结果发现各个模型扰动项之间存在着一种类似杠杆效应的非线性关系,然后再通过联立方程组模型进一步验证扰动项之间的内在依赖性.实证分析结果表明:收益率和波动率的杠杆效应主要是通过连续波动部分起作用.