基于投影降维技术的期权组合非线性VaR模型

高维期权组合VaR值的计算时间和计算工作量随着市场风险因子维数的增加而迅速增加.为此,引入投影降维技术,用少数几个风险因子来解释高维期权组合总的风险,并结合快速卷积方法,建立了基于投影降维技术的市场风险因子呈厚尾分布情形下的期权组合非线性VaR模型,达到减少计算时间和计算工作量的目的,同时期权组合价值变化的信息又没有太大的损失.数值结果表明,投影降维技术能够达到与快速卷积方法、Monte-Carlo方法差不多的估算精度,而计算效率明显优于快速卷积方法、Monte-Carlo方法,计算时间和计算工作量明显减少.

基于投影降维的激光雷达快速目标识别

激光雷达可以获得目标的三维形状信息,是复杂地面背景下车辆识别的有效手段。提出了一种基于投影降维的快速激光雷达目标识别方法,对检测后提取的疑似目标三维点云数据进行投影降维,得到数字表面模型(DSM)数据,根据轮廓相似性度量值以及尺寸相似度量值构成的组合识别准则进行目标识别。采用8组地面装甲目标的仿真点云数据进行实验,实验表明算法的目标型号识别率高于90%,实时性远优于传统算法。针对实际应用需求,进一步研究了点云空间分辨率,激光雷达成像系统误差对目标识别的影响。

基于有监督流形学习的正交投影降维

将监督局部线性嵌入的思想引入传统的正交投影降维方法(OPRA)方法,提出一种新的基于有监督流形学习的正交投影降维方法(α-OPRA),使高维到低维的映射在保留某些流形结构的同时,进一步获得较好的正交投影效果。该方法通过加入额外的参数α来控制监督的程度,在纯粹的有监督的OPRA和无监督的OPRA之间取得了某些折中。实验结果证明,该方法能获得较好的降维结果。

基于级联降维判别的语言情感识别（英文）

为了准确地识别语音情感信息,研究了语音情感识别的降维中判别级联效应.基于现有的局部投影算法和图形嵌入理论,提出了一种新型判别分析算法,即DCLPP算法.为了能够对语音情感识别保持足够的信息,该算法利用嵌入图形为样本的内部特点保留了原始空间.然后,为了扩展映射形式,提出了一种kernel dCLPP(KDCLPP)的方法.在EM O-DB和eNTERFACE'05情感语音数据库上对该算法进行了验证,结果表明,所提算法可明显地超越现有的常用主成成分分析(PCA)、线性判别分析(LDA)、局部保持投影(LPP)、局部鉴别嵌入(LDE)和图优化的Fisher判别分析(Gb FA)等判别分析算法,这些算法都有不同类型的分类器.

动态融合的多视图投影聚类算法

多视图聚类是一个日益受到关注的研究热点。现有的大多数多视图聚类方法通常先对数据进行图学习,再对融合得到的统一图进行聚类得到最终结果,这种图学习和图聚类的两步策略可能导致聚类结果具有随机性。此外,多视图数据本身存在不可避免的噪声并且各视图数据差异较大,在原始高维数据空间进行无效融合可能造成重要信息的损失,不同多视图数据也可能存在选择参数敏感的问题。为了解决上述问题,提出了一种动态融合的多视图投影聚类算法,将自适应降维图学习、无参数的自权重图融合和谱聚类整合在同一框架中,三个过程相互促进,联合优化投影矩阵、相似性矩阵、共识矩阵以及聚类标签。对动态融合过程中得到的共识矩阵的拉普拉斯矩阵施加秩约束,直接获得聚类结果。而且引入的启发式超参数会随着每次优化迭代自动调整。为了求解联合优化问题,设计了一种有效的交替迭代方法。在人工数据集和真实数据集上得到的实验结果表明该算法的优越性。

回采工作面瓦斯涌出量遗传投影寻踪回归预测

为快速、准确预测回采工作面瓦斯涌出量,基于投影降维思想,建立一种遗传算法(GA)投影寻踪回归预测方法。选取煤层瓦斯原始含量、埋藏深度、煤层厚度、煤层倾角、工作面长度、推进速度、采出率、临近层瓦斯含量、临近层厚度、临近层层间距、岩层岩性、开采深度作为评价因子,对某矿15个学习样本进行训练,建立GA投影寻踪回归预测模型。利用该矿3个实测样本对模型进行检验,并与主成分分析和BP神经网络方法结果进行对比。研究表明:利用GA投影寻踪回归预测回采工作面瓦斯涌出量,平均误差为3.43%,最大误差为5.7%,精度优于其他2种方法。

基于近红外光谱投影及蒙特卡洛方法的烟叶配方比例上限分析

通过PPF投影技术将烟叶配方原料的近红外光谱投影到二维坐标平面上,将原料烟叶光谱投影点按配方比例加权求和后构造出配方投影点,建立配方的投影结构模型,利用蒙特卡洛方法模拟原料烟叶投影点的自身差异变动来分析配方投影点偏离初始状态的程度。结果表明:配方主导权重,即配方样品的最高比例越小,烟叶原料种类越多,配方偏离初始状态的程度越小,即配方的稳定性越好,以上结论与烟叶配方设计时"多类型,低比例"的认识原则一致。本文从理论分析角度给出了在不同原料种类数下进行配方设计时,所对应的配方样品比例上限值,该量化上限比例的方法对其他有关配方设计的问题也有指导意义。

一种非完全的散点图去重叠算法

散点图中数据点重叠现象会严重影响可视分析效率.现有散点图去重叠算法主要通过调整部分数据点的位置来完全去除重叠,但普遍存在画布面积增长、轮廓保持不自然、迭代时间较长等问题.认为完全去除重叠是非必须的,通过实验发现:用户能够在散点图有轻微重叠的情况下,快速、准确地完成数据点选取和区域密度估计等可视分析任务.因此,提出了一个非完全的散点图去重叠算法,该算法通过结合虚拟点临时占位、Voronoi网格划分、数据点选择性移动和重叠率快速计算等方法,实现分布紧凑、轮廓自然、高效迭代的散点图去重叠效果.通过客观实验和主观实验评估了算法性能.实验结果表明,该算法在移动距离、面积增长、形状保持、正交顺序、邻域保持这5个客观指标和形状相似性、类簇稳定性这2个主观指标上都优于现有算法.

基于数据降维与对称二值模式的图像Hash算法

为了解决当前图像Hash算法难以兼顾较高的感知稳健性与篡改识别率的不足,提出了基于数据投影降维机制与对称局部二值模式的紧凑图像Hash算法。利用双线性插值来预处理图像,使Hash具有固定的长度;引入对数极坐标变换,将其转变为二次图像;利用Gabor滤波器平滑二次图像;基于模糊集理论,设计对称局部二值模式算子,获取稳健特征;定义数据投影降维机制与量化规则,生成紧凑的中间Hash比特序列;构造一维组合混沌映射,建立加密模型,完成比特序列扩散,以生成图像Hash;并引入汉明距离,估算初始图像与接收端图像的Hash相似度,联合决策阈值,完成图像认证。测试数据表明,与当前图像Hash技术相比,该算法的Hash更紧凑,且其感知稳健性与敏感性更高。

两空间三角形的退化关系研究

通过对两空间三角形关系的分类,讨论了几何退化对几何计算的稳健性的影响力。解决一个问题的第一步是描述这个问题,空间几何退化的完整表述是稳健几何计算算法的设计、改进以及测试的重要基础和保障。首次对空间三角形对的退化进行了深入的研究、全面的梳理。基于投影降维原理,抽取繁杂的空间两三角形关系的规律,分离出完整的空间三角形对的退化样本模型。基本策略是建立计算坐标系,通过投影降维,将空间三角形对的位置关系变成一个固定,只有一个变化的平面位置关系。以相离、接触、相交、内含的线索改变另一三角形的位置和大小,分类出空间三角形对的位置关系,检索出两者的所有退化状态。该方法可以推广到其他三维几何间的退化状态分类和几何计算算法的稳健性设计中。

圆锥曲线中距离问题的转化策略

涉及距离的问题是圆锥曲线中的热点问题,常常因距离的复杂形式给学生带来沉重的心理负担,而导致运算信心不足,中途受阻,半途而废.分析其原因,主要是缺乏对距离问题的转化策略,而按部就班进行运算,陷入痛苦的运算圈子,不能自拔.基于此,非常有必要对此类问题的转化策略进行归纳和总结:消元化简、回归向量、投影降维及距离变形.

基于融合不变性特征与混合核方法的体育视频动作识别

针对体育视频动作识别方法正确率较低的问题,提出了一种结合融合不变性特征与混合核方法的体育视频动作识别方法.采用高斯混合模型构建不变性特征,并对特征进行降维.采用混合核方法分别完成局部特征与全局特征的分类.标准体育动作数据集上的实验结果表明,降维后的融合不变性特征能够保留体育动作关键信息,与混合核方法配合密切,该方法既能够显著提升识别性能,也能够提升识别效率.该方法可以构建实时、在线的体育视频动作识别,且识别效果良好.

基于OPRA与NTVE-PSO-PNN的财务危机预警模型研究

财务危机预警是公司预测和防范财务危机的主要手段,为了提高财务危机预警模型的预测精度和执行效率,本文将局部线性嵌入(Locally Linear Embedding,LLE)方法引入传统的主成分分析(Principal Component Analysis,PCA),提出了一种正交投影降维方法 (Orthogonal Pro-jection Reduction by Affinity,OPRA),进行财务指标的选取和降维。OPRA方法不仅保持了财务指标数据在降维映射过程中的流形特征,还重构了正交投影数据。将概率神经网络(Probabilis-tic Neural Network,PNN)与非线性时间变量演化粒子群(Nonlinear Time-varying Evolution Parti-cle Swarm Optimization,NTVE-PSO)结合,提出了NTVE-PSO-PNN财务危机预警模型。在PNN神经网络财务危机预警训练时,本文采用NTVE-PSO方法确定PNN的优化结构。实验结果显示,OPRA能够获得较好的降维效果,NTVE-PSO-PNN算法提供了较好的预测精度和计算效率。

基于联合双机MUSIC的多目标无源定位算法

在无源定位中,基于角度信息的双机协同定位方法具有参数少、精度高和灵活性好等优点。但在辐射源日益密集的战场环境中,对多个目标实施定位时,通常将双机观测到的信息分别匹配并联合方程求解每个目标的位置,容易出现匹配错误、定位模糊问题。本文提出了一种双站联合MUSIC角度估计算法,通过降维投影的方法减少了谱函数和谱峰搜索的计算量,可以获得同一目标测向线匹配结果,并获得更高的测角精度。在定位解算中,利用经典的最小二乘法解算目标位置。仿真结果表明,对慢速多目标,相比匹配测向法,本文所提算法具有更高的定位精度。

DRP-4DVar方法同化AIRS反演资料在一次江淮流域暴雨中的应用

利用经济省时的降维投影四维变分同化方法（DRP-4DVar）,在2009年7月22~23日江淮流域的一次大暴雨过程中同化晴空条件下高光谱大气红外探测仪（AIRS）反演温度、湿度廓线,改进此次强降水过程的模拟。试验结果分析显示,同化AIRS反演的温度及湿度场后,基于四维变分同化系统的模式约束,能够改进湿度场、高度场、高低层散度场。从累积降水量偏差图及同化试验增量图可以看到,正降水量偏差对应于正湿度增量、负位势高度增量及低层负散度高层正散度增量,负降水量偏差则与之相反。同化试验较参照试验可更好地模拟出暴雨的天气形势、对暴雨的落区及强度有更好的反映。此外,从单次同化与连续同化的试验对比结果看出,连续同化试验结果较单次同化结果有进一步的改进,说明不断加入新的观测资料可以更好地模拟强降水过程。

线性子空间在人脸识别中的应用研究

为解决依据图像表现的人脸识别问题,对原图像维数进行约简必不可免,子空间降维人脸识别技术是当前研究的一个热点。直接对测试样本采取投影降维,简单高效。该文对两种有效子空间特征提取算法进行研究,并在YALE人脸库上进行识别率对比实验。

基于视觉的拓扑特征提取

基于拓扑性质知觉原理:视觉原语是从整体到局部,拓扑感知优先,建立感知目标物的形状拓扑信息的仿生感知模型;首先提取物体三维轮廓信息;其次,将空间图形轮廓降维映射到二维投影平面中进行处理;最后,建立提取空间图形拓扑特征的数学模型;将轮廓拓扑空间同胚映射到(Hausdorf或度量空间)二维投影平面,保持了拓扑不变性,便于分析出拓扑特征,又可继续应用拓扑映射原理,分析点集拓扑;最终,拓扑特征与知识库模型相匹配,识别出物体。

创意平板折叠桌的定量描述与探究

针对平板折叠桌的加工参数设计与动态模拟研究,使用空间解析几何、动态模拟、投影面降维分析、函数系统仿真等方法,构建平板折叠桌动态变化模型,分析桌脚边缘线动态过程。得到凹槽长度、钢筋位置和平板长度等设计参数,并对所建模型进行灵敏度分析和进一步的推广。

最优创意平板折叠桌的探究与设计

针对越来越多的客户对个性化的时尚平板桌的需求,本文在保证平板折叠桌在稳定性,加工易两方面最优化基础之上,使用空间解析几何、动态模拟、投影面降维分析、函数系统仿真等方法,通过构建折叠桌桌面边缘线函数曲线与桌脚边缘线函数曲线之间关系的函数恒等式,建立了给定折叠桌边缘线的最优加工参数模型。并举出椭圆和双曲线的创新桌面设计的实例验证。