粒子滤波算法中的有限收敛界

在已有的关于粒子滤波(PF)收敛性研究的成果上,指出了其在工程实践中存在的问题;根据粒子滤波在实际应用中普遍存在的收敛现象,提出了粒子滤波算法的有限收敛界(LCB)的概念,并针对一个经典的非线性滤波估计例子,给出了关于自举PF、裂变自举PF、高斯PF、无味高斯PF和辅助变量PF这5种典型粒子滤波算法有限收敛界的计算结果。LCB既可作为粒子滤波算法性能的度量指标之一,也可作为工程应用中某种粒子滤波算法粒子数选取的一个参考值。

拟概率空间上学习理论的关键定理和学习过程一致收敛速度的界

进一步讨论了拟概率的一些性质,给出了拟概率空间上的拟随机变量及其分布函数、期望和方差的概念及若干性质;证明了拟概率空间上的Markov不等式、Chebyshev不等式和Khinchine大数定律;给出并证明了拟概率空间上学习理论的关键定理和学习过程一致收敛速度的界,把概率空间上的学习理论的关键定理和学习过程一致收敛速度的界推广到了拟概率空间,为系统地建立拟概率上的统计学习理论与构建支持向量机奠定了理论基础.

可信性空间上基于复模糊变量的学习过程一致收敛速度的界

在统计学习理论中关于经验风险和实际风险的关系的重要结论被称为推广性的界,它是分析学习机器性能和发展新的学习算法的重要基础。学习过程一致收敛速度的界是推广性的界的重要组成部分。给出并证明了可信性测度空间上基于复模糊变量的一些性质,在此基础上给出并证明了可信性测度空间上基于复模糊变量的一致收敛速度的界。为系统建立可信性空间上复统计学习理论奠定了理论基础。

基于Hybrid样本的学习过程一致收敛速度的界

学习过程收敛速度的界是统计学习理论的重要组成部分,这些界决定了学习机器的推广能力.以机会理论和Hybrid变量的概念为基础,讨论了基于Hybrid样本的学习过程一致收敛速度的界,并给出了这些界和函数容量之间的关系.

粗糙学习过程一致收敛速度的界

考虑到现实世界的不确定性,结合粗糙随机理论和粗糙统计学的知识,对粗糙随机样本情况下的统计学习理论一致收敛速度的界进行了推广,提出了粗糙学习问题的一般表示;给出了粗糙风险泛函、粗糙经验风险泛函以及粗糙经验风险最小化归纳原则等概念;最终证明了粗糙随机学习过程一致收敛速度的界。

拟噪声样本学习过程一致收敛速度的界

在拟噪声样本关键定理成立的基础上,结合拟概率的知识,讨论了拟噪声样本学习过程一致收敛速度的界。为下一步建立拟噪声样本的结构风险最小化原则打下了理论基础.也为进一步构建拟噪声样本的支持向量机提供了理论依据。

Banach格上的无界绝对弱收敛的弱~*Dunford-Pettis算子

为进一步研究Banach格上算子的性质,首先,给出无界绝对弱收敛的弱~*Dunford-Pettis算子的定义.其次,通过构造不交序列,探究无界绝对弱收敛的弱~*Dunford-Pettis算子的等价刻画和控制性,并获得了相关推论.最后,研究了该算子与弱~*Dunford-Pettis算子、极限算子和紧算子间的关系.

ATOR迭代法的收敛性(英文)

本文定义了广义ATOR迭代法,并给出了该方法的Stein-Rosenberg型定理和Ostrows-ki-Reich型定理,广义ATOR方法的单调收敛界及其与SOR法的比较也在本文给予讨论。

基于裂变粒子滤波算法的织物图像疵点检测研究

为了提高织物图像疵点检测的效果采用裂变粒子滤波算法。通过分类复制算法对粒子进行选择,整个过程粒子总数不变;裂变因子控制粒子裂变数量与其对应的被裂变粒子权值成正比,大权值的粒子能够裂变生成更多的粒子,根据多样性函数以及广义似然比检验定律判断是否处于有限收敛界,若是则停止裂变;织物图像的像素点分预测、更新消噪过程,疵点区域通过最佳阈值分割;给出织物图像疵点检测过程。实验仿真显示,此算法对织物图像疵点检测效果清晰,疵点在整体上保持了较为完整的检测效果,误检率、检出率指标较优。

Sugeno测度空间上学习理论的关键定理和一致收敛速度的界

讨论了Sugeno测度这类有代表性的非可加测度的性质,给出了Sugeno测度空间上的gλ随机变量及其分布函数、期望和方差的定义及性质,证明了Sugeno测度空间上的Markov不等式、Chebyshev不等式和Khinchine大数定律;给出了Sugeno测度空间上的经验风险泛函、期望风险泛函以及ERM原则严格一致收敛的定义,在此基础上给出并证明了Sugeno测度空间上的学习理论的关键定理、学习过程一致收敛速度的界以及这些界与函数集容量之间的关系.

基于复拟随机样本的统计学习理论的理论基础

引入复拟(概率)随机变量,准范数的定义。给出了复拟随机变量的期望和方差的概念及若干性质;证明了基于复拟随机变量的马尔可夫不等式,契比雪夫不等式和辛钦大数定律;提出了拟概率空间中复经验风险泛函、复期望风险泛函以及复经验风险最小化原则等定义。证明并讨论了基于复拟随机样本的统计学习理论的关键定理和学习过程一致收敛速度的界,为系统建立基于复拟随机样本的统计学习理论奠定了理论基础。

基于双重随机样本的统计学习理论的理论基础

介绍双重随机理论的基本内容。提出双重随机经验风险泛函,双重随机期望风险泛函,双重随机经验风险最小化原则等概念。最后证明基于双重随机样本的统计学习理论的关键定理并讨论学习过程一致收敛速度的界。为系统建立基于不确定样本的统计学习理论并构建相应的支持向量机奠定了理论基础。

基于随机粗糙样本的结构风险最小化原则

提出了退火熵,生长函数和VC维等概念,构建了基于VC维的学习过程一致收敛速度的界。然后以这些界为基础,给出基于随机粗糙样本的结构风险最小化原则。最后证明该原则是一致的并且推导出了关于渐近收敛速度的界。

Sugeno测度空间基于复样本的统计学习理论

引入复g_λ随机变量、准范数的定义,给出了复g_λ随机变量的期望和方差的概念及若干性质;证明了基于复g_λ随机变量的马尔可夫不等式、契比雪夫不等式和辛钦大数定律;提出了Sugeno测度空间中复经验风险泛函、复期望风险泛函以及复经验风险最小化原则严格一致性等定义;证明并构建了基于复g_λ随机样本的统计学习理论的关键定理和学习过程一致收敛速度的界,为系统建立基于复g_λ随机样本的统计学习理论奠定了理论基础。

双重随机样本的结构风险最小化原则

提出退火熵、生长函数和VC维等概念,构建基于VC维的学习过程一致收敛速度的界。以这些界为基础,给出基于双重随机样本的结构风险最小化原则。最后证明该原则是一致的并且推导出了关于渐近收敛速度的界。

基于随机粗糙样本的统计学习理论研究

介绍随机粗糙理论的基本内容。提出随机粗糙经验风险泛函,随机粗糙期望风险泛函,随机粗糙经验风险最小化原则等概念。最后证明基于随机粗糙样本的统计学习理论的关键定理并讨论学习过程一致收敛速度的界。

基于模糊随机样本的学习过程一致收敛速度的界

学习过程一致收敛速度的界决定了学习机器的推广能力,在统计学习理论中起着很重要的作用。以刘宝碇提出的模糊随机变量的概念和基于模糊随机样本的学习理论关键定理为基础,讨论了基于模糊随机样本的学习过程一致收敛速度的界,并给出了这些界与函数容量之间的关系。

拟概率空间上结构风险最小化原则

首先,给出了拟概率空间上结构风险最小化原则。然后,为了解决在拟概率空间上结构风险是否一致收敛到期望风险,也就是根据这个最小化原则结构风险是否能收敛到最小可能的风险,给出并证明了结构风险最小化原则的一致收敛性。

连分式渐近式的一个递推算法及其应用

利用修改的连分式向后递推公式 ,得到了连分式任意二项渐近式之差的一个递推算法 ;利用此递推算法获得了一个连分式收敛判断准则 ,同时给出了这一类连分式的收敛误差界为O(dn) ,d <1.用数值实例说明了新收敛判断准则与已存在收敛判断准则之间的差别 ;利用所得递推算法给出了Worpitzky型连分式更加精确的收敛误差界 .

Immersed Interface Finite Element Methods for Elasticity Interface Problems with Non-Homogeneous Jump Conditions

In this paper,a class of new immersed interface finite element methods (IIFEM) is developed to solve elasticity interface problems with homogeneous and non-homogeneous jump conditions in two dimensions.Simple non-body-fitted meshes are used.For homogeneous jump conditions,both non-conforming and conforming basis functions are constructed in such a way that they satisfy the natural jump conditions. For non-homogeneous jump conditions,a pair of functions that satisfy the same non-homogeneous jump conditions are constructed using a level-set representation of the interface.With such a pair of functions,the discontinuities across the interface in the solution and flux are removed;and an equivalent elasticity interface problem with homogeneous jump conditions is formulated.Numerical examples are presented to demonstrate that such methods have second order convergence.