基于最佳线性预测器的高光谱图像无损压缩算法

针对高光谱遥感图像细节丰富纹理复杂,空间相关性弱,难于压缩的特点,本文充分利用了高光谱遥感图像的谱间相关性,设计出对相邻谱段进行预测并将预测残差均方降为最小的一种最佳线性预测器。最后利用整数小波变换,并结合SPIHT算法,有效的去除空间相关性。实验表明该算法可以收到良好的效果,优于3D-SPIHT算法和WINRAR压缩软件。

基于最佳线性预测的自由曲线曲面压缩

针对产品协同设计过程中面临的三维CAD产品模型传输困难问题,提出一种基于最佳线性预测的自由曲线曲面的有损压缩算法。该算法采用最佳线性预测策略,并根据最小均方差准则对自由曲线曲面的控制点列进行预测,同时按用户给定精度进行量化处理,随后对量化值进行熵编码,从而实现自由曲线曲面的有损压缩。实验表明本文算法有较好的压缩效果。

复值时间序列的最佳线性预测

在时间序列分析中,引入复值的随机变量往往会带来很多的方便.对于时间序列进行统计分析的主要目的之一是解决时间序列的预测问题.文章在实时间序列最佳线性预测的基础上.根据复值时间序列的定义,最佳线性预测的定义以及实值时间序列与复值时间序列的关系,结论1给出了什么是复值随机变量的最佳线性预测,最佳线性预测是什么以及结论2给出了最佳线性预测的线性性质问题.

基于最佳线性无偏预测的精密单点定位方法

卫星导航定位中,卡尔曼滤波是快速处理海量观测数据,精确解算位置坐标的常用方法。为解决实际定位解算时需要计算部分参数的近似值作为先验信息的问题,引入最佳线性无偏预测理论对无先验信息的参数初值进行估计并使用其残差方差代替未知的先验方差参与计算。在静态和动态情形下进行了非差非组合精密单点定位实验并与传统滤波方法进行对比。算例结果表明,基于最佳线性无偏预测的精密单点定位算法可以对无先验信息的参数估计初值和方差信息,且定位精度与卡尔曼滤波一致。

最佳空间线性预测的小波实现方法及应用

文章通过小波对空间数据模型的分解 ,利用正交小波作最佳空间线性预测 。

二重马氏过程泛函的最佳非线性均方预测

设φ是满足某些条件的 Borel 可测函数,记{Y(t),t∈R^+}为由公式 Y(t)=∫(t-s)dB(s) from t=0 to t所确定的二重 Markov 过程,这里 B(t)是规范化的布朗运动过程。在本文中要研究 Y(t)经函数φ变换而得到的随机泛函 M(t)=φ(Y(t))的最佳非要性均方预测问题.作者在此文中,根据已知观测值 M(s),s≤t 研讨了怎样求 M(t+τ),τ>0的最佳非线性均方预测量■(t,τ)。另一方面,还利用单参数预测算子、布朗运动过程的迭对数定律以及二重马氏过程的统计性质给出了计算预测量■(t,τ)的显式公式和由观测值来确定基础过程值的算法规则。

最佳线性无偏预测估计种畜育种值(BLUP)可视化计算机程序

应用VB6可视化编程软件,设计较先进的最佳线性无偏预测估计种畜育种值(BLUP法)程序,增强了软件的功能,使其更具易用性、广泛性。

应用混合线性模型对白桦家系速生性及稳定性分析与选择

为了选出白桦半同胞家系中速生且稳定的优异家系用于种子园改建,以永吉、尚志和庆安试验点的8年生白桦半同胞家系试验林为研究对象,调查其生长性状和适应性。采用误差异质混合线性模型,对各性状进行了多地点固定效应和随机效应分析,通过最佳线性无偏预测(BLUP)法估算各家系的材积育种值,并结合基因型主效应与基因型-环境互作效应(GGE)双标图,联合分析各家系的速生性和稳定性。结果表明:(1)白桦半同胞家系胸径、单株材积和保存率等性状的地点效应显著(P<0.01);除保存率外,各性状在家系×地点的互作效应均达到显著水平(Z值>1.5)。各试验点的方差分析结果表明,除尚志和庆安试验点保存率外,其余性状在家系间的差异均达到极显著水平(P<0.01)。尚志、永吉和庆安试验点各性状中,变异系数最大的均为单株材积,分别为40.74%、47.62%和41.67%。(2)将综合育种值从大到小排序,若按照前10%的入选率确定各试验点优良家系,则在永吉、尚志和庆安各选出了相应的7个家系,其单株材积的平均遗传增益分别为6.20%、9.44%和8.79%。(3)GGE双标图分析结果表明,3个试验点被分为3个适生区;各家系在不同试验点中的表现不同,在庆安、永吉和尚志试验点表现最好的分别为1-43、1-42和1-39家系,结合生长量及稳定性的数据排名,综合性状表现最好的是3-29、3-13、3-38、3-16、3-14、3-42和3-17等7个家系,平均单株材积遗传增益为10.41%。白桦子代生长性状受基因型、基因型与环境互作影响显著。依据BLUP数据的GGE双标图分析结果,综合3试验点的速生及稳定性,选出7个优良家系。

不同混合线性模型下线性函数的最佳线性无偏预测相等的条件(英文)

考虑一个不仅对协方差矩阵没有任何秩假设,而且对随机效应向量和随机误差向量之间的关系没有任何限制的混合线性模型.给出了线性统计量Ay是线性函数f(L,N)的最佳线性无偏预测的充要条件;同时也给出了在混合线性模型M_1下BLUP(f(L,N))仍是在混合线性模型M_2下BLUP(f(L,N))的充要条件;最后给出在两混合线性模型下BLUP(f(L,N))相等的条件.

四重马氏平稳过程的非线性预测问题(英文)

假设{X(t),t∈R}是由广义Wiener随机积分所定义的四重马氏平稳过程.如果该随机过程{X(t),t∈R}被一有界Borel可测函数f(·)变换,则得到新的随机过程,记为Y(t)=f(X(t)).作者在本文中,首先粗略地研讨了四重马氏平稳过程{X(t),t∈R1}及其均方导数的一些概率性质.其次,对于一些构造较简单的Borel可测函数f(·),较详细地探讨了随机过程{Y(t)=f(X(t))}的非线性均方预测问题.

四重马氏平稳过程的非线性预测问题(英文)

假设{X(t),t∈R1}是由广义Wiener随机积分所定义的四重马氏平稳过程.首先粗略地研讨了四重马氏平稳过程{X(t),t∈R1}及其均方导数的一些概率性质.其次,如果这随机过程{X(t),t∈R1}被一有界Borel可测函数f(.)变换,则得到新的随机过程,记为Y(t)=f(X(t)).对于一些构造较简单的Borel可测函数f(.),较详细地探讨了随机过程Y(t)=f(X(t))的非线性均方预测问题,给出了非线性均方预测的理论依据和实例.

两线性随机效应模型未知参数函数预测量的等价性研究

假设对一般线性随机效应模型添加新的变量项成为过参数线性随机效应模型,这时两模型相同未知参数的统计推断不一定相同。针对这一问题,本文利用带约束限制二次矩阵值函数最优化问题的解,给出过参数线性随机效应模型下未知参数函数的最佳线性无偏预测/最佳线性无偏估计的解析表达式,并利用一些代数与矩阵理论工具,得到了两模型未知参数函数最佳线性无偏预测/最佳线性无偏估计等价的条件。

泡桐属植物育种值预测方法的研究

分别用最佳线性无偏预测和最佳线性预测方法预测了泡桐属植物的育种值。结果表明 ,根据亲缘相关距阵对育种值的最佳线性无偏预测结果没有显著影响 :数据量较大时 ,可用小区平均值取代单株值 ,同时也可用最佳线性预测代替最佳线性无偏预测方法预测育种值 ;预测育种值与真正育种值之间的相关系数与预测育种值之间的方法或误差方差存在极显著的相关关系 ,可用前者作预测育种值的精度指标。通过比较毛泡桐种源所预测育种值之间的方差和误差方差可以得出 :在对研究材料评选时 ,最佳线性预测比最小平方估算法具有优越性 ,但当重复数大于 5次 ,每个小区内的植株多于 6时 。

林木育种值预测方法的应用与分析

育种值预测是遗传评价的核心。为了能恰当地选用适当方法估算林木育种值,本文概述了当前林木育种值预测的主要方法、原理及其在日本落叶松家系(亲本)及个体育种值预测和优良基因型选择中的应用。通过对各种预测方法应用结果的分析表明:对于平衡或近似平衡数据和无亲缘关系(或可忽略)的非平衡数据,最佳线性预测(BLP)、最佳线性无偏预测(BLUP)法均可以取得很高的预测精度,但考虑到计算的简便性,BLP法更为适用;对于有亲缘关系或具有不同遗传固定效应的候选材料,BLUP法更为适用;对于多性状联合选择,选择指数仍是理想的方法。最后对育种值预测方法的适用情况及存在问题进行了讨论。

三重马氏平稳过程的预测问题

假设 {X(t) ,t∈R1}是由广义Wiener积分所定义的随机过程 .若这个随机过程被有界Borel可测函数 f(·)变换 ,则得到新的随机过程 f(X(t) ) ,记为Y(t) ,即Y(t) =f(X(t) ) .本文中对于较简单的Borel函数f(·) ,讨论随机过程Y(t) =f(X(t) )

玉米穗轴粗和出籽率全基因组预测分析

穗轴粗和出籽率均是典型的数量性状,在不同程度上影响玉米产量。全基因组选择整合全基因组关联分析(GWAS,genome-wide association study)的先验信息是提高性状预测准确性的有效方法。本研究利用309份玉米自交系穗轴粗和出籽率表型和基因分型测序技术获得的基因型数据,研究基因组最佳线性无偏预测(GBLUP,genomic best linear unbiased prediction)、贝叶斯A(Bayes A)和再生核希尔伯特空间(RKHS,reproducing kernel Hilbert space)模型对2种GWAS方法即固定和随机模型交替概率统一(FarmCPU,fixed and random model circulating probability unification)和压缩混合线性模型(CMLM,compressed mixed linear model)衍生的不同数量标记集、随机选择标记集和所有标记对预测准确性的影响。对于2个性状FarmCPU和CMLM衍生标记集,3个预测模型间的预测准确性差异较小,差值变异范围介于0~0.03。对于随机标记集,相比其他2个模型的预测准确性,RKHS对穗轴粗可提高3.57%~15.91%,而3个预测模型对出籽率具有相似的预测效果。除了50和100个标记,3个模型利用CMLM衍生标记对2个性状的预测效果均优于FarmCPU。相比随机标记集,穗轴粗GWAS衍生标记的预测准确性可提高15.52%~88.37%;出籽率利用衍生标记可提高1~5.89倍。所有衍生标记集的预测准确性均高于所有标记。这些结果均表明,全基因组选择整合GWAS衍生标记有利于提高穗轴粗和出籽率的预测准确性。

基于动物模型BLUP的杜洛克猪生长及繁殖性状选择进展

【目的】揭示基于动物模型最佳线性无偏预测(animal model best linear unbiased prediction,AM-BLUP)的选择指数对杜洛克猪生长及繁殖性状的选育效果。【方法】在采用AM-BLUP方法估计个体目标性状育种值基础上,以达100 kg体质量日龄(相对权重0.7)和100 kg活体背膘厚(相对权重0.3)为主选性状构建选择指数,对1个闭锁的杜洛克猪群开展持续7年(2013—2019年)的选育,系统分析选育期间猪群6个生长及繁殖性状表型值、估计育种值(estimated breeding value,EBV)、选择指数及近交系数的变化。【结果】相较于2013年,2019年猪群达100 kg体质量日龄、100 kg活体背膘厚和30~100 kg料重比分别极显著缩短4.45 d、降低0.52 mm和降低0.05(P<0.01);初产和经产母猪的总产仔数分别提高0.99头(P<0.05)和1.02头(P>0.05),产活仔数分别提高0.72头和0.49头(P>0.05),21日龄窝重分别降低0.39 kg和提高6.20 kg(P>0.05);主选性状达100 kg体质量日龄和100 kg活体背膘厚的EBV分别极显著降低3.447和0.533(P<0.01),选择指数极显著提高23.62(P<0.01),除30~100 kg料重比外,其余辅选性状的EBV均获得了不同程度改进。选育结束时,群体平均近交系数为3.1973%,年均增量为0.4904%。【结论】基于AM-BLUP的指数选择可有效改良猪的生产性状,但不同性状的具体选择进展会因其遗传特性的不同而异。

马尾松实生种子园自由授粉子代测定及亲本家系选择增益估算

以福建省白砂国有林场的马尾松实生种子园自由授粉子代测定林为材料,分析了5、6年生家系生长量(树高、胸径及材积)及形质指标(通直度、冠幅及侧枝粗度)的遗传变异规律,估算了各性状的遗传力。结果表明,材积、胸径、树高生长性状及冠幅、通直度、侧枝粗度等形质指标在家系间和家系内均存在显著的遗传差异,且家系内变异大于家系间。家系、单株遗传力分别在0.493 0.731、0.080 0.199之间。利用最佳线性预测的单性状(材积)及多性状联合(材积、冠幅、侧枝粗度及通直度)估算了6年生家系育种值。分析了材积单性状选择方式、多形状联合选择以及冠幅约束选择在不同入选率下亲本家系的预测及现实遗传增益(材积及通直度)的变化规律,结果表明,在等权重条件下,联合材积及通直度指标进行亲本家系选择是最佳选择方式,能够获得相对较高的遗传增益。

三维CAD模型中自由曲线曲面无损压缩算法

针对协同设计环境下三维CAD模型网络传输慢等技术瓶颈,提出了一种针对精确CAD模型中自由曲线曲面的无损编码压缩算法.该算法采用最佳线性预测,并结合IEEE标准单精度浮点型数据的表达特点,引入了尾数差值编码算法,对曲线曲面的控制点信息进行了预测编码无损压缩,避免了现有多边形网格逼近编码压缩算法造成的精度损失和特征信息丢失.实验结果表明:该算法具有良好的压缩效果.

连续时间参数滤波问题的非标准方法

本文应用非标准分析中的Ｎｅｌｓｏｎ近初等过程方法，得到了与标准的连续时间参数滤波问题等价的近初等过程的滤波公式，并由此得到了标准的连续时间参数情形地滤波公式．