基于最小截平方和估计的混凝土坝变形监测粗差识别方法

粗差识别是混凝土坝安全监测数据预处理中的一项重要工作。结合变形监测统计分析模型,基于Fast-LTS算法,提出一种混凝土坝变形监测粗差最小截平方和估计识别方法。首先,基于最小截平方和估计,建立混凝土坝变形监测统计分析模型,挖潜变形监测序列与环境影响因子间的关系;其次,划分正常测值序列和疑似粗差测值序列,并针对疑似粗差序列,采用数理统计方法,逐一甄别直至判别出所有粗差。工程实例计算分析表明,本文方法粗差识别成功率达100%,远优于拉依达法则、格拉布斯准则与罗曼诺夫斯基准则等传统判别方法。更高的识别成功率,可为混凝土坝变形监测粗差识别提供一种新途径。

最小截平方和(LTS)估计技术及应用

为了解决OLS估计崩溃点低的问题,系统地介绍了最小截平方和(Least Trimmed Squares,LTS)估计方法及其各种统计特征,并应用LTS回归技术对我国区域经济增长进行了实证分析,结果表明LTS回归技术确实增强了回归的显著性,因此LTS回归技术的应用非常值得推荐.

基于岭最小截平方的传感器稳健配准方法

传感器配准是多传感器数据融合系统获得性能优势的关键前提.受随机噪声、系统误差、虚警、漏报等因素的干扰,传感器配准常常工作在非理想关联环境中,依赖于理想关联假设的传统配准方法性能衰退严重.另一方面,传统传感器配准方法对目标分布场景敏感,当目标密集分布时,配准问题呈现病态性,估计结果数值不稳定.本文重点研究非理想关联及场景病态性共存时的传感器稳健配准问题,提出了系统误差的岭最小截平方(Ridge Least Trimmed Squares,RLTS)估计方法.该方法结合了岭回归(Ridge Regression,RR)与最小截平方(Least Trimmed Squares,LTS)估计的优点,能够有效应对错误关联及病态性的不良影响.仿真实验证实了所提方法的稳健性能.

基于最小截平方和估计的监测数据分析方法

水工程安全监测数据中不可避免地存在离群点,而应用最为广泛的最小二乘法(least square,LS)不具备剔除离群点的能力,反而更易吸收离群点,使回归曲线严重偏离实际。针对LS在此方面的缺陷,本文在最小化残差平方和理论的基础上,提出采用最小截平方和估计(least trimmed squares,LTS)方法来构建水工程安全监控模型。根据实际工程的监测资料并对监测资料分析处理,剔除离群点得到最优数据群。通过求解最优数据群的回归系数,进而得到最接近实际数据的拟合曲线。相比于LS估计,LTS估计所得结果更具有合理性、稳健性,且能够显著提高数据的预测精度。因此,LTS估计在水工程安全监测等数据分析中具有良好的应用前景。

基于最小截平方背景估计红外小目标检测方法

提出一种新的基于最小截平方(LTS)的杂波背景估计方法,并将其运用于红外小目标检测.最小截平方方法可以识别图像中的多个奇异点,比如噪声点和目标区域,剔除这些奇异点之后就可以把杂波背景无偏地估计出来,然后通过差分就可以得到包含目标的前景图像,进而从前景图中分割出小目标.与基于最小均方(LMS)的算法进行性能比较,结果表明:该方法可以获得更好的背景估计,并且对于复杂背景中的小目标检测也是有效的.

基于三维点云的曲轴同轴度误差测量方法研究

针对曲轴轴颈同轴度的快速检测的需求,文章提出了一种基于三维点云的同轴度误差视觉测量的方法。文章应用激光扫描仪获取待测件的三维点云模型,计算获取等间距的轴颈点云切片;然后,提出Pratt-RLTS法来得到各个点云切片的圆心,进而根据各切片圆心以最小二乘法获取公共基准轴线,最终实现同轴度误差的测量。实验结果表明:文章圆拟合方法对比最小二乘圆法、最小包容圆法、RANSAC等方法更准确稳定,与三坐标测量机结果相比最大绝对误差均值不过超过4.8μm,可以满足快速高效测量曲轴同轴度误差的实际需要。

LTS回归与最小一乘法稳健性比较

探讨了可以抵抗回归数据中出现的X与Y空间的多个异常点稳健回归估计方法,介绍了最小一乘法与LTS估计,并利用MATLAB模拟数据,分析以LS,LTS和最小一乘法三种方法对三组模拟数据进行分析比较,表明LTS方法比其他两种的抗粗差效果要好,具有很强的稳健性。

一种改进的相关向量回归方法

相关向量回归(relevance vector machine,RVR)是一种非线性回归方法。当样本集中存在少量异常点时,RVR方法能够得到鲁棒的回归模型。随着异常点增加,求得的回归模型的泛化能力下降。针对这种情况,实现了一种改进的相关向量回归方法。首先重新定义样本子集T和根据最小截平方和估计理论重新定义RVR回归的似然函数;然后利用贝叶斯推论求解边际最大似然函数;最后使用迭代法迭代求解最大似然函数的最优超参数α、β以及子集T,并使用超参数α、β得到回归模型。通过证明和实验结果表明,算法具有鲁棒性,而且当样本集中的异常点增加时,依然具有较高的鲁棒性。

市场化改革与区域经济非均衡增长的稳健关系检验

通过建立内生经济增长模型,利用中国1999-2002年省际区域的面板数据,运用最小截平方和回归技术分析市场化改革对中国区域非均衡增长的作用。结果显示2000-2005年中国区域经济增长呈现出发散趋势,市场化改革对区域经济增长具有"稳健性"的显著关系,市场化进程与区域创新能力在很大程度上解释了中国的区域经济差距。

非理想关联下多传感器系统误差的稳健估计

在数据融合系统中,传感器自身系统误差造成其上报融合中心的目标位置状态出现系统性偏差,若得不到有效估计与补偿,融合系统难以实现预期的性能优势。然而,基于目标关联配对关系而构造的超定方程组是系统误差估计的出发点。复杂环境下,受随机噪声、系统误差、虚警、漏报等因素的干扰,数据关联模块的输出结果常常包含错误关联。针对非理想关联下多传感器系统误差的稳健估计问题,该文提出基于最小截平方的系统误差稳健估计方法,并进一步提出剔除异常方程的重加权最小二乘方法。与最小二乘及最小中值平方相比,所提方法在保证估计器稳健性能的前提下,降低了估计结果对随机噪声的敏感程度。仿真实验验证了所提方法的有效性。

一种基于SVD的改进LTS气动数据异常检测方法

用稳健的最小截平方和(LTS)估计检测气动数据中的异常,但气动数据是海量和高维的,使得LTS要求解的矩阵维数很大,造成巨大的时空开销。为此,引入迭代的奇异值分解(ISVD)求解LTS的最小二乘问题,实现更快的异常检测。实证分析采用某飞行器外形数据,分别运用OLS,FastLTS以及ISVD-FastLTS对数据集进行异常检测和对比分析。实验证明,相比于传统方法,ISVD-FastLTS能更加快速且准确地识别异常值。

基于LTS优化图像切边LRC的面部遮挡人脸识别研究

针对现实人脸识别中由于伪装(如围巾、太阳镜和头发)或其他物体引起的面部遮挡而严重影响识别率的问题,提出了一种基于最小截平方和的图像切边线性回归分类算法。首先,使用一个鲁棒性强的估计量检测并裁剪查询样本、训练样本中受污染的像素点;然后,利用线性回归分类算法对图像进行切边;最后,利用LTS计算出规范化的重构误差,并根据重构误差最小的类完成人脸的识别。在通用人脸数据库AR、扩展的YaleB数据库以及一个户外人脸库上的实验验证了所提算法的有效性及可靠性,实验结果表明,相比其他几种回归分类算法,取得了更高的识别率,同时大大降低了训练总完成时间。

选权迭代抗差估计的初值选取方法分析

粗差探测是测量数据处理领域的重要研究课题,分别基于最小二乘(LS)、一次范数最小(L1)、最小平方中位数(LMS)和最小截平方和(LTS)方法选取选权迭代法的初值,联合IGGⅢ方案进行抗差估计。通过算例从筛选粗差个数、参数差值的平方和、验后单位权中误差等3个指标,对几种初值选取方法的的抗差能力进行比较分析。结果表明:LMS、LTS方法选取初值的方法效果最好,L1方法抗粗差能力次之,LS方法只能在粗差较少的情况下有效。

选权迭代法残差初值求解方法比较

针对抗差估计选权迭代法残差初值缺陷的求解问题,该文基于选权迭代法的基本理论深入分析了最小二乘估计、最小一范数估计和最小截平方和(LTS)3种残差初值求解方法,探究以3种方法求解残差初值为基础的选权迭代法的适用范围和抗差效果。通过实例验证表明,LTS方法残差初值具有较强的稳健性,基于LTS的选权迭代法抗差效果优于其他2种方法,具有较强的粗差探测能力。

线性回归模型的多离群点检测方法及节能应用

办公设备能耗可使用线性回归模型进行描述,为检测该类能耗数据的异常点,提出了基于最小截平方和估计的单链接层次聚类多离群点检测算法.首先将该方法在不同类型的典型数据集中进行验证,证明算法具有优良的性能.而后将算法应用于办公设备能耗数据集,通过实验表明算法处理淹没问题及掩盖问题的能力优于其它算法.其不但能够正确确定异常能耗数据,还能够直观地给出各个异常能耗数据的离群程度,管理者可据此制定正确合理的能源管理方案,最终达到节能的目的.

一种核线约束模型优化与可靠性匹配方法

针对基于随机抽样一致性(RANSAC)算法的影像误匹配剔除须大量迭代逼近,计算量大,耗时长等问题,该文提出改进的核线约束模型及误匹配剔除方法。根据现有的影像匹配方法,该文选取了在重复度、独特性、鲁棒性3个方面均优越的加速稳健特征(SURF)算子。通过构造核线约束方程,对粗匹配结果排序后进行均匀采样,使得最终的核线模型更具鲁棒性;进而在双向核线约束过程中确保了匹配对的可靠性,实现了误匹配的剔除。实验结果表明,该文提出的基于最小截平方和(LTS)的核线约束模型在剔除误匹配的速度以及稳定性方面都优于现有方法。