基于有限混合分布建模方法的道路轴载模型研究

车辆轴载谱是道路路面设计的关键。对此,提出采用有限混合分布建模方法,精确模拟车辆轴载的分布特性,建立了基础经典分布选择、分布参数校核和基于最小二乘误差优化等方法。并基于四条高速公路的实测WIM数据,校验了该有限混合分布模型,获得车辆单轴和联轴的典型荷载分布模式。结果表明:采用对数正态分布与正态分布线形组合的有限混合分布模型,能很好地拟合车辆轴载的分布特征,R^2均在0.96以上,拟合精度高。该混合分布模型具有参数易校验、连续可微等优点,可广泛适用于任意数据类型,其形成的全概率模型也可为道路路面设计提供理论依据。

二参数指数型有限混合分布

本文给出二参数指数型有限混合分布的带约束的极大似然估计的强相合性。

通过有限混合分布对解舒丝长的信赖寿命进行估计

把解舒丝长作为原料茧优劣与否的判断指标使用时,由于分布(图形)通常作出的是非对称形,仅把平均值作为判断指标是不适当的。本研究中,以解舒丝长的信赖寿命为主,对这种方法是否为最好的估计方法再进行讨论。

基于遗传算法和有限混合分布的应力谱多模态建模

该文提出了一种基于遗传算法(genetic algorithm,GA)的有限混合分布参数估计方法,应用该方法对青马大桥典型焊接节点的应力谱进行多模态建模。首先,采用小波变换消除原始应变监测数据中的温度影响,利用雨流计数法将应变时程曲线转化为日应力谱,考虑到交通荷载(包括汽车荷载和火车荷载)和台风的影响,建立标准日应力谱。然后,采用三种不同的有限混合分布函数(有限混合正态分布函数、有限混合对数正态分布函数和有限混合威布尔分布函数)以及基于遗传算法的混合参数估计方法对应力幅进行多模态建模,根据赤池信息准则(Akaike’s information criterion,AIC)确定最佳的有限混合模型。最后,采用双变量有限混合分布和基于遗传算法的混合参数估计方法建立了应力幅和平均应力二维随机变量联合概率密度函数。结果表明,该文提出的基于遗传算法的有限混合分布参数估计方法可以有效应用于二维随机变量的概率建模。

有限混合分布在车险费率厘定中的应用

"大数据"时代,保险损失数据结构日益复杂,传统分布类型无法准确、全面地反映数据的分布特征,需要更多灵活的模型,而有限混合分布对于刻画与分析真实索赔次数与索赔额分布提供了一个更多的选择。分析几种典型的有限混合分布,结合gamlss分布族构建了基于不同的有限混合分布的费率厘定模型。以一组车险损失数据为例进行实证分析,结果说明相对于传统的分布类型而言,有限混合分布具有较强的可实施性,有助于改善模型的拟合效果。

有限混合短尾对称分布的极值分布

主要研究由短尾对称分布构成的有限混合分布函数的尾部特征及最大值的极限分布.

基于EM算法的有限维混合分布参数估计研究

文章探讨有限维混合分布参数估计的程,快速得出混合EM算法,总结出有限维混合分布参数估计的高斯分布、混合指数分布参数估计的EM算法期望、方差迭代表示。跳过繁琐的推导过EM算法,并将其用于M2供应量同比增长分布和大变动时间间隔分布建模中。结果表明:采用三维混合高斯分布描述单一指数分布刻画M2供应量同比增长分布、采用M2供应量大变动时间间隔分布是合理的。

有限混合偏t分布极值分布的点点收敛速度

研究了独立同有限混合偏t分布随机变量序列{Tn,n≥1}的规范化最大值的极限分布及其点点收敛速度.

EM算法的ε-加速及在有限混合模型中的应用

为解决EM算法对初始值比较敏感,易陷入局部最优和当模型缺失变量或隐变量的比例较高时收敛速度慢等问题,本文首先采用经典的K-means聚类算法进行初始值选取,使得初始值更加接近EM序列的稳定点,在一定程度上能避免EM序列陷入局部极值,然后采用ε-加速算法进行加速,即K-means+ε-加速EM算法,并比较不同情况加速的EM算法在有限混合模型参数估计中的时间成本和精度大小。数值结果表明:在不降低精度的情况下K-means+ε-加速EM算法在各种条件下均能够大大加快EM算法的收敛速度。

采用混合t分布粒子滤波器的视觉跟踪(英文)

由于目标数量的变化,观测数据的岐义性和目标间的遮挡,多目标视觉跟踪问题面临多种困难。基于目标分布的有限t分布混合模型提出了一种混合t分布粒子滤波器以实现多目标跟踪。在算法中,每个被跟踪目标指派一个独立的粒子滤波器,显式处理当新目标出现在场景中时对应粒子滤波器的初始化,当被跟踪目标消失时,对应粒子滤波器的删除。混合t分布粒子滤波器算法不仅能够跟踪多种类型的多目标,还能够持续跟踪遮挡消除之后的多目标。为了展现混合t分布粒子滤波器的跟踪性能,完成了基于颜色分布的跟踪多种不同颜色和相同颜色的多目标实验,对比了混合t分布粒子滤波器,混合粒子滤波器以及Boosted粒子滤波器的跟踪性能。实验结果表明:文中算法不仅能够跟踪数量可变的多目标,进行实时计算,而且具有更好的鲁棒性。

Lovász延拓权值下的伪泊松混合分布的风险期望模型

本文在风险损失量为自然数且服从泊松分布的条件下,将泊松分布进行截断和均化的处理生成伪泊松分布,然后根据有限可数混合分布的表达式,利用从集函数转换而来的多线性形式的Pseudo-Boolean函数的Lovász延拓得到新的权值并构建伪泊松混合分布,最后根据期望的定义和性质得到相应的伪泊松混合分布的风险期望模型.该模型为今后研究混合分布在风险分析中的应用提供了依据.

混合效应模型的非参数贝叶斯分位回归方法研究

本文对混合效应模型提出了一种非参数贝叶斯分位回归方法,通过引进一种新的分层有限正态混合分布,将分位回归建模时对随机误差项的假定放宽至仅有分位点约束之下。通过对混合比例参数假设广泛灵活的Stick-Breaking先验,使得模型捕捉复杂数据分布信息的能力更强。在建立的非参数贝叶斯分层分位回归模型中引入潜变量,使模型参数估计的Gibbs抽样算法中原来每次需要计算(2M)N项函数值变为每次只需计算N项即可。蒙特卡罗模拟显示,在误差分布函数变得较为复杂时,非参数贝叶斯分位回归方法比参数方法在估计效果上有更大的优势。

广义I型逐阶区间删失混合Weibull数据的参数估计

源于有限混合总体的广义I型逐阶区间删失数据参数估计方法的研究不多,基于有限混合Weibull模型,讨论Expectation-Maximization(EM)算法对广义I型逐阶区间删失数据参数估计的有效性及其改进。首先给出估计参数的EM算法,通过仿真算例,说明EM算法对广义I型逐阶区间删失混合数据参数估计产生了过度迭代现象,进而,提出了停止EM算法的加权绝对偏差信息准则。改进的EM算法改善了EM算法无法确定参数估计停止迭代时刻的不足,在选择适当初值后,可快速获得满意的参数估计结果。仿真算例验证了该方法的有效性。

基于最小错误率的SAR图象分割方法研究

文章提出了一种基于最小错误率的SAR图象自动分割算法。对直方图呈现出多模分布特征的SAR图象,首先运用有限高斯混合分布对SAR图象特征空间的数据统计模型进行估计;其次基于最小错误率原理选取SAR图象自动分割阈值,在先验概率未知和估计条件下,获得目标及其阴影区域的检测结果;最后对两种图象分割结果进行了分析并与SAR图象目标检测的经典方法-恒虚警(CFAR)目标检测方法作了比较。仿真结果表明在先验概率估计下的图象自动分割具有明显的优势和较大的应用潜力。

中国省际农村居民收入趋同性分析

本文基于分布动态的视角,尝试采用有限混合高斯分布模型来研究中国省际农村居民人均纯收入趋同性问题。本文运用有限混合高斯分布模型考察了中国农村居民人均纯收入的分布,发现3 1个省份农村居民人均纯收入由两个子分布构成,两个子分布间几乎不存在流动性,中国省际农村居民收入呈现一种双峰锁定式的俱乐部趋同。

中国人口总量与GDP总量关系模型研究

文章采用经济计量学中无约束混合有限多项式分布滞后模型,依据1952～2000年年度GDP、总人口、出生率与死亡率数据,构建了能反映总人口与GDP总量之间内在关系的、较为理想的综合模型。该综合模型预测的2001年中国人口总数(不含港澳台地区)与《中国统计年鉴(2002)》中公布的数据仅相差46.3367万人,表明该模型初步揭示了总人口与GDP总量之间的内在关系,对未来中国人口总量预测也有一定帮助。