模型选择准则在洪水频率分析中的应用

以广东省北江流域的长坝、坪石、犁市、韶关4站以及韩江流域的溪口站和珠江三角洲的流溪河站的洪峰流量频率分析为背景,选用6种常用的频率分布线型(模型)进行分析计算,采用线性矩法估计出模型的参数,分别用较少用于水文的模型选择准则AIC、AICc、BIC和ADC进行考虑历史洪水的频率分布模型的选择。结果表明:4种不同模型选择准则对同一站的洪水洪峰流量频率分布线型的选择结果基本一致,与实际资料拟合较好。6站选择的最优线型虽然传统的皮尔逊3型比较多,但最多的是LN型。

基于改进最小角回归算法的Hammerstein模型辨识

针对一类未知时滞和阶次的Hammerstein模型的辨识问题,本文提出一种基于绝对角度停止准则最小角回归(AS-LAR)的稀疏辨识方法,该方法可以同时辨识出Hammerstein模型的时滞、阶次和参数.首先,通过引入最大非线性阶次和输入回归长度,将系统表示成具有稀疏参数向量的高维辨识模型;然后,提出一种绝对角度停止准则,对最小角回归算法进行改进,并基于改进的AS-LAR算法获得稀疏参数向量的估计;最后,基于参数向量稀疏结构,估计出系统的时滞和阶次,并从估计的参数向量中提取和分离出系统线性部分和非线性部分的参数估计值.数值仿真和水箱实例结果表明,提出的辨识方法有效,且与其它辨识方法相比,具有估计精度高、计算量小、速度快等特点.

线性回归中几种模型选择统计量的局部影响分析

本文研究线性模型中几种模型选择统计量的局部影响分析问题 ,导出了当同时对n个点作微小扰动时的诊断统计量 ,并和case -deletion方法的结果相比较 ,用实例加以说明。这种方法克服了覆盖 (maskingeffect)和平衡效应 (balancedeffect ) 。

基于有限混合多变量t分布的鲁棒聚类算法

在用混合模型聚类时,聚类数据中存在局外点是非常困难的问题。为了提高混合拟合的鲁棒性,本文用混合t模型替代混合高斯模型,来拟合含有背景噪音的多变量多高斯分布数据;提出了两个求解混合t模型的修改版期望最大化(EM)算法,并将它们与模型选择准则集成在一起,应用一个组合规则成分灭绝策略选择聚类成分数,得到两个对应的鲁棒聚类算法。对含有背景噪音的多个高斯成分进行不同聚类算法的大量实验表明,本文的鲁棒聚类算法能自动选择最佳的聚类成分数,相对于混合高斯模型的聚类方法,鲁棒性增强很多;相对于传统求解混合t模型(EM/ECM)的聚类方法,能有效避免其严重依赖初始值和易收敛至参数空间边界的缺点,具有较强的鲁棒性和较快的收敛速度。

基于混合t聚类的鲁棒非刚体点匹配

针对非刚体形状控制点匹配中存在的对应性和有偏性问题,提出一个基于混合t聚类的鲁棒点匹配模型。该模型结合了混合t分布聚类和薄片样条匹配各自的优点,混合t聚类充分利用t分布的小样本和较大尾迹优势取得局部聚类的鲁棒性,并可方便地引入新的成员分布概率建模局外点,解决全局的鲁棒性;薄片样条能完全分解非刚体映射的仿射和非仿射变换。实验证明,利用确定性退火和EM(期望最大化)迭代技术,对模型中的鲁棒聚类和非刚体点匹配进行联合优化,可以有效解决非刚体点匹配的对应性和有偏性问题;通过在退火过程中应用一个模型选择准则,可以进一步提高匹配的精度,对比结果证实了该模型的鲁棒性。