基于Markov约束的泊松最大后验概率超分辨率图象复原法

提出了基于 Markov约束的泊松最大后验概率 ( Poisson-MAP)超分辨率图象复原方法 ( MPMAP) ,该方法把 Poisson-MAP法和 Markov随机场先验分布有机地结合在一起 .实验表明 ,该方法能有效地减少和去除复原图象中的噪音和振荡条纹 ,提高图象复原质量 。

条件泊松抽样下的经验Bayes概率分布置信域估计

采用Mlinex损失函数优化传统损失函数,获取条件泊松抽样下的经验Bayes概率分布置信域估计区间,以及先验分布式逆Gamma分布情况下的后验密度函数,依据该后验密度函数获取参数的Bayes估计,证明该Bayes估计的可容许性,并在置信水平1-α情况下,获取参数的Bayes置信下限和最高后验区间估计.实验结果表明,该方法的估计精确度和运算效率较高,有较强的稳定性.

泊松分布的参数的Г—极小极大后验估计

本文讨论了泊松分布参数在共轭先验分布参数受到一定限制条件下的Г－极小极大后验估计。并讨论了它在样本个数趋于无穷大时的渐近性态。

一种新的带扩散扰动的复合泊松模型下破产概率的非参数估计

本文考虑对具有扩散扰动影响的复合泊松风险模型下的破产概率进行非参数估计.我们基于复傅里叶级数展开方法 (CFS)对破产概率进行逼近,并利用索赔次数和索赔额的随机样本值对破产概率进行非参数估计.同时我们还对估计量在大样本下进行了误差分析,提供了模拟结果,验证了在样本量有限下这种估计方法的有效性.

贝叶斯框架下泊松分布参数的估计

在给定的泊松样本X1,X2,…,Xn下,研究了泊松分布参数λ的贝叶斯估计问题.在p,q对称损失函数L(λ,δ)=(λ/δ)p+(δ/λ)q-2(p,q∈Z+)下,得到了参数λ的贝叶斯估计的精确形式并讨论了它的可容许性,最后研究了参数λ的最大后验区间估计.

泊松分布下信息安全事件概率计算模型

从信息安全事件的概率分布规律出发,根据泊松分布的基本特征,通过数学证明了信息安全事件发生频数服从泊松分布,并采用国家互联网应急中心(CNCERT/CC)统计数据验证了这一理论结果.在此基础上,基于贝叶斯定理,建立了泊松分布下的信息安全事件概率计算模型.根据泊松分布的概率质量函数,计算了信息安全事件发生频数的先验概率分布;通过构建似然函数调整先验概率分布,得到信息安全事件发生频数后验概率分布;最后,采用CNCERT/CC统计数据验证了该模型的可行性和有效性.

基于齐次泊松点过程的无线传感网络分布估计

提出了一种基于齐次泊松点过程的无线传感网络分布估计方案.首先假设在传感器之间有一个衰落的无线通道和融合中心,描绘出在不同的场景中出现的分布式估计中断.为了实现连贯的传感器传输,假设一个最优的最大合并比,并导出中断概率封闭的表达式;然后,基于部分信道状态信息,利用衰落信道相位对其进行扩展,再结合各种路径损耗模型,导出中断概率的范围.仿真结果验证了分析方法的可行性和可靠性.

Szász-Kantorovick概率型算子的点态估计(英文)

利用新的Ditzian光滑模导出了Szász-Kantorovick概率型算子的点态估计.

复小波域最大后验概率图像复原

提出了一种双树复小波变换域最大后验概率图像复原方法。该方法通过在最大后验概率图像迭代复原过程中构建噪声残差,并采用双树复小波变换零均值高斯模型对参差进行降噪处理,从而避免了原泊松最大后验概率图像复原过程中噪声放大的问题,实现了迭代复原的正则化目的。对比实验结果表明,该图像复原方法能很好解决恢复迭代中噪声放大的问题,同时,在视觉效果、PSNR、ISNR等指标上均比Wiener、Pisson-MAP等算法好。

基于变分正则化的混合泊松-高斯噪声图像去噪方法综述

对基于变分正则化的混合泊松-高斯噪声图像的去噪模型及算法进行综述.首先,简要介绍了2个针对单一类型噪声的去噪模型,包括处理高斯噪声的ROF模型和处理泊松噪声的TV-KL模型;然后,在此基础上重点介绍基于变分正则化方法的混合泊松-高斯噪声去噪模型,包括通过最大后验估计推导的精确泊松-高斯噪声去除模型、Shifted-Poisson模型、TV-IC模型,以及广义的Anscombe变换模型和PURE模型等;相应地,总结了求解上述模型的常用高效数值算法,包括原始-对偶算法、交替方向乘子算法和半光滑牛顿算法等;在数值实验部分,对相关模型的噪声去除效果进行评估;最后,对该领域未来的研究方向进行了展望,指出了在模型改进、具有收敛性保证的算法设计、自动调参策略以及高维非线性等几个方面存在的问题和未来的发展方向.

一种新的分布式无线传感网络估计算法

笔者在各传感器之间有一个衰落的无线通道和融合中心(Fusion Center,FC)的前提下,提出了一种基于泊松点过程的无线传感网络分布估计方法。首先描述了空间上随机的无线传感网络统计特性,推断出在不同信道状态信息的情况下,优化融合中心所产生的中断性能。其次,结合路径损耗分析了无线传感网络的性能。最后,扩展分析了传感器噪声测量情况。仿真结果验证了提出的分析法的可行性和可靠性。

贝叶斯框架下泊松分布参数倒数的估计

在给定的一组泊松样本下,研究了泊松分布参数倒数的贝叶斯估计问题,得到了它的贝叶斯估计的精确形式,并讨论了它的可容许性,最后给出了它的贝叶斯置信下限的表达式以及最大后验区间估计的精确形式.

一种盲Poisson MAP超分辨方法

由于成像系统内部和外部的因素,使得获取的图像产生退化。为获取高分辨率图像,图像超分辨技术获得迅速发展。基于各向异性正则化提出了一种盲Poisson MAP算法,该算法同时估计高分辨图像和包含了位移因素的模糊函数,与基本的盲Poisson MAP算法相比,有效地抑制了振铃效应,清晰度有很大改善,峰值信噪比大约提高7dB。

基于Poisson-Markov分布最大后验概率的多通道超分辨率盲复原算法

在Poisson和Markov随机场分布假设基础上,改进了存在噪声时多通道互限制原则,提出了一种基于最大后验概率判据的多通道图像盲复原算法,可在无需已知通道内离散点扩散函数性质、类型和具体分布等先验知识的情况下,在图像幅度限制约束空间和离散点扩散函数能量恒定约束空间内,通过对图像和离散点扩散函数的交替迭代,使两者收敛到全局最优解,最终复原出超分辨率图像.对计算机模拟和实际存在微平移、微离焦情况的图像处理表明:算法在不同信噪比水平和非命中PSF尺寸下具有良好的图像复原效果和稳定性.

光PPM通信的卷积码编码性能分析

介绍Turbo码编码及译码概念,在对Turbo码编译码器结构的及算法的分析基础上,对泊松信道及PPM后验概率似然比的算法进行了推导,并就码率为1/2的Turbo码的光PPM系统与SCPPM系统的误码率(BER)进行了仿真比较,并且通过不同迭代次数就Turbo码的光PPM系统进行了仿真分析,证明了SCPPM的性能要略优于Turbo码的PPM系统,PPM通信系统中合理引入卷积码,可以大大改善系统性能。

基于点过程模型连续语音关键词检测

提出了基于点过程模型(PPM)的连续语音关键词检测方法。该方法首先利用时态模式(TRAP)特征和多层感知器(MLP)计算每个音素的帧级后验概率,在此基础上,将语音可看作多个相互独立的事件(音素),利用泊松过程对事件建立点过程模型,最后通过计算似然比达到关键词检测目的。实验结果表明,对8 kHz采样语音,关键词平均召回率和准确率分别可达69.5%和82%以上。