一种基于特征点过程的遥感影像道路中心线提取算法

针对现有的道路提取算法提取速率低和完整度低等问题,提出了一种基于特征点过程的遥感影像道路中心线提取算法。根据道路区域的光谱性构建特征点过程,并利用线(表征道路段)连接特征点构成初始的网络结构;根据道路的连接性、弯曲性等特点对网络结构进行约束,同时,根据道路光谱性构建了学生-检验光谱测度约束模型;结合以上模型构建道路提取模型,并设计相关的模拟算法求解提取模型,在最大化后验概率准则下获得最优的道路中心线。以Ikonos,GeoEye-1,Gaofen-2卫星影像为实验对象验证和比较了提出算法和对比算法,利用缓冲区评价法对实验结果进行了定性和定量评价。结果表明,提出算法提取道路中心线的速率和完整度有显著提高,证明了该算法的有效性。

面向交通事故预测的时空多模态点过程

交通事故预测对于构建智慧城市具有重要意义。然而发生在连续时间域上的交通事故数据同时包含具有不同语义特征的时间、空间模态信息,且这两种模态的不确定性存在差异,因此传统的序列建模方式无法全面描述交通事故的时空相关性,很难实现准确的交通事故预测,对此提出了一种面向交通事故预测的时空多模态点过程模型MSTPP。该模型设计了一种具有双解码器的seq2seq框架。在编码器中提出了衰减感知长短期记忆网络DLSTM用于编码在连续时间域中的交通事故事件序列,有效地融合不同模态信息以及建模事件序列的异步性。在解码阶段,使用两个特殊设计的解码器去处理模态间差异性。在两个真实的交通事故数据集上的实验结果表明,MSTPP在预测下一个交通事故发生的时间和区域任务上相比于其他基准模型具有最优的预测能力。

近似最近邻归约问题在泊松点过程上的再研究

在已发表文献中,研究了基于图灵归约求解ε-NN的问题,即给定查询点q、点集P及近似参数ε,找到q在P中近似比不超过1+ε的近似最近邻,并提出了一个具有O(logn)查询时间复杂度的图灵归约算法,这里的查询时间是调用神谕的次数.经过对比,此时间优于所有现存的归约算法.但是已发表文献中提出的归约算法的缺点在于,其预处理时间和空间复杂度中有O((d/ε)^(d))的因子,当维度数d较大或者近似参数ε较小时,此因子将变得不可接受.因此,重新研究了该归约算法,在输入点集服从泊松点过程的情况下,分析算法的期望时间和空间复杂度,将算法的期望预处理时间复杂度降到O(n logn),期望空间复杂度降到O(nlogn),而期望查询时间复杂度保持O(logn)不变,从而完成了在已发表文献中所提出的未来工作.

多标记点过程的LiDAR点云数据建筑物和树冠提取

将机载激光扫描点云数据转换成点云特征影像,提出基于多标记点过程的建筑物和树冠目标几何对象的自动提取方法。首先根据目标的几何特征建立吉布斯自由能变模型,通过目标的一致性建立该模型的数据项,通过目标的拓扑性质等空间特性建立该模型的先验项。然后利用可逆跳转马尔可夫蒙特卡洛(RJMCMC)算法进行采样,并采用模拟退火算法进行优化求解,实现建筑物目标和树冠目标几何对象的多目标自动提取。试验结果表明该方法能够从机载激光扫描数据中有效地提取建筑物和树冠,具有较强的稳健型。

基于自激点过程的网络热点话题传播模型

建模互联网中热点话题的传播过程具有重要的意义和价值,该文以网络热点话题为研究对象,基于自激霍克斯过程提出一个话题传播模型(Self-Exciting Point Process Model,SEPPM).SEPPM利用用户参与话题的自激效应,将话题传播过程建模为一个随机点过程.同时,SEPPM也考虑了话题传播的外部因素,综合形成话题传播模型.为了验证该模型的有效性,该文从仿真和实证两个角度分别进行了大量的实验比较,提出话题仿真算法,仿真结果说明SEPPM可以生成多种符合热点话题传播特征的模式.实际数据上的结果说明SEPPM不仅能够很好地拟合真实话题的传播过程,还能够有效地预测话题传播趋势.

嵌入深度信念网络的点过程模型用于关键词检出

基于点过程模型的关键词检出系统是一种新颖的连续语音关键词检出系统,虽然该系统具有对样本数要求不高、计算速度快等优点,但其检出性能比较依赖于前端音素探测器的准确度,而目前广泛用于音素探测器的高斯混合模型存在表征和建模能力不强的问题。针对这一缺陷,本文提出了一种嵌入深度信念网络的点过程模型并将其应用于关键词检出,该模型采用表征能力强的深度信念网络来建立音素探测器,改进了高斯混合模型在表征能力上的不足。实验结果表明该方法能够获得比原模型更高的检出率,并且降低了计算复杂度,更适用于需要实时检测关键词的场合。

采用非规则标识点过程的LiDAR点云数据目标提取

针对LiDAR点云数据目标投影几何的非规则性,提出非规则标识点过程的LiDAR点云数据目标提取方法。首先,在投影平面上定义随机点过程,利用其随机点定位该平面上的目标投影,对每一随机点生成一组节点集以建模该目标投影几何,作为目标标识;假设地物目标高程值服从独立同一高斯分布,从而得到LiDAR点云数据高程测度模型;在贝叶斯理论架构下建立目标几何提取模型,并结合可逆跳变马尔可夫链蒙特卡罗(Reversible Jump Markov Chain Monte Carlo,RJMCMC)算法模拟后验分布以及估计各参数;最后根据最大后验概率准则,求解最优目标提取模型。采用提出方法对LiDAR点云数据进行目标提取,根据实验结果可以看出,算法得到的检测精度均达到80%以上,最高精度为99.43%,得到了较好的检测结果。本文将传统的规则标识点过程拓展到非规则标识点过程,可以有效拟合任意形状目标几何。定性和定量的实验结果表明了该方法的可行性、有效性和准确性。

基于随机点过程的钢丝绳寿命预测及更换决策的研究

给出了钢丝绳断丝的随机点过程建模方法，提出了钢丝绳条件剩余寿命率的概念．基于非齐次泊松过程，给出了钢丝绳剩余寿命的预测方法，并将其与常规的趋势预测法进行了比较，给出了钢丝绳最佳更换期的递推公式及实例。

基于泊松点过程分布的多蜂窝协作系统中干扰对齐技术研究

在多蜂窝MIMO(Multiple-Input Multiple-Output)协作通信系统中,该文研究了基站站点服从泊松点过程(PPP)分布时,协作基站(BSs)和用户对采用干扰对齐技术的中断概率和网络吞吐量性能,推导了完全信道状态信息(CSI)和部分CSI两种情况下的上述性能的解析表达式,并分析了系统性能与协作参数的单调关系。仿真分析发现:在完全CSI情况下,网络吞吐量随着基站密度、协作基站数、天线数的增加而增加;在部分CSI情况下,由于综合考虑了信道训练和有限反馈带来的资源开销以及量化CSI引入的信道失真,存在一个使网络吞吐量最大的最优协作基站数,当天线数较少或用户移动速度较小时,应有较多的基站参与协作,当天线数较多或用户移动速度较大时,应适当减少协作基站数。

防洪风险分析中的一个二元标值Poisson点过程模型

该文将洪水的大小和持续时间作为防洪设施的工程风险中不可忽略的因素，提出了以洪水的大小和持续时间为标值的二元标值Ｐｏｉｓｓｏｎ点过程型，给出了防洪综合风险率的计算公式，并进行了实例计算．

基于标值点过程改进的遥感道路提取新算法

研究了标值点过程的道路提取算法,针对传统数据模型提取道路不够准确的缺点,改进了数据模型。提出了基于边缘检测的生灭转移核,避免了传统的生灭过程搜索的盲目性,大大加快了算法的收敛速度。针对传统转移核容易破坏线段的连接性的缺点,定义了多种新型的RJMCMC转移核,重新设计了基于邻域的生灭转移核及线段参数转移核。仿真结果表明,改进算法大大提高了收敛速度,并且提取的道路网络更准确,更连续。

基于随机点过程理论的疲劳裂纹随机扩展模型

本文根据疲劳裂纹扩展特性．运用随机点过程理论导出了求取裂纹扩展随机过程低阶矩的公式．同时根据二阶矩近似法用Ｗｅｉｂｕｌｌ分布近似给定寿命下的疲劳裂纹长度分布．给出了求取给定寿命下裂纹超值概率分布和给定裂纹长度下疲劳寿命分布公式．最后，用小样本孔边短裂纹扩展数据对模型适用性进行了初步验证．

基于局部结构约束标识点过程的遥感影像道路提取

针对道路提取方法存在的漏提、误提等问题,提出一种基于局部结构约束的线段标识点过程提取算法。将道路网视作道路段集合,以随机点过程定义位置,以线段为标识定义几何结构,根据道路局部特征构建自适应的约束模型,结合道路的光谱同质性和异质性建立光谱测度模型,在贝叶斯理论构架下,综合上述模型和参数分布建立后验概率模型,设计可逆跳变马尔可夫链蒙特卡洛(RJMCMC)算法模拟采样,并为加快收敛速率设计高效的RJMCMC转移核,以最大化后验概率为准则,获取最优道路网。采用全色遥感影像进行实验、缓冲区评价方法进行定性和定量分析,计算得出道路提取的精准率和完整率分别能达到52%和98%以上,验证所提算法能准确有效地提取出道路网络。

重复数据空间点过程的非参数强度函数估计的渐进性质（英文）

在重复数据的情况下,我们给出了非齐次点过程强度函数的核估计.并研究了该估计的均方差与积分均方差的渐进性质.对于核估计的窗宽选择,我们给出了两种不同的方法,并用模拟的方法比较了这两种方法的效率.

基于点过程的极值VaR研究

风险无时不有、无处不在,风险本身并不可怕,金融机构就是通过承担风险、管理风险来获得收益的。真正可怕的是极值风险,即稀少或极端事件的发生给经济主体带来巨额损失的风险。因此对极值风险的建模就成为风险管理的重中之重。极值理论为极端事件的统计建模和极值风险测度的计算提供了坚实的理论基础,故有必要通过介绍和比较传统极值事件的建模,基于点过程构建极值风险的一般模型,并利用外汇市场的日数据和VaR的估计与检验进行实证分析。

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.

汽车保险的聚合理赔的簇生点过程模型

文章讨论多车辆相撞事故的聚合理赔问题,并将保险中的聚合理赔的经典风险模型——复合泊松过程模型做了推广,建立簇生点过程模型. 以概率母泛函为工具,给出了在(]t,0内理赔总量的均值与方差,并说明了它在应用上的意义.

高斯序列超过数点过程与和的联合渐近分布

为非平稳标准化高斯序列,记为对水平的超过数形成的点过程,为的第k个最大值,。在下,给出与,与的联合渐近分布。

传感器网络中基于抑制点过程的随机调度覆盖控制算法

现有随机调度覆盖控制算法由于节点加入不相交覆盖子集的完全随机性,会出现节点分布不均匀、额外唤醒节点过多的问题。文章通过理论分析给出了存在边界效应时满足覆盖质量要求的随机覆盖集节点数量的下界,然后根据抑制点过程理论对节点分布均匀性进行了量化建模,并给出了最优抑制距离搜索方法,在此基础上提出了一种基于抑制点过程的随机调度覆盖控制算法(IRSCCA),IRSCCA算法采用基于抑制机制的不相交覆盖子集划分规则来改善各覆盖子集节点分布的均匀性,通过自适应额外唤醒规则保证各覆盖子集到Sink的连通性。仿真结果表明,与现有算法相比IRSCCA算法可以显著改善覆盖子集中节点分布的均匀性,提供更好的覆盖质量,并能有效减少额外唤醒节点数量。

基于随机点过程的IEEE802.15.3a超宽带信道模型研究

基于随机点过程理论分析了IEEE802.15.3a超宽带信道模型,提出了信道模型的数学模型来解决其易于计算机仿真而难于理论分析的问题。得到的数学模型分成四个统计独立的部分,包括一个确定值、两个有限二维泊松过程以及一个有限二维泊松簇生过程。利用该数学模型求出了IEEE802.15.3a信道模型在一定时间窗内到达的平均多径数、平均多径数密度分布以及功率延迟分布,得到了闭合的表达式。表达式的计算结果和计算机仿真结果相吻合,从而验证了该数学模型的有效性。