Sparre Andersen风险模型破产时刻和破产赤字的联合密度函数

假设索赔额服从指数分布时,在普通更新风险模型中,应用Kendall等式,给出破产时刻的密度函数.然后使用概率方法得到普通更新风险模型和延迟更新风险模型中破产时刻和破产赤字的联合密度函数的解析表达式.最后考虑了当索赔间隔时间为Erlang(2)分布的数值例子,并绘图给予了说明.

平面Brown运动关于圆的首中时与首中点的联合密度

给出了平面Ｂｒｏｗｎ运动关于圆的首中时与首中点的联合密度，作为推论分别求出了首中时与首中点的边际分布密度。

改进的Markov和联合密度特征的MP3隐写分析方法

提出了一种MDCT(修正的离散余弦变换)域的MP3隐写分析方法。该方法通过改进的Markov特征集和联合密度特征集提取出MDCT系数的特征,经过方差分析选择有效的特征用于支持向量机(SVM)的训练与检测。实验结果表明,与以往方法相比提高了对MP3Stego的检测率,能有效地检测常见的MDCT系数修改的MP3信息隐藏方法。

谱负Levy过程的三者联合密度函数与Gerber-Shiu折现罚金函数(英文)

将开始于u(≥0)的谱负Levy过程(即没有正跳的Levy过程)看作推广的风险模型,得到了破产时刻和破产瞬间前后余额三者的联合密度函数,运用已得结论和∫∞e-δtgt(x)dt(gt(x)为过程在时刻t的密度函数)给出了Gerber-Shiu折现罚金函数.

风浪波高和周期的联合概率密度分布

本文采用有代表性的44008美国国家浮标站2003年1～3月实测的海浪谱密度资料,选取三次大风过程进行风浪谱分析。通过对实测平均海浪谱与PM谱、JONSWAP谱及Torsethaugen谱的比较,得到PM谱拟和最好。然后用国际上最先进的随机波分析方法,根据协方差矩阵的循环嵌套技术,以实测平均谱与PM谱为靶谱,对随机波面进行模拟。得到由模拟波面统计的特征值及估计的谱与实测谱结果极为相近,谱峰及谱峰频率都基本一致。说明利用模拟波面研究海浪具有代表性,它可以反映实测海浪的特征。利用Longuet-Higgins(1983)模型计算波高-周期联合概率密度分布,得到变换高斯过程计算的波高、周期联合分布与实测情况基本相同,更好地描述了波高-周期联合概率密度分布。

破产瞬间及前后余额的联合密度函数

本文对古典风险模型给出了破产时间和破产前后余额三者的联合密度函数表达式。并且由此直接证明了推广的Dickson公式。

联合概率密度脊提取的影像镶嵌色彩一致性处理方法

针对大区域待镶嵌遥感影像之间存在亮度分布和对比度不一致的问题,提出一种联合概率密度脊提取的色彩一致性处理方法。统计两景影像重叠区域对应波段亮度值的联合概率密度,并从中提取通过"脊"的直线作为回归方程,对输入影像进行处理,使得影像间具有类似的对比度和亮度分布。选取TM数据进行了试验,结果表明:镶嵌结果色彩均匀、视觉特征良好,与传统方法相比具有较好的稳定性和统计特征。

基于联合概率密度的多传感器定位算法

讨论了多传感器多目标定位问题,提出了一种新颖的定位算法。分析了目标在观测空间的概率分布,基于空间栅格划分,实现了目标概率密度的准确求解,通过提取联合概率密度峰值得到了目标位置估计。理论分析表明,该算法的计算量仅与传感器和目标数的乘积成正比,当传感器和目标较多时,不会出现组合爆炸。该方法定位精度高,适合并行处理,仿真结果验证了本文方法的有效性和可靠性。

联合概率密度空间的遥感自适应变化检测方法

多种因素引起的辐射特征变化,将造成阈值法变化检测的误检。对此,本文提出了一种联合概率密度空间的多阈值自适应变化检测方法。首先,将影像从像素空间转化到联合概率密度空间,将变化地物定义为联合概率密度空间的离群点,并采用迭代方法将其提取,然后映射回原始影像后确定变化区域。选取两种典型应用进行试验,结果表明,本文方法在正确率、误检率和漏检率方面优于传统方法,具有较好的稳健性。

海浪波高与周期联合概率密度分布的研究

本文分析了石臼港的波浪实测资料。将获得的波高与周期联合概率密度分布图与现有的主要理论分布模式和经验统计模式进行了比较,考察了各种模式与实测结果的适合程度。本文还对可能影响波高与周期联合概率分布的谱特征值与统计特征值进行了研究,寻求出主要的控制参数。最后用数值模拟的方法探讨了浅水因子对联合概率分布的影响。

基于联合概率密度的随机声疲劳寿命估算方法

针对燃烧室火焰筒结构随机声疲劳问题,根据有限带宽高斯白噪声载荷作用下结构振动响应功率谱密度得到雨流循环均值-幅值条件概率的计算式,结合雨流循环幅值概率密度Dirlik经验公式推导出雨流循环均值-幅值联合概率密度函数,克服了在疲劳寿命估算中只考虑幅值、忽略雨流循环均值影响的局限性。根据Miner线性累积损伤理论,运用获得的联合概率密度函数建立声疲劳寿命的估算方法。以某型航空发动机燃烧室火焰筒结构为例,利用耦合的有限元和边界元方法进行振动响应计算分析。基于应力响应结果,运用提出的方法对火焰筒结构进行疲劳寿命估算,并分析不同声压级的声载荷对火焰筒结构疲劳寿命的影响。研究表明,该方法对航空薄壁结构声疲劳寿命分析具有适用性。

广义Erlang(2)风险模型下破产时和破产前索赔次数的联合密度(英文)

研究了广义Erlang(2)风险模型,利用Lagrange展开定理得出了初值为零时破产时和破产前索赔次数的联合密度表达式,并利用概率论证的方法进一步得出了初值大于零时破产时和破产前索赔次数的联合密度.最后,用两个例子来说明前面的结论.

风电场输出功率的多时段联合概率密度预测

风电场输出功率波动性较强,难以精确预测,掌握其输出功率的分布规律对含有风电场的电力系统的运行决策具有重要意义。文中在分析风电场有功功率输出特性的基础上,提出了风电场输出功率多时段联合概率密度预测,利用风电场输出功率在时段间较强的相关性,估计其波动的幅度与速度特征,为系统运行提供更全面的决策信息。结合多元回归估计常条件相关—多元广义自回归条件异方差(CCC-MGARCH)模型与稀疏贝叶斯学习方法,给出了一种基于数值天气预报信息的风电场输出功率短期多时段联合概率密度预测方法。该方法依据CCC-MGARCH模型思想,将未来多个时段内风电场输出功率的联合概率密度预测问题分解为:风电场在各个时段内独立的输出功率概率密度预测子问题和时段间关联的输出功率预测误差相关系数矩阵估计子问题,利用稀疏贝叶斯学习方法在概率密度预测问题上的优势,形成预测效果好、计算效率高的风电场输出功率多时段联合概率密度预测方法。应用实例与分析说明了该方法的有效性。

基于联合概率密度判别器和神经网络技术的煤种辨识方法

提出一种基于联合概率密度判别器和神经网络技术进行煤种在线辨识的方法。根据不同种类的煤燃烧时火焰的特征不同,利用三个光电传感器来获得燃烧火焰在红外、可见光和紫外三个谱段上的辐射信号,通过特征值提取得到火焰辐射信号在时域和频域内的特征值,经过主成分分析处理得到正交化的、维数压缩的特征值矢量。利用获得的正交化特征值矢量数据,建立每一已知煤种的联合概率密度判别器和神经网络模型。利用基于燃煤特征值分布的联合概率密度判别器可进行是否为新煤种的判别,非新煤种则利用神经网络模型辨识燃煤的种类。试验结果表明,在某电站锅炉所测试的四种煤的情况下,结合联合概率密度判别器和神经网络模型进行燃煤种类的辨识,20次测试的平均成功率为97.6%。

多风电场短期输出功率的联合概率密度预测方法

提出一种多风电场短期输出功率的联合概率密度预测方法。首先利用支持向量机对每座风电场的输出功率进行单点值预测,对预测误差建立稀疏贝叶斯学习模型进行误差的概率密度预测,得到单一风电场输出功率的边际概率密度函数预测结果;对多风场输出功率预测误差特性进行统计分析,发现同一区域内,风电场输出功率预测误差之间存在线性时空关联特性,进而运用动态条件相关回归模型求得相关系数矩阵,定量描述多风电场短期输出功率预测误差之间的动态时空相关关系;最后,综合单一风电场输出功率边际概率密度预测结果和相关系数矩阵得到多风电场输出功率的联合概率密度函数,并借助多元随机变量抽样技术形成包含动态时空关联特性的多维场景。通过实例分析,表明了所提出方法的有效性。

极值风速风向的联合概率密度函数

基于最大熵原理,构建极值风速风向的联合概率密度函数,并与Copula函数建立相互关联.以我国某地的极值风数据为例,建立极值风速的Gumbel分布模型以及对应风向的二阶混合von Mises分布模型;使用非线性参数优化算法确定极值风速风向的联合分布模型.采用该模型计算各风向角下不同重现期的基本风速值,并与建筑结构荷载规范值(GB 50009-2012)进行对比.结果表明,联合分布模型能够有效表征实际风速风向的概率分布特征.分别采用Spearman秩相关系数和线性-角度变量相关系数对模型的相关性予以验证,探究模型的有效性.

一种基于联合概率密度判别器的新煤种在线辨识方法

提出一种利用主成分分析和联合概率密度判别器进行新煤种在线辨识的方法。根据不同煤质的煤的燃烧火焰在初燃区的特征不同,利用光电传感器获得燃烧火焰初燃区的光辐射信号,提取信号在时域和频域内的特征值,经过主成分分析处理得到正交化的、维数压缩的特征值向量。针对几种已知的煤种,利用获得的正交化特征值向量数据,建立每一煤种的联合概率密度分布模型。利用基于该模型的判别器,可以进行新煤种的判别或已知燃煤种类的辨识。

合肥地区大气风速风向联合概率密度函数研究

在光电扫描系统中,热晕驻区会对激光大气传输能量产生严重的衰减,而热晕驻区出现的概率是由大气风速风向联合概率决定的。由合肥地区2007年5月至2011年6月的对流层风廓线雷达1 h平均风场数据,根据最小二乘法原理,分别拟合Frechet、Gumbel和Weibull概率分布,得到拟合参数及相关系数和剩余标准差,从而比较得到最优分布模型;在上述方法拟合不出较好结果的情况下,由样本数据,根据圆形正态概率分布的特点,计算出纬向风和经向风平均值和均方差,这样也可以得到风场概率随风速和风向的关系,从而计算某一风场对应的概率。

基于联合多目标概率密度模型的多目标检测前跟踪算法

针对多目标环境下的检测前跟踪问题,提出了基于联合多目标概率密度(JMPD)模型的检测前跟踪(TBD)算法。JMPD模型同时模拟目标数目及其联合状态,采用粒子滤波递归估计JMPD实现目标数目及其状态的估计。仿真实验表明,所提算法在较小的延时检测的情况下,能准确估计目标的出生及消亡,并且航迹跟踪精确稳定,实现了对多个微弱目标的检测及跟踪。

采用特征向量夹角联合概率密度函数的信源个数估计方法

针对传统信源数估计算法如基于Akaike信息论准则方法、最小描述长度准则方法及盖氏圆盘方法等存在低信噪比时性能下降甚至完全不能正确估计信源个数的问题,提出一种基于协方差矩阵特征向量之夹角联合密度函数的信源数估计方法.该方法采用样本协方差矩阵特征分解后噪声子空间的一特征向量与其他特征向量求夹角余弦,然后求这些特征向量之夹角余弦的联合概率密度函数值,最后将两相邻密度函数值相除与阈值比较确定信源个数.数值模拟与水池实验表明该方法在低信噪比时性能远远好于以往算法,在阵列信号处理中具有一定的应用价值.