基于非参数化概率模型的CT肝脏图像分割

将肝脏组织从CT图像中提取出来是肝脏图像处理的重要环节.本文利用非参数化概率模型构造水平集演化的速度函数,提出了一种改进的肝脏CT图像分割方法,得到了较好的分割结果.对肝脏CT图像进行分割的实验表明,该方法准确度高、抗噪性能良好.

中国A股市场结构性突变研究

中国A股市场近几个月以来表现出非常大的波动性,经常出现千股跌停或者千股涨停的现象,能不能基于股市之前的历史信息提前发现涨跌拐点?尝试利用Relative unconstrained Least-Squares Importance Fitting(RuLSIF)模型,以六维矩阵为样本,基于时间序列样本间的非参数密度函数比估计A股市场的结构性变点去分析中国股市的结构变点问题。实证结果表明,自从A股成立以来,2014年10月16日为市场结构突变最大点,即从该日开始,A股市场的市场结构已经发生本质的改变,和之前的市场结构具有很大的不同。模型基于样本内数据得出的样本外预测与实际走势较吻合,进而模型可以为实际投资中对阶段性投资策略的调整提供参考依据。

考虑负荷自适应检测和修复的鲁棒极限学习机短期负荷预测方法

针对现有负荷预测方法对于温度、湿度累积效应下的短期负荷预测精度低的不足,该文提出了一种基于时变Cook距离统计量的负荷异常值检测和基于非参数概率密度估计的负荷自适应修复的鲁棒极限学习机(extreme learning machine,ELM)短期负荷预测方法。首先将历史负荷数据按季节分组,根据每个季节实时负荷和对应的气象因素,利用递归最小二乘法获取历史负荷数据的自适应遗忘因子,构建基于遗忘因子的时变Cook距离统计量,检测负荷数据中的异常值(或强影响值);采用非参数概率密度估计,构建实时负荷与气象因素的随机模型对异常负荷值(或强影响值)进行修复。考虑电力负荷数据异常值对预测精度的影响,采用了一种鲁棒ELM算法对负荷数据进行回归分析;最后,引入基因遗传算法对负荷预测模型参数进行优化,提升负荷预测算法预测准确率;通过实例仿真分析,验证了该方法提高预测精度的有效性。

基于Copula理论的最优边缘分布模型构建

基于Copula理论,文章以Kolmogorov-Smirnov、Ljung-Box Q检验结果为择优标准,综合利用ARMA-GARCH族模型、极值理论以及非参数核密度函数构建四类常用边缘分布模型,以确定刻画全球重要股指收益率边缘分布的最优模型。结果表明,非参数ARMA-GARCH族-EVT模型对样本边缘分布的刻画最为准确。