基于互信息熵差测度和Gauss-Markov随机场模型的医学图像分割

图像分割类数的确定一直是个难点,基于互信息熵差测度进行图像分割类数的确定,较好地解决了该问题.互信息熵差描述了随着分割类数增加时分割图像和原图像互信息量的增加程度,其作为一种类数确定测度时,可认为取得了一种分割类数与分割图像中所包含信息量的平衡,以此提出了分割类数确定的判别规则.在分割算法方面,Gauss-Markov模型既利用了图像的灰度信息,又通过Gibbs先验概率引入了图像的空间信息,能较好地用于分割含噪声的图像.然而,Gibbs惩罚因子β的确定却一直是个难点,为获得好的分割效果,通常用多个β值人工尝试.针对此问题,提出了一种类自适应的惩罚因子β,其利用后验概率来自动计算,并具有各类各向异性.再将模型利用EM-MAP算法来迭代求解.最后,将算法应用于医学图像的分割,实验表明该算法具有满意的分割效果.

Gauss-Markov估计关于误差分布的稳健性

对于一般线性模型y=Xβ+ε,本文讨论了在广义均方误差准则及均方误差矩阵准则下,未知参数β的可估函数Xβ的Gauss-Markov估计关于误差分布的稳健性,分别给出了误差项ε的最大分布类,使得误差项ε的分布在此范围内变动时,Gauss-Markov估计在相应准则下是最优估计.

Gauss-Markov加密矩阵构造及图像加密应用

为了解决加密矩阵难以构造的问题,提出一种获得整数矩阵的新算法,利用Gauss-Markov过程生成一个随机序列,将该序列转换为一系列的低阶整数矩阵,从中寻找行列式等于1的整数矩阵,并对这些矩阵进行张量积运算得到高阶加密矩阵,应用于数字图像加密。加密实例和理论分析及对比表明,该算法可自动生成安全性很高的加密矩阵,且加密结果具有良好的随机特性和自相关性,能满足密码学的要求。

Gauss-Markov模型参数的部分根方估计

在分析根方估计、Stein均匀压缩估计、Sclove部分压缩估计各自特点的基础上,提出了一种新的有偏估计部分根方估计,并讨论了它的优良性质。计算结果表明,在设计阵呈病态时,部分根方估计确能改善LS估计。

平衡损失下一般Gauss-Markov模型中回归系数的最优估计（英文）

在平衡损失下,我们研究了一般Gauss-Markov模型中回归系数的最优估计,首先我们得到了线性估计为最佳线性无偏估计的充分必要条件;其次证明了平衡损失下的最佳线性无偏估计在几乎处处意义下是唯一的,并且是普通最小二乘估计和二次损失下最优估计的平衡;最后,我们讨论了最优估计关于损失函数和模型设定的稳健性,并得到了该最优估计在模型误定下具有稳健性的充分必要条件.

Gauss-Markov模型参数的岭型广义逆估计及其优良性

本文继续文献 [10 ]的工作 ,进一步讨论了测量平差 Gauss- Markov模型参数岭型广义逆估计的若干性质 ,如允许性、优效性、相对效率、抗干扰性等等 ,得到了许多重要结论。计算结果表明 ,在设计阵呈病态时 ,岭型广义逆估计确能明显改善 L

生长曲线模型中Gauss-Markov估计的存在性

本文给出了生长曲线模型(?)中Eyy′的GME(Gauss-Markov估计)存在的克要条件,也给出了Ey的GME存在的充要条件。作为推论,给出了[2]中的定理3及定理4,其中(?)=(y_1,…,y_p),y=(y′_1,…,y′_p)′。y依准正态分布。

一般Gauss-Markov模型中参数岭估计的可容许性的一个证明

讨论一般Gauss-Markov模型中参数岭估计的有关问题 ,并在均方误差矩阵意义下 ,证明了一般岭估计在线性估计类中是否容许估计。

矩阵损失下一般Gauss-Markov模型线性预测的可容许性

本文研究了一般Gauss-Markov模型中线性可预测变量的线性预测的可容许性.在给出线性预测可容许性定义的基础上,通过构造一个特殊的常量矩阵D0,分别得到了齐次和非齐次线性预测类中可容许的充要条件.

回归模型中一个Gauss-Markov估计的存在问题

Drygas,H.在[1]中讨论了方差协方差分量模型中某些 Gauss-Markov 估计(以下简记为 GME)的存在问题,作为一个例子。

基于非线性Gauss-Markov模型与广义EIV模型的矿区高程拟合方法研究

论文以矿区沉降观测的高程异常拟合为案例,分别基于非线性Gauss-Markov(GM)模型和广义EIV(error-in-variables,EIV)模型详细推导了煤矿开采沉陷区高程异常拟合方法。通过实测数据和仿真数据表明:在实测实验中,由于是等权的方式,广义EIV模型与非线性GM模型的估计结果一致且精度相当,与文献[8]的结论一致,表明了论文方法的正确性;在仿真实验中,广义EIV模型的参数与外推检核点的高程异常估值的均方根均小于非线性GM模型的结果。这也表明在加权条件下,广义EIV模型处理精度要优于最小二乘法的仿真数据处理精度。因此,应结合实际情况,选择合理的方法进行矿区高程异常拟合。

Estimation on principal component of multi-collinearity Gauss-Markov model based on minimum description length

Gauss-Markov model is frequently used in data analysis; the analysis and estimation of its parameters is always a hot issue. Based on the information theory and from the viewpoint of optimal information on description—minimum description length, this paper discusses a case: where there is multi-collinearity in the coefficient matrix, principal component estimation is used to estimate and select the original parameters, so as to reduce its multi-collinearity and improve its credibility. From the viewpoint of minimum description length, this paper discusses the approach of selecting principal components and uses this approach to solve a practical problem.

老旧校园绿地集水区优化对雨水排放与LID设施功能的影响——以石家庄铁道大学为例

集水区作为雨水汇集的基本单元对雨水排放有很大的影响,对集水区的优化设计可以有效提高雨水排出效率。以石家庄铁道大学长安校区翠园及其周边区域为例,对该区域的高程变化、排水设施、绿地分布进行调研,计算该地区重现期为1年一遇、5年一遇,历时2h;10年一遇、20年一遇,历时24h的降雨曲线,并通过SWMM软件分别对区域内现状、优化集水区2种情况的雨水径流、出流、雨涝风险与关键节点深度变化进行分析。结果表明,经过优化后的集水区可以有效消减79.7%~91.9%的径流峰值,同时降低了雨水井的溢流量。在优化集水区后布设低影响开发设施也能将低影响开发设施的渗水效率提高45.9%~56.1%。为使该策略能够更加方便地应用于老旧校园绿地改造,同时结合参数化设计技术,以研究区域内的园林绿地为例,将绿地集水功能与园林形式进行有机融合。

中国降雨过程时程分型特征

为研究降雨过程雨强随历时的变化关系,利用中国14个气象站近40年逐分钟降雨资料,采用动态K均值聚类法并根据雨峰在降雨过程中出现的位置,将中国10256次降雨过程分为4种类型,即降雨前期集中型(I型)、降雨中期集中型(II型)、降雨后期集中型(III型)和降雨均匀分布型(IV型)。结果表明:中国I型降雨出现频次最高,占47.1%;II型次之,占21.2%;III型和IV型出现频次相当,分别占15.3%和16.4%。夏季I型降雨发生频次占绝对优势,为夏季总降水过程的52.2%;冬季各类雨型发生频次相差不大。I型多为短历时高强度降雨,而IV型多为长历时低强度降雨,II型和III型居中。历时越短时,I型降雨的比重越大;随着降雨历时的增加,I型降雨的比重明显下降,IV型降雨的比重增加。

无资料小流域设计洪水不确定性研究

针对小流域降雨资料不足甚至无降雨资料的情况,研究了在不同雨型(主雨位偏前、偏中和偏后)下,使用2种暴雨频率计算方法(地区综合法和L-矩法),计算不同重现期设计暴雨和设计洪水的不确定性。结果表明L-矩法的计算结果不确定性小,更稳定,而地区综合法偏保守;不同雨型下的设计洪峰和洪水历时变化较小,但峰现时间相差较大,会极大地影响调洪结果。

Box-Cox变量变换拟合法估计三参数P—S—N曲线的研究

提出一种基于变量变换法的Box-Cox变量变换拟合法,可以解决不同应力水平下对数疲劳寿命不满足正态线性Gauss-Markov假设的三参数P—S—N曲线拟合问题;选取LC4、40CrNi Mo和LY12CS材料的试验数据对文中方法的有效性和可靠性进行验证。数据分析表明,文中方法估计的三参数P—S—N曲线比利用最小二乘法的拟合效果更好。在两种可靠度下曲线拟合的相对误差可降低至最小二乘法拟合的1/2,最大可降低至1/4,使变换后的模型残差达到最小。改善并稳定了回归模型的残差分布,得到回归系数估计值的最佳无偏估计,还原变换后得到非线性能力较强的幂函数模型,从而提高原始数据的三参数P—S—N曲线的拟合精度和可信度。

异类多模型动态融合软测量方法研究与应用

提出一种基于动态Gauss-Markov估计的多模型融合软测量建模方法。分别使用静态模型RBF网络、动态模型OELM和OLS-SVM进行建模,再用动态Gauss-Markov估计进行融合。该方法的精度要高于任何一个子模型,且能够跟踪时变系统的动态特性。将此方法应用于乙烯精馏塔塔釜乙烯浓度预测,结果表明该方法比其它方法具有更好的泛化效果和预报精度,显示出其良好的应用潜力。

基于多模型动态融合的自适应软测量建模方法

针对目前软测量建模过程中,单个模型难以精确描述复杂非线性对象而多模型又多采用静态模型因而对系统实际运行中的动态变化考虑不足的问题,提出了一种基于多模型动态融合的自适应软测量建模方法。该方法首先采用仿射传播聚类算法对样本数据进行分类,并对不同类别的输入样本分别建立基于高斯过程回归的子模型,最后使用动态Gauss-Markov估计对各子模型估计值进行融合。将上述方法应用于对二甲苯(p-xylene,简称PX)吸附分离过程纯度的软测量建模,仿真结果表明该方法能够有效地增强模型适应工况变化的能力,是一种有效的软测量建模方法。

平衡损失下回归系数的最优估计

主要研究一般Gauss-Markov模型中回归系数的最优估计问题.在平衡损失下,考虑回归系数的线性估计在线性无偏估计类中的最小风险性,得到回归系数的最优线性无偏估计,并证明最优线性无偏估计在几乎处处意义下的唯一性.特别地,考虑了一类特殊的估计:b-线性估计;获得了回归系数的最优b-线性无偏估计,结果表明最优线性无偏估计也是回归系数的最优b-线性无偏估计.

岭-主成分组合估计及其在测量平差中的应用

在分析岭估计缺陷的基础上,运用主成分估计方法,提出了测量平差Gauss-Markov模型参数的一个新的有偏估计,称为岭-主成分组合估计,在均方误差意义下讨论了岭-主成分组合估计的优良性质及其岭-主成分组合估计与岭估计、主成分估计的比较问题,讨论了岭-主成分组合估计中偏参数的选取问题,得到了许多重要结论。理论分析和计算结果都表明,岭-主成分组合估计是一类很有潜力的有偏估计。