基于自适应核带宽度Mean Shift算法的单木识别研究

为提高多树种森林中单木识别的精度,利用机载激光雷达点云数据作为研究对象,提出一种基于自适应核带宽度Mean Shift算法的单木识别方法。该方法先采用直方图分析法分离树冠点云和冠层下点云,再采用基于二维增量网格投影的区域生长法,估算单木冠幅有效半径,然后以单木冠幅有效半径作为自适应核带宽度,对树冠点云进行自适应Mean Shift聚类分析,得到树冠点簇,最后采用包络盒方法根据树冠点簇和树干点云的空间关系识别单木。试验结果表明,检测树与实际树的位置、树冠形态近似一致,单木召回率达到86.1%,准确率达到91.5%,高于2个对比试验的结果。研究证明设置的自适应核带宽度能够自动调整以反映局部树冠的实际大小,在多树种森林的单木识别中表现良好。

基于WGKMW-SVM的冲击倾向性评价模型

对煤的冲击倾向性进行评价是冲击地压灾害防治的前提。现有的冲击倾向性评价方法存在一定的不足之处,针对这一问题,收集了以动态破坏时间DT、弹性能量指数W_(ET)、冲击能量指数K_(E)和单轴抗压强度R_(C)为评价指标的数据库,建立冲击倾向性评价的WGKMW-SVM模型,评价准确率达92.6%。将WGKMW-SVM模型应用于万峰煤矿,评价结果与工作面煤层一致,得到一种高效准确、具有应用前景的冲击倾向性评价方法。

基于最小模糊误差熵的机动目标跟踪新方法

为了提高不同噪声影响下机动目标跟踪的性能,提出了一种基于最小模糊误差熵无迹滤波(Minimum Fuzzy Error Entropy Unscented Filter,MFEE-UF)机动目标跟踪新方法.在提出方法中,通过引入模糊隶属度表示不同误差样本对估计结果的不同影响,构建最小模糊误差熵准则(Minimum Fuzzy Error Entropy Criterion,MFEEC),解决了普通误差熵中的权重单一化问题,并利用该准则优化无迹滤波;在推导MFEE-UF过程中,首先利用无迹变换(Unscented Transformation,UT)框架得到先验状态估计和先验协方差估计,并通过系统重建得到误差信息,再根据MFEEC构建目标函数,最后利用定点迭代法递归求得后验状态估计结果和后验协方差估计.此外,本文采用一种自适应的核宽设置方法.实验结果表明,该算法能够具有良好的目标跟踪效果,且表现出较强的稳定性.

粒重基因TaCwi-A1等位变异在黄淮麦区小麦品种(系)中的分布及功能分析

为探讨小麦粒重基因TaCwi-A1等位变异TaCwi-A1a和TaCwi-A1b在育种实践中的应用价值,首先利用TaCwi-A1功能标记对539份黄淮麦区小麦品种(系)进行分子检测,确定各供试材料的等位变异类型,从而获得TaCwi-A1a和TaCwi-A1b 2种等位变异的分布频率。对审定品种、参加区试品系以及自育品系进行了千粒质量(3个不同生长环境)及粒长、粒宽和籽粒面积(1个生长环境)测试分析,比较TaCwi-A1a和TaCwi-A1b等位变异籽粒表型性状的差异性。结果表明,在539份黄淮麦区小麦资源中TaCwi-A1a的分布频率为65.03%,TaCwi-A1b的分布频率为34.97%,TaCwi-A1a的分布频率明显高于TaCwi-A1b。籽粒表型性状分析表明,无论是审定品种,还是参加区试品系和自育品系,在3个生长环境下,TaCwi-A1a基因型材料的千粒质量均值都显著高于TaCwi-A1b;TaCwi-A1a基因型材料的粒长和粒宽均显著高于TaCwi-A1b。进一步验证了TaCwi-A1a等位变异的籽粒表型性状增效功能,说明其对粒重及其构成要素是优异的等位变异。此外,本研究鉴定了黄淮麦区中TaCwi-A1等位变异的分布情况,为亲本选配提供了参考。

小麦粒长和粒宽的QTL定位分析(英文)

【目的】粒长、粒宽是小麦种子重要的形态性状，该性状对籽粒的外观商品品质、产量及磨粉品质均至关重要，研究不同环境条件下小麦粒长、粒宽的单个标记和复合区间作图的QTL定位，对小麦粒长、粒宽的分子标记辅助选择具有重要参考作用。【方法】应用一个由115个系组成的W7984／Opata85重组自交系（RIL）群体，建立了由394个DNA分子标记组成的遗传连锁图，在2种不同环境条件下对小麦粒长、粒宽进行了单个标记的回归分析和复合区间作图的QTI，定位。【结果】在单个标记的回归分析中检测到5个粒长的QTLs、3个粒宽的QTLs；复合区间作图分析结果表明，控制粒长的QTLs分别位于5BL和7DS上，在5BL上的贡献率为20．20％～20．81％，LOD值为4．50～4．55；在7DS上的贡献率为13．54％～13．91％，LOD值为2．94～3．20。控制粒宽的QTL位于2B上，贡献率为13．71％～19．30％，LOD值为2．98～4．18。【结论】位于5B和7D上的控制粒长的QTL和位于2B上的控制粒宽的QTL在2种条件下均能检测到。

一种改进的量子聚类算法

介绍了概率波函数、薛定锷方程、量子势能和量子聚类(Quantum clustering,QC)算法。给出了量子势能确定聚类中心的量子力学依据,强调其重点在于聚类中心的确定而非聚类边界;指出了QC算法中的波函数相当于一个核函数,其中的尺度参数的实质是核宽度调节参数,并给出一种有关它的直方图估算方法。基于此,本文提出一种基于核宽度调节参数估算的改进的量子聚类(Parameter-estimated quantum clustering,PeQC)算法,可克服QC算法中要通过多次训练来最后选取参数的不足。通过与QC算法的实验比较,证明该算法有较高的聚类效能,比标准量子聚类算法简单可行、易操作。

误差熵的估计问题研究

指出了具有复杂分布的随机量的总体熵的估计问题,首次给出了估计熵的最小截断误差限。推导了样本熵的近似估计公式,引入最优窗宽、全局最优窗宽的算法,首次解决了样本熵的估计值不惟一的问题。

基于序列近似优化算法的固体运载火箭弹道设计

采用打靶法研究固体运载火箭弹道优化设计问题。针对打靶法中智能优化算法效率、优化问题中约束条件提法等方面的不足,引入序列近似优化算法,提出算法中径向基函数高斯核宽度的高效确定方法。数值仿真实验表明,提出的方法可在基本不带来计算量增加的前提下,显著提高代理模型精度,使序列近似优化算法得到改进,提高优化效率。设计固体运载火箭飞行程序。建立弹道优化设计问题数学模型,并将模型中相关等式约束合理转化为不等式约束,降低优化问题求解难度;基于改进后的序列近似优化算法完成某固体运载火箭弹道优化,原始计算模型调用308次之后便搜索到最优解,较传统智能优化算法显著提高了优化效率,优化方案末助推级液体推进剂消耗比原方案减少25.7%。

多类核极化及其在多宽度RBF核参数选择中的应用

针对多类支持向量机的模型选择问题,提出一种适用于多分类问题的核函数度量标准,称为多类核极化。进一步地,提出了基于优化该标准的多宽度RBF核的参数选择算法。与传统的基于k-折交叉验证的穷举搜索方法相比,该算法利用基于梯度的搜索技术自动实现模型选择,克服了传统方法的经验性强、计算量大的不足。UCI数据集上的实验结果验证了多类核极化与多参数模型选择算法的有效性。

支持向量分类和多宽度高斯核

支持向量分类中,高斯核不区分样本中各个特征的重要性,显然各个特征对分类的贡献一般是不相同的.为了体现这种差别从而提高支持向量机的泛化性能,文中提出了多宽度高斯核的概念.多宽度高斯核增加了支持向量机的超级参数,进一步地,文中提出了多参数模型选择算法.算法利用误差界自动实现模型选择.通过实验验证了多宽度高斯核和多参数模型选择算法的有效性.

某一函数类在Orlicz空间内的n宽度

本文讨论了由非退化的全正核K（x,y）所确定的某一函数类K∞在Orlicz空间内的Kol-mogorov宽度,线性宽度,Gelfand宽度的精确估计,同时也讨论了相应的对偶情形.

水文频率分析的非参数统计计算方法

为了改进了非参数统计依靠大样本保证精度,避开参数统计中水文频率分析计算的线型假设问题。以非参数统计理论为基础,把变换理论和非参数统计理论结合起来,提出了一种直接对经验分布函数拟合的非参数回归的变换方法,并将其用于水文频率分析计算。蒙特卡罗统计试验结果表明,该方法是合理的,为水文频率分析提供了一种有效方法。

洪水频率分析的非参数密度变换模型研究

以非参数统计理论为基础,把变换理论和非参数统计理论结合起来,建立了洪水频率分析的非参数密度变换模型.通过变换,改进了非参数核密度估计方法,避开了窗宽选择问题,提高了小样本的估计精度.

一种改进的密度核估计算法

密度核估计是解决统计问题中样本分布密度函数拟合的一类非参数统计方法,在经济、金融等领域有着重要的应用价值.密度核估计重点在于研究它的算法,使其估计值相对精确.本文提出了一种密度核估计的迭代方法,并通过算例与原有的密度核估计方法进行统计模拟比较,得出迭代后的值具有较好的拟合程度,充分验证了迭代方法的可行性与优越性.

基于加权多宽度高斯核函数的聚类算法

针对在支持向量聚类,当样本分布不均匀时,单宽度的高斯核限制了支持向量机泛化性能,影响了聚类效果的问题,提出一种基于加权多宽度高斯核函数的支持向量聚类算法。加权多宽度高斯核函数比单宽度的高斯核有更多的可调参数,通过多参数调节,可提高泛化能力,改善聚类效果。仿真实验表明,与单宽度的高斯核相比,加权多宽度高斯核可以有效聚类,从而证明了该算法的有效性。

布谷鸟搜索算法优化支持向量机的停车位预测

针对我国汽车保有量增长迅速,停车位供需矛盾突出的问题,提出了一种布谷鸟搜索算法和支持向量机(cuckoo search-support vector machine,CS-SVM)的组合停车位预测方法.通过支持向量机对样本数据进行建模,并采用布谷鸟搜索算法优化SVM中的2个参数,惩罚系数C和核函数宽度σ.通过案例仿真对CS-SVM、支持向量机和小波神经网络3种预测模型进行对比验证.结果表明,该组合模型预测精度高、稳定性好,能够有效减少司机寻找可用停车位的时间,同时提高了停车位的利用率.

核参数判别选择方法在核主元分析中的应用

针对核主元分析(KPCA)中高斯核参数β的经验选取问题,提出了核主元分析的核参数判别选择方法。依据训练样本的类标签计算类内、类间核窗宽,在以上核窗宽中经判别选择方法确定核参数。根据判别选择核参数所确定的核矩阵,能够准确描述训练空间的结构特征。用主成分分析(PCA)对特征空间进行分解,提取主成分以实现降维和特征提取。判别核窗宽方法在分类密集区域选择较小窗宽,在分类稀疏区域选择较大窗宽。将判别核主成分分析(Dis-KPCA)应用到数据模拟实例和田纳西过程(TEP),通过与KPCA、PCA方法比较,实验结果表明,Dis-KPCA方法有效地对样本数据降维且将三个类别数据100%分开,因此,所提方法的降维精度更高。

论电力负荷概率特性——非参数核密度估计在电力负荷特性分析上的应用

基于现实需要,提出了负荷概率特性问题,并引入非参数核估计方法,对服从典型分布假设的理由不充分的情况下的负荷密度作了有效估计,进一步在此基础上构造了负荷概率特性指标,补充了现行负荷特性分析的方法.通过对一实例的编程计算、比较分析,表明了分析电力负荷概率特性的现实意义,以及在该类问题上,非参数核估计方法的良好适用性.

自适应N-W核回归估计量的改进

文章研究了可变窗宽的自适应N-W核回归估计,并提出了一种改进的自适应N-W核回归估计。研究表明,在三种N-W核回归估计中,具有可变窗宽的自适应N-W核回归方法比固定窗宽的N-W核回归方法的估计效果更好,对于一个自适应N-W核回归估计量来说,使用算术均值得到的窗宽比使用几何均值得到的窗宽,在估计效果上有更大的优势。

强混合样本回归函数估计的强相合性

本文基于强混合样本，给出回归函数核估计的强相合性，全面地改进了胡舒合（１９９５）所得的相应的初步结果．并建立了与独立样本相当的最优收敛速度，所得结果也包括随机窗宽和密度函数核估计．