基于RJMCMC的视觉多目标跟踪算法

研究了基于MCMC的多目标跟踪算法。针对MCMC迭代过程中抽样置信度低以及不能进行有效迭代的问题,提出一种新的基于RJMCMC的视觉多目标跟踪算法。给定观测量,将跟踪问题建模为状态量的最大后验估计(MAP)、关于MAP的先验与似然的估计。借助匹配阵给出了目标先验建议分布,设计了4种马氏链可逆运动方式;似然度量采用随空间加权的颜色直方图匹配衡量。MCMC抽样过程中的状态由MS迭代产生,而不是随机走生成。基于似然度量导出了MS迭代式。实验结果及定量分析评估结果说明了本算法的有效性。

基于DeepMask和RJMCMC的遗留箱体检测

论文针对视频监控中的遗留箱体检测进行了研究,提出了基于深度神经网络特征提取及分割和贝叶斯网络建模相结合的检测方案。深度神经网络用于特征提取及个体分割以获取当前帧的似然概率及箱体检测,并使用贝叶斯建模方法将跟踪问题转化为状态的最大后验估计,在求解过程中采用RJMCMC的迭代采样法,以实现对可变多目标的跟踪。进而借助于RJMCMC过程的三种行为方式中的"新生"及跟踪状态,来判别箱体是否为遗留,从而实现对视频中遗留箱体检测。实验结果集定量分析评估表明了该算法的有效性。

基于RJMCMC方法的水下被动目标声源数和方位联合估计

针对传统的子空间类宽带信号处理方法需要较多的信号快拍数才能取得较好的估计效果这一问题,本文将一种基于时域宽带信号模型的贝叶斯高分辨估计方法用于水下被动目标的方位估计(DOA)。该方法使用宽带信号的时域模型,依据贝叶斯准则构建所需参数的后验概率密度函数,并采用可逆跳变马尔科夫链蒙特卡罗(RJMCMC)方法执行贝叶斯计算,对后验概率密度函数进行峰值搜索。由于其能够在不同维的参数空间中跳转,因此可以进行模型阶数(声源数)和目标方位的联合估计。与传统的子空间类方法相比,这一方法能直接在时域进行信号处理且仅需显著较少的信号快拍数。仿真结果表明,RJMCMC算法能较好地估计出声源数和目标方位。

可变类空间约束高斯混合模型遥感图像分割

针对传统高斯混合模型(GMM,Gaussian mixture model)难以自动获取类属数和对噪声敏感问题,提出了一种基于可变类空间约束GMM的遥感图像分割方法。首先在构建的GMM中,将像素类属性建模为马尔可夫随机场(MRF,Markov random field),并在此基础上定义其先验概率;结合邻域像素类属性的后验概率和先验概率,定义噪声平滑因子,以提高算法的抗噪性;在参数求解过程中,分别采用可逆跳变马尔可夫链蒙特卡罗(RJMCMC,reversible jump Markov chain Monte Carlo)方法和最大似然(ML,maximum likelihood)方法估计类属数和模型参数;最后以最小化噪声平滑因子为准则获取最终分割结果。为了验证提出的分割方法,分别对模拟图像和全色遥感图像进行了可变类分割实验。实验结果表明提出方法的可行性和有效性。

基于模拟退火的无监督核模糊聚类算法

提出一种新的核可能性聚类模型,该模型以核可能性Xie-Beni聚类有效性指标作为代价函数,基于可逆跳转马尔可夫链蒙特卡罗(RJMCMC)的模拟退火方法作为优化策略,聚类个数可以在给定的范围内进行变动,最优的聚类个数与聚类划分被自动获得.比普通的基于模拟退火的(核)可能性聚类具有更高的效率,且避免了普通(核)可能性聚类中易产生重合聚类的缺陷.人造数据集和真实数据集上的对比实验表明了算法的有效性.

一种无须预指定分割区域数的自适应多阈值图像分割方法

为解决多阈值图像分割中分割区域数较难确定的问题,提出一种基于可逆跳跃马尔可夫链蒙特卡罗(RJMCMC)的自适应多阈值图像分割方法.基于图像直方图的多阈值分割的本质是寻找直方图各峰间的谷底,但其个数较难确定且各局部峰并非都是高斯分布.因此文中用更具普适性的混合α稳定分布拟合直方图,建立包含局部峰个数及各分布元参数的分层贝叶斯概率模型.采用RJMCMC后验概率推理自适应确定混合α稳定分布的分布元个数及各自参数,从而获得分割区域数和多阈值参数.针对单晶炉拉晶图像、人脑核磁共振图像及国际标准测试图进行测试,结果表明该方法准确地建立图像分割模型,得到满意的多阈值分割结果.

双指数跳跃扩散模型的McMC估计

使用贝叶斯方法估计了双指数跳跃扩散模型,该方法是使用Euler方法对连续过程进行离散化,用离散过程的似然函数做为模型参数的近似后验似然函数.证明了McMC方法是分析双指数跳跃扩散模型的有效工具,由McMC方法抽样所得的后验分布可以用来进行统计推断.模拟试验表明双指数跳跃扩散模型能够体现资产收益的许多经验特征,尖峰厚尾特征和期权定价中的“波动微笑”.

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。

马尔可夫跳变系统的蒙特卡罗仿真

针对跳变系统理论研究中缺少有效的仿真方法,提出了一种适用于跳变系统的蒙特卡罗法。跳变系统蒙特卡罗仿真的关键是马尔可夫链的仿真实现,研究了两种生成马尔可夫链的方法,即利用MATLAB函数randsrc和基于unifrnd函数产生均匀分布的随机数,提出了根据转移概率矩阵P对随机数设置不同的阈值来形成马尔可夫链的算法。根据仿真的结果对转移概率进行了验证,该方法概念清晰,简单易行,可用于切换系统等一般随机系统的研究。

金融工程中资产收益的连续时间模型评述

总结了在过去30年中金融资产收益连续时间模型的发展及主要成果,讨论了迄今连续时间模型参数估计的主要方法,其中特别讨论了MCMC方法;最后指出了现在和未来该领域研究所面临的主要课题。

恒生指数期货与现货市场之间的跳跃溢出行为研究

为探索恒生指数期货与现货市场之间的跳跃溢出行为,本文利用贝叶斯MCMC推断的SVCJ模型对恒生指数期货与现货市场的跳跃溢出概率、跳跃强度与跳跃大小进行了实证分析。研究结果表明:恒生指数期货与现货市场均存在明显的跳跃特征,并且,两市场之间具有显著的跳跃溢出行为;相对与包含跳跃的波动变化和收益,不包含跳跃的波动和收益模型会过度估计恒生指数期货与现货市场之间的相关性;对同日或次日而言,恒生指数期货市场对现货市场的条件跳跃溢出概率均大于现货市场对期货市场的条件跳跃溢出概率,且跳跃引起负收益的跳跃溢出概率均大于条件跳跃溢出概率;此外,恒生指数期货与现货市场之间的同日跳跃强度与同日跳跃大小均是显著的,相对而言,恒生指数期货的平均跳跃大小要远小于恒生指数的平均跳跃大小,并且,彼此的跳跃溢出均可在同日或次日到达对方。

一种水声通信中的多阵元Turbo均衡算法

Turbo均衡应用在水声通信中的问题主要在于水声信道时间扩展长,多接收阵元处理复杂度较高。该文研究了将时间反转与马尔可夫链蒙特卡罗(MCMC)均衡联合优化算法用于实现Turbo均衡。首先进行时间反转实现多接收阵元较长多径时延的压缩,再利用白化滤波器解决时间反转造成的噪声模型失配问题,最后利用复杂度较低的MCMC均衡器结合软迭代信道估计对时间反转合并后得到的信号进行均衡。结合真实实验信道条件对信道响应估计的误差建立模型,通过仿真比较得出,该算法在相同条件下相对于多阵元直接自适应Turbo均衡算法复杂度降低67%,且有1.6 dB的误码率性能增益。通过对湖上试验数据进行处理,进一步验证了该算法的优势。

连续时间金融框架下证券市场跳跃模型研究

为了准确刻画证券的价格和波动过程中的跳跃特征,文章采用基于贝叶斯分析的马尔可夫链蒙特卡罗(MCMC)模拟方法,利用离散样本数据,分别分析了连续时间内,收益与波动过程存在相关无限活跃列维跳跃的随机波动模型以及仿射跳跃扩散模型(AJD)。首先,MCMC方法可以准确联合估计模型中扩散、随机波动以及列维跳跃各个成分的特征参数;其次,与仿射跳跃扩散模型相比,无限活跃列维跳跃的随机波动模型可以捕捉到在收益与波动过程中,那些由布朗运动和复合泊松过程所不能刻画的列维跳跃,从而更好地描述金融时间序列的动态特征。最后,通过对中国上证综合指数收益序列的实证研究,验证了上述结论。

基于贝叶斯推理的决策树模型

针对决策树（DT）模型缺乏概率背景这一问题，将贝叶斯推理引入DT模型，提出了一种基于贝叶斯推理的决策树（BDT）模型．在假定所含待定参量的先验与似然的前提下，借助贝叶斯推理获得参量的后验，然后运用逆跳马尔科夫链蒙特卡洛算法对后验抽样，最终求出样本属于某一类别的置信度，从而避免了武断判决．BDT模型以抽样代替拆分与剪枝操作，既直观又灵活，同时在抽样时考虑了不同的树结构与递归分割方案，使得分类准确率得以提高．仿真实验结果表明，BDT模型的平均分类准确率与DT模型相比提高了1．7％～3．5％．

石油价格跳跃下期货价格动态模型及实证分析

引入跳扩散过程描述石油价格的变化,在风险溢酬一定的假定下,推导出石油期货价格的动态变化模型和定价模型.通过石油期货价格数据对石油价格模型进行实证检验,发现石油价格具有两个显著特征:1)价格有明显的跳跃和均值回复特征,2)投资者对石油价格随机波动和跳跃风险要求正的风险溢酬.本文的另还利用两个期货价格序列对石油价格模型进行实证分析,它们可以用来确定风险溢酬参数,并用来分析石油价格的时间序列特征.

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。

基于本地图像块模型的人造目标提取方法

本文提出了本地图像块模型,该模型使用概率隐含语义分析pLSA(probabilistic Latent Semantic Analysis)作为数据项的点过程对人造目标进行建模,用可逆马尔科夫链蒙特卡洛算法(RJMCMC)配合模拟退火算法提取模型的参数。在提取模型参数的过程中使用了数据驱动生灭和统计扩散方法加快算法收敛速度。最后通过对实际遥感图像的实验验证了该方法的有效性。

基于扩展的跳跃SV模型的全国社保基金波动研究

对传统的跳跃SV模型进行扩展,提出了波动率方程中带有协变量的跳跃SV模型,给出了模型参数估计的MCMC算法,并将扩展的跳跃SV模型用于研究全国社保基金的波动特征。研究发现,相对于SV-N、SV-T、SV-M、杠杆SV-N和传统的跳跃SV-N等模型,扩展的跳跃SV模型建模效果最好;社保基金收益率具有明显的跳跃特征,并且跳跃的概率较高;基金重仓的对数ARCH项每增加1个百分点,社保重仓的对数波动率将增加0.5188个百分点。

基于Bayesian理论的无参考信号主动Lamb波损伤定位方法

目前主动Lamb波损伤检测方法大都基于健康状态下的参考信号以获取损伤散射信号,并采用确定性的方法进行损伤定位,在适用性方面受到较大影响。基于Lamb波的时间反转聚焦原理,考虑损伤定位过程中的不确定性因素,发展了一种基于Bayesian理论的无参考信号主动Lamb波损伤定位方法。根据时反聚焦信号中主、旁瓣波包峰值的相对时刻,提取各测量通道损伤散射信号传播时间与直达波传播的时间之差作为样本,并基于Bayesian理论,获得损伤位置、波速等未知参数的联合后验概率分布,再利用马尔科夫链蒙特卡洛(MCMC)方法在后验分布中对未知参数进行采样估计,得到马尔科夫链的极限分布即未知参数的后验分布。通过对一铝质矩形薄板的数值仿真和模型实验研究结果表明,该方法能够较为准确地识别出损伤位置、波传播速度及其不确定性。

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。