一种基于Stein无偏风险估计的复合去噪算法

针对统计非局部均值滤波损坏图像的细节与鲁棒性双边带滤波去噪不充分的缺点,提出了一种基于统计非局部均值滤波与鲁棒性双边带滤波相结合的复合滤波算法。该复合滤波算法通过统计非局部均值滤波与鲁棒性双边带滤波线性组合,利用Stein无偏风险估计对复合算法中的参数进行估计。实验中,从主观与客观方面进行对比分析,证明所提出的复合算法体现了非局部均值滤波与双边带滤波的优点,能有效地去除噪声并更好地保留图像的细节信息,峰值信噪比提高1-2 d B。

广义Stein无偏风险估计与地球物理反问题正则化参数求取

地球物理反演是获取地球信息的重要手段,其求解具有严重的不适定性.为获得稳定的反问题结果,通常需要在目标泛函中加入正则化约束项.正确地估计正则化参数一直是地球物理反问题中的难点.目前存在的选取方法需要根据大量的试验来确定正则化参数,工作量十分巨大,并且存在很大的经验性,很难得到最优的正则化参数.针对这个问题,本文提出了一种基于广义Stein无偏风险估计的正则化参数求取方法.该方法的具体思路是通过求解模型参数均方误差的广义Stein无偏风险估计函数,在反问题求解过程中自动求取正则化参数.本文模型测试结果表明,相比于目前常用的方法,通过该方法得到的正则化参数是最优的.

基于Curvelet的Stein无偏风险估计图像去噪

基于Stein无偏风险估计(SURE)和阈值的线性展开式(LET),提出基于Curvelet的SURE-LET图像去噪方法。Curvelet变换实现了对于二阶可微奇异性(C2-singularity)分段连续目标的最优稀疏表达,同时Curvelet阈值保持了曲线奇异性和增强去噪能力。不同于已有算法,SURE方法不必为原始图像假设统计模型。非线性处理在Curve-let变换域执行,最小化操作在图像域进行;去噪过程可以表达为基元去噪过程的线性组合,即LET。SURE和LET两个原则使去噪算法仅解决一个线性方程系统,快速而有效。实验对多幅标准图像进行诸方法的去噪比较,结果表明,该方法优于单纯的Curvelet和SURE-LET去噪方法,相比于Db5小波、BiShrink也具有一定的优势。

基于无偏风险估计方法的信号稀疏性分析

信号的稀疏表示已成为信号处理中的重要方法.利用统计学中的无偏风险估计方法,提出了确定零化阈值δ的方法,使得我们能够根据实际问题,科学合理地把小于δ的元素视为零,从而计算其稀疏度并判别是否稀疏.通过大量的数值实验,结果表明,该方法对规范和统一信号稀疏表示的度量问题以及解决大数据问题具有重要意义.

威布尔极值分布及其参数估计方法在储罐底板RBI计算中的应用

在常压储罐底板定量风险评估(RBI)过程中,底板腐蚀速率的选取会影响储罐整体风险等级的确定。基于威布尔极值分布理论,针对储罐边缘板,采用最佳线性无偏估计(BLUE)的方法计算了威布尔分布参数;针对储罐中幅板,采用简单线性无偏估计(GLUE)的方法计算了威布尔分布参数,随后通过线性回归理论分别计算了边缘板和中幅板的腐蚀速率,并将其赋予为腐蚀速率专家值对储罐底板进行了RBI计算。结果表明,威布尔极值分布理论计算可以科学合理地预估储罐底板腐蚀速率,边缘板的腐蚀速率为0.133 mm/a,中幅板的腐蚀速率为0.095 mm/a,与理论算法腐蚀速率的误差为3.6%,储罐底板风险等级为中高风险,在一定程度上解决了储罐RBI计算过程中腐蚀速率选取的难题,可为今后检验检测机构RBI的评估工作提供一定的技术支撑。

金融资产的VaR和CVaR风险的优良估计

本文利用统计理论的优良点估计方法来估计金融市场风险的VaR和CVaR,既可避开现有方法中大量的模拟计算和参数估计等工作,又可提高估算精度。在资产-正态模型下,根据不同的风险估计要求,对金融资产的这两种风险分别提供了三种优良估计,即一致最小方差无偏估计,最佳线性次序统计量无偏估计,最佳线性次序统计量同变估计,并提供了实证分析。

平衡损失下Bayes线性无偏最小方差估计的优良性

在平衡损失风险函数准则下研究了未知参数的Bayes线性无偏最小方差(BLUMV)估计相对于最小二乘(LS)估计的优良性.在predictive Pitman closeness(PRPC)准则下研究了BLUMV估计相对于LS估计的优良性.

基于小波变换和似然无偏估计的胃阻抗信号处理研究

目的:介绍一种基于小波变换和似然无偏估计的胃阻抗信号分析去噪的方法。方法:首先经过多分辨分析将信号进行分离,然后应用Stein似然无偏估计对胃阻抗信号进行自适应软阈值去噪处理。结果:实验结果表明,该方法能够有效滤除由呼吸、血流阻抗等因素造成的干扰。结论:小波分析技术为进一步研究胃动力信号的参数分析提供了新途径。

商业银行操作风险的Buhlmann估计模型

对银行操作风险产生的各类损失量,关于操作风险水平条件独立情况,建立一种新的银行操作风险损失额的Buhlmann估计模型,并对模型进行了实证分析.

持续性实时监测数据的无偏风险挖掘仿真

持续性实时监测数据的挖掘和调度常用在战场监控、森林火警监测等领域。在对持续性实时监测数据调度和挖掘中,因为战场监控、森林火警等持续性实时监测数据的挖掘中存在物理干扰,会产生时间延迟等风险,需要对其进行无偏估计和风险转化,提高数据的挖掘和实时监测性能。提出一种基于聚集树的持续性实时监测数据的无偏风险挖掘算法,并进行仿真实现。构建持续性实时监测数据的采集和预处理模型,进行监测数据的聚集树关联性分析,求得数据无偏相位特征,得到数据挖掘的最短无偏时延估计值,求得持续性实时监测数据的无偏风险挖掘最优路径无偏估计值。实验结果表明,该算法能有效避免数据挖掘过程中产生的时间延迟风险,通过无偏估计和风险转化,提高数据的挖掘和实时监测性能。

Bayes线性无偏最小方差估计相对于岭估计的优良性

在均方误差矩阵准则下研究了未知参数的Bayes线性无偏最小方差(BLUMV)估计相对于岭估计的优良性,在平衡损失风险函数准则下研究了未知参数的BLUMV估计相对于岭估计的优良性,并导出了在一定条件下BLUMV估计与最小二乘估计趋于一致.

约束线性模型系数的岭型Stein估计及最优预测

文章提出基于齐次等式约束下的线性模型系数的约束岭型Stein估计,并和约束最小二乘估计(RLSE)进行了比较,在均方误差准则下得到了约束岭型Stein估计优于RLSE的充分条件。然后,就基于约束岭型Stein估计的预测量与RLSE的预测量的最优性判别问题进行了讨论,得到了在风险函数意义下约束岭型Stein估计的预测量优于RLSE的预测量的充分条件,通过实证分析,进一步验证了在一定条件下约束岭型Stein估计优于RLSE。

约束线性模型系数的岭型Stein估计及其最优预测

文章提出基于齐次等式约束下的线性模型系数的约束岭型Stein估计,并和约束最小二乘估计(RLSE)进行了比较,在均方误差准则下得到了约束岭型Stein估计优于RLSE的充分条件。然后,就基于约束岭型Stein估计的预测量与RLSE的预测量的最优性判别问题进行了讨论,得到了在风险函数意义下约束岭型Stein估计的预测量优于RLSE的预测量的充分条件。通过实证分析,进一步验证了在一定条件下约束岭型Stein估计优于RLSE。

平衡损失下回归系数stein压缩估计的性质

在平衡损失风险函数准则下,研究线性模型中回归系数的stein估计优于最小二乘估计(LS)的充分必要条件,然后在pitman closeness(PC)准则下比较了stein估计相对于最小二乘估计的优良性。

风险函数在点估计理论结构中的应用

根据在点估计中应用风险函数不同估计量下风险大小，提出了评价估计量优劣的三个准则，为选取符合实际要求的估计量提供了有效的方法，并给出了应用示例.

平衡损失函数下几乎无偏估计的统计性质

在平衡损失函数下,讨论线性回归模型中几乎无偏Liu估计与几乎无偏Stein岭型主成分估计的统计性质.分别给出几乎无偏Liu估计与几乎无偏Stein岭型主成分估计在平衡损失函数下的风险,并在不同条件下讨论这两种风险的关系.

均值矩阵的线性无偏估计在一切估计类中的可容许性

对于矩阵正态模型Ｙｎｘｍ～Ｎ其中０和Ｖ≥０已知，本文征明了，在６种不同的可容许性定义下，Ｓ１ＹＳ２在一切估计类中是Ｓ１Ｓ２的可容许估计．对模型Ｙ～Ｎ（Ｘ１Ｘ２Ｖ）也给出了一个初步结果．

金融衍生产品单期二项式定价模型及其风险估计

金融衍生品,尤其是美式期权可于到期前的任意约定时点行权,最优行权时间的确定,是金融衍生品研究的一个重要课题。文章引入金融衍生产品单期二项式定价模型及其风险估计模型及方法,利用无套利原则,构建了以时间和状态为变量的金融衍生品定价函数,并利用风险统计推断方法对金融衍生品的违约风险进行无偏估计。

半参数模型中参数的最优线性无偏差分估计

考虑半参数回归模型y=Xβ+g(t)+ε,在此模型中引入差分算子,得到差分半参数模型,并根据风险函数算出其中参数的最优线性无偏差分估计。同时给出差分模型下参数的最优线性无偏估计的相对效率及其上下界。最后通过模拟算例来说明理论结果优越性。

UPRE方法在图像恢复正则化参数自适应选择中的应用

大多数图像恢复都是不适定问题,需要利用正则化方法将病态方程转化为适定方程。正则化参数主要用于调节图像保真度与图像光滑度之间的平衡,与图像恢复质量的好坏有着密切关系。无偏预计风险估计(UPRE)方法可以自适应选择最佳正则化参数,基于数学理论分析和图像恢复实验,验证了该方法在图像恢复中的可行性和有效性。