基于Epanechnikov核函数的有偏差采样和贝叶斯阴阳机的复杂图像分割

鉴于复杂图像所含信息的非均匀性,采用新的基于Epanechnikov核函数的有偏差采样方法对图像进行有效采样,并通过将贝叶斯阴阳机聚类理论对采样所得图像进行分割,进而获得最终的图像分割结果.实验表明,该方法是有效的.

非参数AR-Markov模型的拓展及其应用

文章对自回归马尔科夫(AR-Markov)模型进行了扩展,利用非参数Markov动态转移过程,研究了序列在不服从正态分布的情况下的估计,给出了关于Markov过程窗宽的选择方法,得到了稳定的滤波概率和状态转移概率。利用所提方法对沪深300股指进行了实证分析,并给出了不同状态之间的转移轨迹。

基于改进贝叶斯的新能源场站并网处系统谐波阻抗估计

随着“双碳”目标的推进,大规模新能源并网使电网背景谐波呈现强波动性,导致现有系统谐波阻抗估计方法精确度降低,进而影响谐波主导扰动源定位与后续针对性治理。因此,针对新能源场站并网场景,研究系统谐波阻抗的精确估计对解决电网谐波污染问题有重要意义。从数据驱动的角度出发,在新能源场站并网点建立了谐波阻抗评估模型。首先,针对背景谐波波动干扰的非理想条件,引入伊潘涅切科夫核函数拟合背景谐波电压的概率密度函数;其次,对于系统侧谐波阻抗值的估计,提出了基于改进贝叶斯的谐波阻抗估计方法,应用贝叶斯方法评估谐波阻抗时,基于熵最大原则和自分析法确定先验均匀分布区间范围;然后,针对样本容量过大导致估计过程耗时较长的问题,提出了基于最大最小优化拉丁超立方体采样法对公共连接点(point of common coupling,PCC)的数据样本进行筛选;最后,通过MATLAB/Simulink仿真分析的计算,验证了所提系统侧阻抗估计方法在背景谐波波动干扰时具有较高精度。

基于半参数回归分析的Markov机制转换模型

对AR-Markov模型做了研究和扩展,构建基于半参数模型的Markov机制转换模型,对新息服从正态分布的假设条件进行了改进,并用得到的研究结果对沪深300股指做了实证研究,得到了稳定的窗宽和状态转移概率,并给出了不同状态之间的转移轨迹.