基于多元数据图表示的广义统计模式识别

现代统计模式识别方法以数据满足一定的统计分布规律为前提,然而现实问题研究中存在大量分布不理想或小样本情况。基于多元图表示的广义统计模式识别提出基于类别样本统计分布特性分析来选择狭义统计或非统计方法,它主张统计学方法在模式识别领域的科学运用。首先介绍了广义统计模式识别概念,然后基于人工构造数据集对该方法进行了数据仿真实验,结果显示,类别样本统计分布特性差异对分类方法选择具有显著影响。

基于多元GMM的机载多光谱LiDAR点云空谱联合分类

针对传统机载多光谱激光雷达(multispectral light detection and ranging,MS-LiDAR)土地覆盖分类方法空谱信息协同利用能力不足或多类型特征联合利用时特征维数过高的缺陷,提出一种基于多元高斯混合模型(Gaussian mixture model,GMM)的机载MS-LiDAR点云空谱联合分割算法。该算法首先对原始多波段独立点云进行辐射校正、异常剔除及融合,形成同时表达空间位置及其对应多波段光谱信息的多光谱点云;然后,提取各激光点的多光谱、高程等特征构建空谱特征矢量,并通过特征标准化及离散化消除不同类型特征间的单位和尺度差异;再次,构建多元GMM建模目标在空谱特征空间呈现的多峰分布,获取激光点属于各类目标的响应度并按照最大响应度原则确定类属;最后,设计3D多数投票法优化分割结果。实验基于实测的Optech Titan MS-LiDAR数据验证提出算法的有效性和可行性。实验结果表明:联合多波段强度特征及高程特征的多元GMM的分割总体精度可达93.57%,Kappa系数可达0.912,仅联合四维特征即可实现MS-LiDAR点云的高精度分割。该项研究可为综合利用MS-LiDAR数据的多光谱及空间信息提供新途径。

稳健的t-MFA模型的极大似然估计

混合因子分析模型是一种非线性的分析高维数据的工具.但是,当一组观测数据中包含比正态尾部长的一些数据点时,其模型的拟合效果受到严重影响.为此,结合稳健的多元t分布提出基于t分布的混合因子分析模型,同时,在AECM算法基础上提出适合此模型的参数估计方法.最后,通过模拟实验,说明模型的优越性.

全变分流边与M^(2)GGD相结合的自然图像分割方法

提出了一种全变分流边与M^(2)GGD概率密度分布相结合的自然图像分割方法。由于自然图像经常受噪声的污染,导致分割的区域结果视觉效果差,而区域间的边界具有较好的非同质区域区分能力,于是提出了利用全变分流来提取边界,并结合M^(2)GGD概率密度分布构建具有空间约束能力更强的图像分割方法。由于其能量最小化是NP难问题,通过设计最大期望最大似迭代优化方法,将待优化模型的区域项和边缘项,分别转化为多层图割模型的t-link以及n-link,并利用最大流/最小割算法,可求得全局近似最优解。最终,通过在合成的噪声污染图像以及自然场景图像上进行实验对比与分析,实验验证了提出的方法具有较好的抗噪能力,较高的量化准确率,且最终分割的结果接近于地面真实分割结果。

新能源配电系统非参数概率最优潮流解析方法

分布式新能源的大规模接入给配电系统的安全经济运行带来了严峻的挑战。为准确分析新能源出力不确定性对配电系统运行决策的影响,该文提出一种基于卡罗需–库恩–塔克(Karush-Kuhn-Tucker,KKT)条件与高斯混合模型的新能源配电系统非参数概率最优潮流计算方法。基于最优潮流问题的KKT条件获得从新能源出力等输入变量到机组出力等输出随机变量最优解的解析映射关系,显著简化了优化问题的求解过程。采用多元高斯混合模型对新能源出力概率分布进行描述,准确表征含有相关性的新能源出力的概率特性。最后,采用IEEE-33节点配电系统算例仿真分析验证所提配电系统非参数概率最优潮流计算方法的有效性。

一种基于集体离群点检测变速箱故障的方法

针对变速箱故障机理复杂、信号分析较难获取充足异常样本标签的问题,提出一种基于集体离群点检测故障的方法。首先以多元高斯混合函数拟合正常样本数据集和测试数据集分布,其次采用不动点迭代算法求解似然估计函数,搜索出数据分布函数的最优参数,最后通过数据分布趋势对比挖掘测试数据集中的集体离群点。实验环节对包含8种故障类型的变速箱工作数据集进行测试,故障识别率均在90%以上。结果表明,该诊断方法可以在事先不了解故障机理的情况下,挖掘出数据集中表征变速箱故障的异常数据序列。

平衡态分子动力学 Green-Kubo 方法计算氮化硼单层结构热导率的模型尺寸效应研究

分子动力学模拟可以直接表征体系原子的行为，因此成为研究氮化硼（BN）相关材料微观导热机理的重要工具，但目前尚没有关于氮化硼材料模型尺寸对其热传导相关性质影响规律的研究。该文采用平衡态分子动力学（Equilibrium Molecular Dynamics，EMD）并结合 Green-Kubo 方法，研究了纯净氮化硼单层结构热导率、声子色散关系以及态密度随模拟尺寸的变化规律，并解释了其内部机理。实验发现，氮化硼单层材料热导率随着模拟尺寸的增大而减小，并在单层面积约 4.1 nm×4.1 nm 时收敛于（349±22）W/（m？K），此收敛值远小于 EMD 计算中石墨烯热导率的收敛尺寸（10 nm×10 nm），这说明氮化硼单层中声子之间的散射大于石墨烯。此外，不同于热导率，氮化硼单层结构的声子色散曲线、态密度几乎不受模拟尺寸的影响。该研究结果可为采用平衡态分子动力学研究氮化硼相关材料的微观导热机理提供重要参考。

Statistical Inference in Generalized Linear Mixed Models by Joint Modelling Mean and Covariance of Non-Normal Random Effects

Generalized linear mixed models (GLMMs) are typically constructed by incorporating random effects into the linear predictor. The random effects are usually assumed to be normally distributed with mean zero and variance-covariance identity matrix. In this paper, we propose to release random effects to non-normal distributions and discuss how to model the mean and covariance structures in GLMMs simultaneously. Parameter estimation is solved by using Quasi-Monte Carlo (QMC) method through iterative Newton-Raphson (NR) algorithm very well in terms of accuracy and stabilization, which is demonstrated by real binary salamander mating data analysis and simulation studies.

多元混合正态分布情形下的外汇期权组合非线性VaR模型

提出了一种多元厚尾分布情形下的外汇期权组合非线性VaR模型.用多元混合正态分布来描述汇率回报分布厚尾特征,推导出多元混合正态分布情形下的反映外汇期权组合价值变化的矩母函数;在此基础上,利用特征函数和矩母函数关系,进一步将概率分布的Fourier-Inversion方法和数值积分近似计算的迭代算法——自适应Simpson法则发展到多元混合正态分布情形下的外汇期权组合非线性VaR模型中,估计出期权组合的VaR值.数值结果表明:使用Fourier-Inversion方法得到的VaR值与使用MonteCarlo模拟方法得到的VaR值相差不大,但使用Fourier-Inversion方法的计算速度明显快于Monte Carlo模拟方法.