DVC中基于广义高斯分布的WZ帧重构算法

为提高分布式视频编码系统解码WZ(Wyner-Ziv)帧的图像质量,提出了基于广义高斯分布的WZ帧重构算法.该算法充分考虑了边信息与原始WZ帧具有较强相关性的特点,将广义高斯分布作为相关模型;在边信息已知情况下,对给定量化区间、计算WZ帧的条件期望并将其作为WZ重构值;将广义高斯分布的形状参数设为0.5,推导出基于广义高斯分布重构WZ帧的闭式表示.实验结果表明,文中提出的基于广义高斯分布的WZ帧重构算法比最小均方误差(MMSE)重构算法的峰值信噪比提高约0.6 d B,并能有效改善重构WZ帧的图像质量.     

基于连分式的广义高斯分布的参数估计

近年来,使用广义高斯分布拟合的子带小波系数的统计模型被广泛地用于图像分类、修复、去噪和分析等图像处理中,而广义高斯分布的参数拟合问题一直是该领域中的一个重要的瓶颈问题。文章针对该问题提出用连分式迭代来实现广义高斯分布的参数估计,连分式迭代具有算法稳定、收敛域广、计算精度高、迭代速度快等特性;构造了基于连分式的广义高斯分布形状参数β的迭代格式。实验结果表明在不同方差噪声时,基于连分式迭代算法在计算时间复杂度和精度上优于牛顿迭代算法,而且收敛性不受初始值等参数制约,总能收敛到最优值附近。     

基于收缩估计法的广义Pareto分布参数的估计

由于广义Pareto分布在金融和保险等领域的广泛应用,对于该分布的统计推断成为研究的热点.将在参数的先验分布为倒伽玛分布条件下研究广义Pareto分布参数的Bayes估计问题,并在平方误差和LINEX损失函数下,导出了参数的Bayes估计和Bayes收缩估计.文末给出了Monte Carlo数值模拟试验和结论.     

基于广义伽玛分布的灵活独立分量分析算法

针对基于拉普拉斯分布灵活独立分量分析算法收敛速度较慢的问题,提出了一种基于广义伽玛分布的灵活独立分量分析算法,该算法把广义伽玛分布概率密度函数作为语音信号概率密度函数的估计,得到一个更加适合语音信号分离的激活函数。将推导出的激活函数应用于独立分量分析(ICA)的自然梯度算法中进行了计算机仿真实验,验证了算法的收敛性能和分离性能。     

模拟伽玛随机变量的一种有效方法

模拟产生伽玛随机变量,在统计理论和应用上都有很重要的意义．现有产生伽玛随机变量的方法,或需要借助比较复杂的优化函数,或依赖于中间参量的取值,方法上都有一定的局限性,这一点尤其体现在形参α∈（0,1）情形中．论文分析了伽玛随机变量形状参数在模拟过程中所起的作用,及“拒绝方法”在模拟过程中的局限性,利用截尾伽玛分布,成功模拟出形参α∈（0,1）的伽玛随机变量．模拟结果完全通过检验,效率较高,效果理想．     

失效率局部成比例的伽玛分布和威布尔分布顺序统计量的随机比较

在独立情形下伽玛分布和威布尔分布顺序统计量的随机比较基础上,给出了随机变量以一般随机序局部大于和局部依序列条件递增的概念.讨论失效率函数局部成比例这种非独立条件下的伽玛分布和威布尔分布的顺序统计量的随机比较,得出当形状参数不变、尺度参数占优条件下二元最小顺序统计量的随机关系.此外,基于这种情形,得出威布尔分布顺序统计量是局部依序列条件递增的.     

变换广义Gamma分布的随机比较

广义Gamma分布是一类重要的概率分布,讨论变换广义Gamma分布的随机比较.给出了两个相互独立但不同分布的变换广义Gamma分布随机变量满足随机序时其分布所含参数间的相应关系.也给出了两组相互独立但不同分布的变换广义Gamma分布随机变量次序统计量之间的随机序关系.     

混合逆高斯数据下联合均值与散度模型的参数估计

逆高斯分布是分析非对称右偏数据的重要统计工具,该文研究提出混合逆高斯分布下广义线性联合均值与散度模型,利用EM算法和Fisher-Scoring方法研究了模型参数极大似然估计.最后,通过随机模拟和实例研究结果表明,提出的模型和方法是有用和有效的.     

广义逐次截尾数据下逆高斯分布参数的贝叶斯估计

针对可靠性应用研究中常需要确定寿命分布参数的问题,讨论了在广义逐次截尾数据下具有位置参数和尺度参数的逆高斯分布(inverse Gaussian,IG)的贝叶斯估计问题,给出了两参数的后验密度核。利用逆变换方法,产生遵从后验密度核的随机数,进而研究了估计未知参数的Gibbs抽样策略。Monte-Carlo模拟结果表明:基于广义逐次截尾数据的贝叶斯估计精度接近完全数据下贝叶斯估计。用一个实际例子进一步说明提出方法的可行性。     

广义高斯分布在数据可视化中的应用

广义高斯分布是一类以高斯分布为特例的对称分布,在科学和工程上都有广泛的应用.利用广义高斯分布对Gabor相位进行建模,所得参数通过PCA降维到2维或3维空间,数据集的信息结构得到直观的展示,实现了数据的可视化.在COIL-100中目标可视化的实验进一步证实了广义高斯分布这一概率模型对没有直接欧几里德表示的数据集建模的可行性.