规则LDPC码构造的论述

LDPC码是一种线性分组码,它的校验矩阵是稀疏矩阵。如果校验矩阵的每列含有j个非0元素(一般要求j大于等于3),每行含有k个非0元素,则称这种含非0元素数目固定的校验矩阵所对应的LDPC码称为规则码。如果含非0元素数目不固定,则称为非规则码。规则码具有规则的二分图结构,即每个变量节点和恒定数目的校验节点相连并且每个校验节点又和恒定数目的变量节点相连,利用和积译码算法可以得到较好的性能。本章构造的LDPC码均是规则LDPC     

基于GEMS算法的潜变量高斯图模型结构学习

考虑了潜变量高斯图模型下的结构学习(模型选择)问题,即存在潜变量时可观测变量间相互关系的估计问题.简要介绍了高斯图模型及潜变量高斯图模型下的LVglasso方法,给出了GEMS(广义期望模型选择)算法结合LVglasso下潜变量图模型选择的算法步骤.通过模拟,发现GEMS结合LVglasso方法在模型选择速度上比EM(期望最大化)算法有明显优势,并分析了拟南芥植物基因数据,估计了各基因间的条件相关性.     

基于等效平差因子的方差-协方差分量估计

充分挖掘观测量的信息,利用矩阵变换将随机模型的方差-协方差分量估计转化为函数模型的均值参数的估计,借助最小二乘理论得到方差-协方差的最小二乘估计.进一步通过矩阵的正交变换引入等效平差因子,然后通过二次型定理提出了基于等效平差因子的方差-协方差分量估计的新方法.算例表明,基于等效平差因子的方差分量估计的效果要优于最小二乘方差分量估计.     

基于混合效应模型的纵向数据建模方法研究

为研究医学纵向数据建模方法,结合纵向数据的特点及统计分析理论、提出基于混合效应模型的动态建模方法.针对多维医学纵向数据的非平衡性,当结果变量个数不多时,采用共同混合效应模型进行分析.当结果变量较多时,协方差矩阵的估计会变得困难,这时采用随机结伴方法对所得到的若干个二元模型分别拟合,通过求均值得到固定效应及协方差矩阵的估计,实验证明这种动态建模分析方法是有效可行的.     

基于伪协方差矩阵 Otsu 方法的信源数估计

为提高高斯色噪声背景下信源数估计的成功概率, 提出了一种基于伪协方差矩阵的 Otsu 类间方差法。 伪协方差矩阵对一定条件下的高斯白噪声和高斯色噪声具有免疫特性, 而且利用阵元间的时间相关性增加了 阵列的有效孔径, 进而提高了伪协方差矩阵奇异值分解后信号奇异值与噪声奇异值的差异程度。 在此基础上, 利用 Otsu 类间方差法对信号奇异值与噪声奇异值进行分类。 仿真结果表明, 该方法可进一步提高信源数的估 计成功概率。     

可估子空间上一般随机效应模型的比较

对于具有已知对称非负定协方差阵的一般随机效应模型,通过比较回归系数和参数线性可估函数的最优线性无偏估计方差的大小,给出了一个随机效应模型至少与另一个随机效应模型一样好的定义,并在可估空间的子空间上对两个随机效应模型进行比较,通过利用矩阵的广义逆理论和方法,得到了一个随机效应模型至少与另一个随机效应模型一样好的充分必要条...     

由2b-信号流图建立状态方程的系统方法

本文提出由2b-信号流图系统建立状态方程的一种新方法.2b-信号流图被化简为一种状态矩阵流图,籍助此流图状态方程可直接写出.状态矩阵流图仅含有态状变量节点,状态变量导数节点,独立源节点以及8个状态输矩阵.每个状态传输矩阵的计算公式都己求出.为了便于理解,文中还给出了一个计算实例.     

高维样本协方差矩阵极限谱密度的显式表达式

用Stieltjes变换给出一般高维样本协方差矩阵的极限密度函数的显示表达式, 包括: 样本元素独立且均值为0, 方差为常数的样本协方差矩阵; 一个样本协方差矩阵与单位阵的和; 样本元素方差不等但只取两值的样本协方差矩阵; 两个不同的样本协方差矩阵之和.     

正则化的精度矩阵估计的解轨迹

精度矩阵在高斯图模型中具有广泛的应用,许多正则化方法用于精度矩阵的估计问题,然而却很少有对其解轨迹的关注。本文主要利用条件数正则化协方差矩阵估计的方法来探索精度矩阵估计的解轨迹,数值模拟结果表明该轨迹算法可以便捷地描绘出精度矩阵估计的解轨迹。     

矩阵恢复的协方差矩阵估计算法

研究受高斯噪声干扰的低秩矩阵恢复。根据高斯噪声的统计性质,引入了协方差矩阵估计模型,构造出针对高斯噪声模型的低秩矩阵恢复算法。该算法基于最小化协方差矩阵核范数求解低秩矩阵,利用奇异值分解理论推导出模型的最优解。该模型结合高斯混合模型能够达到非常好的估计效果。仿真实验表明,该模型具有更快的收敛速度和更好的估计结果。     

基于树的相关系数补偿满方差建模技术

为了实现语音识别中基于隐Markov模型(hidden Markov model,HMM)的满方差建模,该文提出了基于树的相关系数的补偿方法.首先自顶向下构建状态的回归树,用简化的仅考虑协方差的对称Kullback-Leibler散度来度量Gauss之间的差异.每个Gauss核接到相应状态下作为叶子节点.叶子节点的相关系数矩阵用其父节点及祖先节点的相关系数矩阵的线性插值得到.线性插值权在最大似然意义下进行优化.实验结果显示取得的识别性能相对异方差线性判别分析、半绑定协方差,基于树的协方差非对角补偿方法的字误识率分别相对下降9.71％、9.17％和4.12％.     

方差-协方差矩阵退化的三种风险资产的组合边界

利用均值一方差模型，讨论了当三种风险资产的方差一协方差矩阵退化时，投资组合的组合边界，得到了不同情形下的组合边界的表达式，并分析了其本质特征，为制定合理的投资组合提供了一种好的思路。     

纵向数据分析中使用滑动平均Cholesky分解对回归均值和协方差矩阵进行同时半参数建模(英文)

近年来,对纵向数据分析中回归均值和协方差矩阵同时进行建模研究得到越来越多的关注.为满足协方差矩阵的正定性约束,文献中常考虑对其逆矩阵进行某种分解.本文使用一种Cholesky分解方法对协方差矩阵本身进行分解,得到的参数没有取值限制且有着明确的统计意义.具体地,分解后的参数可以视为滑动平均序列的系数和对数更新方差,且在整个实轴上取值无限制.考虑到模型的稳健性和推断的有效性,提出了一种对回归均值和协方差矩阵同时进行半参数建模的方法,并利用广义估计方程和B样条给出了半参数模型的估计方法,得到了参数部分估计的渐近正态性以及非参数部分估计的最优收敛速度.最后通过模拟和实例分析对所提方法进行了数值研究.     

高频数据下基于LSTM的协方差矩阵预测模型

协方差矩阵的建模与预测,对于金融风险管理、投资组合管理等至关重要。 针对时间序列模型 对高维变量预测精度较低的问题,利用长短记忆神经网络模型(LSTM),提出了基于深度学习的高频数据已 实现协方差矩阵预测模型。 利用金融高频数据得到已实现协方差矩阵,对其进行 DRD 分解,针对相关系数 矩阵 R 进行向量化处理,利用向量异质自回归模型(HAR)预测已实现相关系数矩阵 R;针对已实现波动率 矩阵 D,利用半协方差(semi covariance)思想,结合 LSTM 模型,得到已实现波动率矩阵 D 的深度学习预测模 型,构建了 LSTM-SDRD-HAR 已实现协方差矩阵动态预测模型。 LSTM 模型和 HAR 模型能捕捉实际数据 的长期记忆性,半协方差有利于捕捉金融数据的杠杆性。 实证分析表明:相较于传统向量 HAR 已实现协方 差矩阵预测模型,LSTM-SDRD-HAR 预测已实现协方差矩阵更为准确,基于 LSTM-SDRD-HAR 预测已实现 协方差矩阵构造的有效前沿组合投资效果更佳。     

海洋变分同化背景场误差协方差矩阵构造技术

为改进背景场误差协方差矩阵构造技术,提高海洋资料变分同化效果,首先将背景场误差协方差矩阵分解为背景误差标准偏差矩阵、非平衡变量空间相关算子以及多变量间平衡算子3部分,然后利用广义扩散方程模拟空间相关算子,联合引入温盐约束关系、线性状态方程、海表高度诊断方程、静力平衡、地转平衡关系模拟多变量平衡,最后给出了一种适用于海洋资料变分同化的背景场误差协方差矩阵构造方案。单点海表温度观测模拟同化试验表明,该方案可实现观测信息在三维空间、多变量间的传播,充分体现了背景场误差协方差矩阵在同化中的作用。     

一类图构形的φ_n不变量

定义了超平面构形的一个不变量 φ_n ,它是Falk的φ₃不变量的一个推广。研究了一类特殊的图构形,它们所对应的图由l个n边形组成,使其相邻两个 n 边形有一条公共边,这种图叫做长度为l的n边梯子,通过逻辑推导与论证得出关于n边梯子构形的φ_n 不变量的结论 φ_n =(n-1)l。     

含随机参数的偏微分方程的自适应高斯过程求解器

对于数值求解含随机参数的偏微分方程的问题,本文基于以高斯过程为核心的求解器提出了一种自适应挑选训练数据的求解模型.该模型从极少的初始训练数据集出发训练高斯过程求解器,将参数池中预测方差指示变量最大的参数及其对应的偏微分方程的高精度解加入训练数据集中,然后重复上述过程,直到所训练出来的高斯过程求解器在测试数据集上达到所要求的精度.此外,本文还将该自适应模型在带有二维随机参数的扩散方程上进行测试,结果表明所提出的自适应选点策略有效,模型的预测准确度随着训练数据的增加而迅速提高,最终只需要40个训练数据即可在测试数据集上达到要求的精度.     

基于空间协方差矩阵的欠定卷积盲源分离

利用空间协方差矩阵表示的盲源分离模型与瞬时理想模型的一致性,本文提出了基于空间协方差矩阵的欠定卷积盲源分离方法。本方法用零均值高斯随机变量的协方差矩阵来表示各个源信号经过传输信道后的短时傅里叶变换,采用层次聚类估计出高斯随机变量协方差矩阵的初值,并使用极大期望值算法(EM)求解对数似然函数,最后采用维纳滤波法语音增强技术求解时频域内的源信号。通过仿真实验,验证了算法的有效性。     

多传感器系统噪声统计辨识的一种相关方法

对于带未知噪声统计和相关噪声的多传感器线性离散定常随机系统,通过左素分解将观测过程表为两个滑动平均(MA)过程之和,利用解相关函数矩阵方程组方法得到系统的噪声方差、相关阵及互协方差的在线估计器.基于观测过程的采样相关函数的遍历性证明了噪声统计估值器是强一致的.一个两传感器带相关噪声系统的仿真例子说明了方法的有效性.     

矩阵方法求赋权图中最短路的算法

目的 给出一些计算赋权图中任意两个节点之间最短路的算法。方法 利用矩阵方法。结果 给出了赋权图中任意两点之间最短路的算法；任意两点之间在含有最少边数情况下的最短路算法；赋权图中的所有最短路算法，以及前N条最短路的算法。结论 所研究的算法解决了传统算法的某些不足，因基于矩阵运算，程序设计简单，实用性强。