具有LTS稳健初值的点云平面拟合算法

针对粗差含量较高的点云平面拟合,提出具有最小截断二乘（LTS）稳健初值的拟合算法.首先采用随机抽样的方法计算平面方程系数的LTS估值,选择稳健的绝对偏差中位数作为初始单位权中误差,然后再进行选权迭代.这样既保证了选权迭代法较高的估计效率,又可以保持LTS方法的稳健性.实验结果表明,具有LTS稳健初值的选权迭代法对于粗差含量较高的点云数据仍然稳健,可以得到准确的平面方程.     

具有最小截断二乘稳健初值的点云平面拟合算法

针对粗差含量较高的点云平面拟合,提出具有最小截断二乘(LTS)稳健初值的拟合算法.首先采用随机抽样的方法计算平面方程系数的LTS估值,选择稳健的绝对偏差中位数作为初始单位权中误差,然后再进行选权迭代.这样既保证了选权迭代法较高的估计效率,又可以保持LTS方法的稳健性.实验结果表明,具有LTS稳健初值的选权迭代法对于粗差含量较高的点云数据仍然稳健,可以得到准确的平面方程.     

非线性LTS稳健估计方法

为使原始LTS(least trimm ed squares)方法能够处理非线性问题,研究非线性LTS稳健估计方法。说明该方法的解一定是部分观测值的非线性最小二乘估计。该方法可通过求解非线性最小二乘问题得到确切解。基于MM EA(m in im um m ax im um exchange a lgorithm)算法和非线性最小二乘技术,构建求解非线性LTS估计近似解的算法。仿真结果表明非线性LTS估计方法能够同时抵抗来自X方向和Y方向的多个异常,与传统方法相比具有更好的稳健性。     

GNSS高程拟合中的稳健估计粗差剔除方法

针对GNSS高程拟合中最小二乘估计不具备抗粗差的能力,至使含有粗差数据拟合结果失真的问题,将稳健估计引入到数据预处理中,建立了稳健估计选权迭代方法。研究结果表明:该方法有效地解决了在精度允许的范围内数学模型失真这一问题,并结合具体工程实例分析证明了该方法的有效性。     

稳健的变量选择方法及其应用

在已有的变量选择方法和稳健估计方法的基础上,提出了一种针对纵向数据的稳健的变量选择方法,通过模拟衡量其稳健性,并将其应用到一组实际的纵向数据分析中.模拟和实例分析结果表明,提出的稳健的变量选择方法在选择变量、估计变量系数的同时,对数据中可能存在的异常值有明显的抵抗作用.     

稳健经验似然估计方法

在经验似然方法的基础上提出了一种稳健的经验似然估计方法,在约束条件的估计方程中使用权重函数以及有界得分来限制异常点的影响。通过数值模拟研究该方法的稳健性。模拟结果表明,相比普通的经验似然估计,提出的稳健经验似然方法在数据中存在异常值的情况下所得估计的均方误差更小。同时对于非正态的厚尾分布数据,提出的稳健经验似然估计也在均方误差意义下更优。     

深基坑监测网的稳健估计方法

为解决城市深基坑变形监测网在观测过程中由于空间限制和施工影响引起观测值异常问题,采用稳健估计理论,利用数据探测方法,对稳健估计中等价权因子的阈值进行调整.研究结果表明:修正后的丹麦法稳健估计可以有效抵御观测值中粗差的影响,并且迭代速度快、平差精度满足变形监测要求.该研究成果是一种提高变形监测质量和保障施工安全的有效方法.     

基于稳健S估计的长江流域气象异常值检测

高维数据如气象数据中不可避免地存在异常值,应用最广泛的最小二乘法在识别异常值上不具有稳健性和灵敏度.稳健估计方法可使求出的估计量不受异常数据的强烈影响,从而能更好地识别异常点.这里给出了基于稳健S估计的主成分分析模型,其中加入Tukey的双权型函数约束条件.该模型无须对数据分布函数的具体形式做假设,算法的收敛速度较快.之后再结合B样条函数对数据作平滑处理,以平均残差平方和为检验统计量,使用同样具有稳健性的调优箱型图作为判别异常值的界限.实证分析采用了我国长江流域5个城市60多年共约58 000条气象数据,分别运用PCA方法和基于稳健S估计的异常值判别方法对该数据集进行了对比分析.可以明显地看出,相比传统方法,基于稳健S估计的异常值判别方法更突出地给出关于异常值的信息,能更好地识别异常值.     

稳健估计及其在秩亏网中的应用

对稳健估计选权迭代法进行叙述,对几种常用权函数进行分析和比较;讨论稳健估计在秩亏网中的应用并推导出计算公式;推导出基准转换公式,并进行实例分析,表明本方法是有效的,从而使抗差估计方法具有更广泛的应用价值.     

模型基编码中实时三维运动估计的新方法

将自适应迭代松弛搜索算法RSA引入到MPEG4模型基编码的三维运动参数估计中，解决了估计算法的稳健性问题。经过简化计算的复杂度，得出一种快速算法，大大提高了估计速度。同时设计有效的参数初值设置和调整方法，改善了估计的准确性，使之更适用于长序列实时运动估计。通过与预测最小均算法PLS和扩展的卡尔曼滤波算法EKF进行模拟数据和真实序列实验比较，证明本文提出的RSA算法具有很好的鲁棒性和准确性。     

一种改进的基于光流的鲁棒多尺度运动估计算法

基于图像的运动估计是计算机视觉在许多应用中的一项基本任务, 在这一领域的主要目标是尽可能精确地估计场景和物体的运动。针对界外值在光流估计过程中会引起不可预期的运动估计结果, 严重影响运动估计精度的问题,提出一种改进的鲁棒分层的多尺度运动估计算法。该算法利用图基的双权重函数,自动调节不同残差数据点的权重,去除残差过大的数据点,并采用多尺度金字塔由粗到精逐层迭代,精确地估计运动矢量。实验结果表明：该算法鲁棒性好,能有效地解决遮挡背景和运动不连续而引起的界外值问题,明显地提高运动估计精度。     

控制过程异常数据的在线检测

针对传统小波方法在检测异常数据方面的不足及控制系统中过程数据的特点,提出了一种适用于工业控制系统的异常过程数据在线检测方法．此方法采用基于模型的小波分析残差的检测思想,考虑异常值对模型的影响,提出了带有反馈结构的RBF网络模型,从而有效降低了异常点对RBF网络准确性的影响,提高了网络的鲁棒性;采用隐马尔可夫模型分析小波...     

Novel Model Using Kernel Function and Local Intensity Information for Noise Image Segmentation

It remains a challenging task to segment images that are distorted by noise and intensity inhomogeneity.To overcome these problems, in this paper, we present a novel region-based active contour model based on local intensity information and a kernel metric. By introducing intensity information about the local region, the proposed model can accurately segment images with intensity inhomogeneity. To enhance the model's robustness to noise and outliers, we introduce a kernel metric as its objective functional. To more accurately detect boundaries, we apply convex optimization to this new model, which uses a weighted total-variation norm given by an edge indicator function. Lastly, we use the split Bregman iteration method to obtain the numerical solution. We conducted an extensive series of experiments on both synthetic and real images to evaluate our proposed method, and the results demonstrate significant improvements in terms of efficiency and accuracy, compared with the performance of currently popular methods.     

基于时延差特征参数判别的牛顿迭代振源定位搜索算法

 时差定位系统的定位精度, 主要受时间差测量和传感器几何分布的影响。由于受环境的复杂性、目标的移动性和定位的实时性制约, 时延差准确与否一直是困扰研究人员的问题。本文提出一种基于信号特征参数判别的时延差误差估计方法, 应用该方法分别对牛顿迭代搜索定位算法的搜索初值和结束条件进行了改进:首先利用各传感器的特征信息, 确定各传感器信号的信度;其次, 选择3 个可信度高的传感器进行目标定位, 其结果作为牛顿迭代搜索的初值, 避免了传统方法确定初值的复杂繁琐的计算;第三, 将各传感器的信度作为牛顿迭代搜索结束条件的权值, 使得结束条件更合理、更贴近实际。实验证明了本算法定位精度高、鲁棒性强。     

一种超复数鲁棒相关图像配准算法

为解决实际应用中彩色图像配准问题,针对已有的超复数互相关方法没有办法处理存在粗差的情况,在超复数互相关方法的基础上,结合鲁棒核函数,提出了一种超复数鲁棒相关的方法.该方法在频域中能使用快速傅里叶变换实现,在满足鲁棒性、实时性和准确性的同时,能通过遍历搜索去获得图像配准的全局解.即使在配准图像间存在粗差或者色彩旋转的情况下,该方法也能获得正确的配准结果.实验结果证明了该方法的有效性.     

计算机视觉中基本矩阵的估计方法

基本矩阵的估计是计算机视觉中一项重要的研究课题.从特征点的提取、匹配到从一组对应点求出基本矩阵的估计值,完整地介绍了求解基本矩阵的方法.对于噪声干扰以及问题固有的复杂性所导致的误匹配,以及由此导致的估计结果恶化问题,采用最小中值法（LMedS）,有效地解决了存在误匹配情况下稳定、准确地估计基本矩阵的问题.     

基于Bayesian方法的参数估计和异常值检测

异常值检测是当前数据分析研究中的一个重要研究领域。模型中的异常值会直接影响建模、参数的估计、预测等问题。基于模型的异常值检测,传统的做法是先对模型参数进行估计,再进行异常值检测。而异常值的存在会影响参数估计,从而导致下一步异常值检测的不可靠;反之异常值检测也会影响参数估计。针对这些不足之处,提出了基于 Bayesian 方法的参数估计和异常值检测,此方法可以将参数估计和异常值检测同时实现,具体做法是在线性回归模型中引入识别变量,基于 Gibbs 抽样算法,给出识别变量后验概率的计算方法,通过比较这些识别变量的后验概率进行异常值定位,同时给出参数的估算方法。通过大量的模拟实验,结果表明,与传统方法相比,提出的方法对异常值更灵敏。     

一种改进的最大一致性点云几何基元拟合算法

基于MCMD_Z(maximum consistency with minimum distance and robust Z-score)算法思想,提出了一种稳健的且适用于平面、二次曲面(球、圆柱、圆锥)基元高精度拟合算法.算法依据距离和最小准则,从含有粗差的点集中选取最佳点子集拟合可靠模型初值,并采用稳健Z分数方法循环剔除粗差;对剔除粗差后的保留点集采用加权最小二乘迭代方法拟合.实验表明,对粗差含量较高的点云数据,该算法均能有效剔除粗差、拟合出高精度的几何基元.