检测非平稳时间序列中离群点和变化点的统一框架

文章为在非平稳时间序列的在线学习理论的基础上检测离群点和变化点提出了一个统一框架.在这个框架中数据源的一个概率模型用一种在线折扣学习算法被逐步学习,该算法能通过逐渐忘记过去数据的效果自适应地跟踪变化的数据源.然后任一给定数据的分数被计算出来测量它与学习模型的偏差,高分表明更有可能是离群点.进一步地数据流中的变化点通过用这一学习模型应用这种得分方法到一个移动平均损失预测时间序列中来检测.特别地我们为来自时间序列数据的自回归模型的在线折扣学习发明了一种有效算法,并通过仿真和在股票市场数据分析的实际应用验证框架的有效性.     

一种改进的聚类和孤立点检测算法

对基于距离的聚类及基于密度的孤立点检测方法进行了分析研究,提出了一种基于距离和密度的聚类和孤立点检测算法DDBCOD.该算法根据距离和密度阈值对数据进行聚类,并发现数据中的孤立点.实验表明,该算法能够识别任意形状的聚类,对高维数据有效,能够很好地识别出孤立点.     

Euclid实验数据对相互作用暗能量模型的预测限制

模拟了加入非线性理论不确定性误差的Euclid巡天数据,同时结合宇宙微波背景辐射(CMB)、BAO和Ⅰa型超新星(SNe Ⅰa),利用马尔可夫链蒙特卡洛(MCMC)算法,在完整的参数空间下对wCDM模型进行预测限制,对暗能量与暗物质间的相互作用性质进行探讨.为了研究Euclid巡天项目对不同相互作用暗能量模型的耦合常数(β)、暗能量状态方程(w)等参数的限制效果,采用CMB+BAO+SNe Ⅰa和Euclid+CMB+BAO+SNe Ⅰa数据组合对4个相互作用暗能量模型进行了限制对比,得到结论如下:1)除了Qde∝ 3βHρdeνde模型,其他模型在加入Euclid模拟数据后,模型参数均得到了更好的限制.2)在各个模型中,用CMB+BAO+SNe Ⅰa数据组合限制时,β均在1.2σ置信区间内不为0;当用Euclid+CMB+BAO+SNe Ⅰa数据组合限制时,在Qde∝3βHρcvc、Qde∝ 3βHρcνde、Qde∝ 3βHρdeνc这3个模型中,均在1σ置信区间内不为0;在Qde ∝3βHρdeνde模型中,β在1.9σ置信区间内不为0.Euclid巡天实验结合CMB、超新星、哈勃参量的直接测量等宇宙学探针,将会帮助进一步了解暗能量、暗物质性质.     

P阶自回归模型中的变点检验问题

变点问题是统计学中一个较新的课题.本文讨论了p阶自回归模型中的变点检验问题,对于自回归模型在模型的白噪声序列的方差σ2未知的条件下,分别利用最大似然估计方法和最小二乘法给出了变点的检验统计量,并得到统计量的渐近分布,最后给出了证明.     

基于模型分析的指纹奇异点检测

针对传统的奇异点检测方法主要基于方向场变化且容易受噪声影响,提出了一种新的基于模型分析的指纹奇异点检测方法.首先用基于离散余弦变换基函数对方向场进行建模,在计算方向场的基础上,利用常微分方程系统线性化数学模型,通过对模型参数和平衡点进行分析,检测指纹奇异点位置.实验结果表明,基于常微分方程线性化模型分析的指纹奇异点检测方法比传统的Poincare Index方法对噪声更具有较好的鲁棒性,能进一步提高奇异点检测的准确度.
     

基于卷积神经网络的猪脸特征点检测方法

针对牲畜面部识别在养殖行业广泛需求的问题, 提出一种基于卷积神经网络的猪脸特征点检测方法, 解决了猪脸特征点难检测的问题. 首先, 采集猪面部数据并进行特征点标注, 使用新的采集方法以解决猪口部通常不可见的问题； 其次, 对猪脸数据和人脸数据进行结构计算, 匹配相似度较高的猪脸和人脸, 构建猪脸人脸匹配数据集； 再次, 利用匹配数据集训练TPS(thin plate spline)形变卷积神经网络, 得到形变后的猪脸数据集以适配人脸特征点检测模型； 最后, 使用形变猪脸数据集对人脸特征点检测神经网络模型进行微调, 得到猪脸特征点检测模型. 实验结果表明, 用该方法进行猪脸特征点检测, 错误率仅为5.60%.     

基于DS的孤立点检测在瓦斯浓度判定中的应用

对几种孤立点检测算法进行介绍,总结它们的特点.针对孤立点检测算法的一些弊端和瓦斯浓度的实际情况,选择一个基于DS(距离和)的孤立点检测算法实现对瓦斯浓度的异常数据进行分析处理,找到真正的异常数据,保证煤矿安全预警的准确性.     

动态平行数据模型中固定效应模型的模型设定问题

将数据生成过程为一阶自回归的时间序列yt=α+ρyt-1+tε,tε~i.i.d(0,σ2),t=1,2,…T的大样本性质推广到动态平行数据模型中,在固定效应模型中构造并证明了模型设定的χ2统计量,并解决了动态平行数据模型中固定效应模型的模型设定问题.     

多变点的AR模型估计的功效

对含有变点的不同数据生成过程,用蒙特卡洛方法模拟研究了自回归移动平均模型分析法检测变点的功效,实验表明,AR模型估计对均值变点检测有较高的势。给出了利用AR模型检验某企业微电子标准物质质量稳定性的实例。     

一种改进的离群点检测方法

现有的离群点检测算法运用于规模较大的数据集时,其时间效率和检测效果通常不够理想.通过对离群点分布特征的分析,在计算每个数据点到其kth最近邻对象距离的同时,结合其k最近邻的分布情况,给出一种改进的离群点度量方法.基于上述思想构造的离群点检测算法DokOF能够处理混合属性数据.实验表明,该算法具有良好的适用性和有效性.     

单边检验在方差检验中的局限性

论证了方差的原假设H0:(σ2≤σ20)或(σ2≥σ20)只进行单边检验的局限性——只给出一个拒绝域是不够完善的;首次提出H0:(σ2≤σ20)或(σ2≥σ20)进行双边检验的方法及双边拒绝域.     

双正态总体均值的置信区间估计及MATLAB实现

分析了两个正态总体均值之差的区间估计(σ21、σ22未知,但σ21=σ22)和两个正态总体均值之差的区间估计(σ21、σ22未知,n1,n2≥50),对参数做区间估计时统计量的选取进行了探讨,结合实例进行了讨论,并给出MATLAB上实现的程序.     

一类时标动态方程的极限圆型判定准则及应用

在时间刻度T（inf T=0∈T,sup T=∞）上讨论了二阶动态方程[p（t）y^△]^△＋q（t）y^σ=0在特定条件（p（t）=p（t）/-α（t）,q（t）^-p（t）-p^-△（t）,α（t）为回归函数,p^-（t）≠0,p^-（t）∈Crd（T））下解的有界性以及极限圆型判定,并在此基础上得到了极限圆型判定的充要条件．     

关于遗传超仿紧空间的Tychonoff乘积性质

本文主要证明：（1）如果∏σ∈∑Xσ是遗传｜∑｜-超仿紧空间,则X是遗传超仿紧空间当且仅当А↓F∈∑,∏σ∈FXσ以是遗传超仿紧空间．（2）设x=∏σ∈∑Xσ以是遗传可数超仿紧空间,则下列三条等价：X是遗传超仿紧空间;А↓F∈[ω]^〈ω,∏i∈FXi是遗传超仿紧空间;А↓n∈ω,∏isnXi是遗传超仿紧空间．     

水泥加固粗粒土试样尺寸效应及强度特性

通过导入试样尺寸效应评价参数和评价指标,定量研究了试样尺寸对粗粒土水泥土无侧限抗压强度的影响。研究结果表明,石英砂水泥土强度和钙质砂水泥土强度,分别在评价参数D/dmax（试样最小尺寸与土样最大粒径的比值）大于5和大于2.5时,随D/dmax单调减小,并逐渐趋于稳定;这种递减关系能够被指数函数能够较好地反映,其中的唯一待定参数,对于石英砂水泥土可取12.5,钙质砂水泥土可取8.5,则只需知道D/dmax和对应的无侧限抗压强度,即可推算出相同试验条件下无试样尺寸效应的强度值及尺寸效应的程度。利用尺寸效应评价指标与D/dmax的关系,可给出合理的试样尺寸建议。在本试验条件下,无试样尺寸效应粗粒土水泥土强度随水泥掺入比呈线性增加趋势,随养护龄期在短期提高幅度较大,28d龄期后增长速度逐渐变缓,石英砂水泥土强度远大于相同条件的钙质砂水泥土强度。     

空间自回归模型在水库边坡位移预测中的应用

针对传统位移监测很少考虑不同测点之间相互作用的问题,基于经济学领域空间计量学基本理论,研究了空间自回归模型在边坡位移预测中的应用。以某工程高边坡外观位移数据为例,对边坡的位移状况进行预测,并与传统的自回归积分滑动平均模型相比较。结果表明:(a)在空间自相关系数较为显著的条件下,运用空间自回归模型可以较为精确地预测边坡变形状况,且优于传统模型;(b)空间自回归模型相较于传统模型参数更加简洁、考虑的影响因素更全面,可以同时对空间所有测点位移进行估计。     

基于GMDH的宏观经济短期预测模型

传统的宏观经济短期预测研究通常基于定量或定性预测模型,而GMDH 算法兼具定性定量的特点,建立了基于GMDH 自回归模型的混合预测模型数学模型来进行宏观经济短期预测,应用相关的统计数据做实证分析,将所得结果与传统GMDH模型、二次自回归模型进行了比较.结果表明,本文提出的混合预测模型具有良好的预测精度,是一种有效的宏观经济短期预测手段.     

Nanoscale precipitates and comprehensive strengthening mechanism in AISI H13 steel

The effects of heat treatment on the precipitates and strengthening mechanism in AISI H13 steel were investigated. The results showed that the presence of nanoscale precipitates favorably affected grain refinement and improved the yield strength. The volume fraction of precipitates increased from 1.05% to 2.85% during tempering, whereas the average precipitate size first decreased then increased during tempering. Contributions to the yield strength arising from the various mechanisms were calculated quantificationally, and the results demonstrated that grain refinement and dislocation density most strongly influenced the yield strength. In addition, under the interaction of average size and volume fraction, precipitates’ contribution to the yield strength ranged from 247.9 to 378.5 MPa. Finally, a root-mean-square summation law of σ = σ_g + σ_s + (σ_d2 + σ_p2)1/2, where σ_g, σ_s, σ_d, and σ_p represent the contributions of fine-grain strengthening, solid-solution strengthening, dislocation strengthening, and precipitation strengthening, respectively, was confirmed as the most applicable for AISI H13 steel, which indicates a strong link between precipitates and dislocations in AISI H13 steel.     

基于小波方法的空间风速场模拟

为克服随时间变化模型基于适应过滤器和窗口估计方法中窗口长度不宜过大,产生的短时时间序列模拟准确性不够高的缺点,应用小波分解方法,结合线性滤波器法的向量过程自回归(AR)模型,给出了模拟空间脉动风场的一种新方法.该方法对于AR模型自回归系数在空间上进行小波扩展,采用最小二乘法来估计AR模型的自回归系数,并给出了该方法模拟空间风速场的实现步骤.将该方法应用于一空间结构的风速场模拟,并给出了模拟结果与目标值的对比,以及与向量过程AR模型模拟结果的对比,结果证实该方法可以减少风速时程分析在频域上的信息损失,对短时时间序列模拟具有较高的准确性,并具有较高的计算效率.