线性模型中基于稳健诊断的局部影响分析

 在线性回归模型的局部影响分析中,通过用具有高崩溃点的稳健估计替代局部影响分析诊断统计量中投影矩阵的方法,给出了一种有效识别影响点的方法.实例分析说明,该方法对高杠杆点及掩盖效应具有较好的识别效果.     

一般线性回归模型最佳线性无偏估计的影响分析

讨论一般线性回归模型的影响分析问题,研究了协方差矩阵扰动和数据删除对最佳线性无偏估计的影响,给出了度量影响大小的距离测度和它的计算公式.     

改进的线性判别回归分类人脸识别算法

对线性回归分类算法进行了改进。考虑了线性回归分类算法中没有考虑的类间信息,通过选择类模式的投影方向判别不同类的模式,不同类的模式互相远离,相同类的模式尽可能靠近来估计投影矩阵;再利用投影矩阵将训练图像及测试图像投影到各类的特征子空间;最后,计算出测试图像与训练图像间的距离,利用K-近邻分类器完成人脸的识别。在FERET人脸数据库上进行实验验证。实验结果表明,相比其他回归分类算法,本算法取得了更好的识别效果。     

结合加权子空间和相似度度量学习的人脸验证方法研究

在无约束条件下,人脸表情、姿态、光照以及背景等复杂因素可能导致人脸图像的类内变化大于类间变化.针对如何降低较大的类内变化对人脸验证研究的影响,本文结合加权子空间,提出了一种带先验相似性和先验距离约束的相似度度量学习方法.首先,利用类内人脸对样本,学习带权重的类内协方差矩阵,通过加权子空间的投影,从人脸图像中获得鲁棒性的人脸特征表达;其次,利用样本对的相似性与差异性,建立了带先验相似性和先验距离约束的相似度度量学习模型,优化后的度量矩阵可以有效提高特征向量的类内鲁棒性和类间判别性;最后,利用优化的度量矩阵计算人脸对的相似度.在LFW(Labeled Faces in the Wild)数据集的实验验证了所提模型的有效性,与其它同类相似度度量学习方法相比,优化的度量矩阵更能准确地评估人脸间的相似性,并在受限训练集上取得了91.2%的识别率.     

基于鲁棒回归度量学习的图像分类算法

度量学习是机器学习中的重要研究问题之一,针对实际应用中的噪声数据,如何建立一个鲁棒的度量仍是一个挑战.本文将稀疏表示、特征学习与分类模型相结合提出了一种新的基于鲁棒回归度量学习(RRML)的算法并将其应用于图像分类.算法对最优特征子空间和稀疏表示进行联合学习,在更具判别性的低维表征空间中,通过稀疏表示有效地编码数据的局部结构信息,进而更好地揭示数据的内在鉴别信息,并以此指导该模型学习到最优的投影矩阵;同时对噪声矩阵和投影矩阵的行稀疏约束,可以极大降低噪声的影响.实验结果表明所提算法在图像分类准确率和鲁棒性方面均优于其他对比算法.     

分类回归树中分裂法则的相合性质

讨论度量误差对分类树回归结果的影响,证明了对于某些常用的分裂法则来说,度量误差的存在会影响类边界估计的相合性.在一种简单情况下,提出了一个分裂法则,在该法则下,度量误差的存在不会影响类边界的相合性.     

增强Fisher判决的Bagging集成分类方法

提出了一种样本间的相似性度量方法,并将这种相似性度量信息附加到Fisher线性判别的类内、类间离散度矩阵,使得Fisher判决准则在使类内距离达最小、类间距离达最大的同时,也使类内相似度达最小、类间相似度达最大,获得比原始Fisher判别更好的投影矩阵.实验证明,与Bagging集成的Fisherface比较,该方法显示出更好的识别率.     

球体图像视觉伺服投影距离的非线性观测

球体图像视觉伺服由于不变视觉特征的设计可获得良好的运动解耦特性,但球体特征雅可比矩阵的计算依赖于若干未知三维参数,即被观测目标点的三维投影距离.针对球体图像视觉伺服特征雅可比矩阵未知三维参数的在线估计问题,文中提出了一种结合线性时变系统持续激励引理的投影距离非线性观测算法.首先结合统一投影模型对球体特征运动学进行分析,然后根据持续激励引理设计系统状态的在线更新法则,在已知摄像机运动及目标图像特征的情况下实现对未知三维投影距离的在线观测,并对观测器稳定性进行了分析.试验结果表明,该算法可有效实现对三维投影距离的在线估计,与基于深度观测的间接估计方法相比具有更优的估计精度及观测动态特性,能有效地提高球体图像视觉伺服控制的动态收敛特性.     

基于矩阵奇异值分解的证据冲突度量算法

针对证据理论中证据冲突度量这一关键问题,提出了基于矩阵奇异值分解的证据冲突度量算法.首先将证据的BPA向量投影到单位圆上,然后运用投影后证据向量的BPA矩阵和焦元关联矩阵构造归一化BPA矩阵,接着对其进行奇异值分解,最后根据奇异值定义证据的最大干扰分量与主分量,并将二者比值作为冲突度量.通过对Zadeh悖论扩展形式、完全冲突证据和焦元为嵌套子集等多种情况进行对比实验,验证了本文算法是较为理想的证据冲突度量方式,能够正确预测证据集的冲突程度.     

多元岭估计下数据联合影响的分解及数据的交叉影响

本文讨论了多重线性回归中数据对多元岭估计的影响。首先给出了度量数据对多元岭估计影响大小的Ｃｏｏｋ距离及其简化形式，提示了强影响点、高杠杆点、异常点间的内在联系；其次讨论了多组数据对多元岭估计的联合影响与其中每组数据对多元岭估计的影响之间的关系，最后探讨了多元岭估计中数据的交叉影响问题，得到了许多有意义的结果。     

评估模型基于交互投影的参数岭估计

根据评估过程提出的一种因变量和回归系数都未知的凸约束广义线性回归模型,利用凸集间的交互投影作出模型参数的最小二乘估计,在设计矩阵列复共线时给出了交互投影算法的参数岭估计,扩充了评估模型理论,增强了评估模型基于交互投影算法的计算稳定性.     

联合特征值和特征子空间投影的信源数估计

高分辨空间谱估计算法中信源数的准确估计是必要前提.文中结合矩阵重构和特征子空间投影方法,提出一种适用于弹载阵列系统的信源数估计算法.将阵列阵元分成相同的2组,求得这2组阵元接收数据的互协方差矩阵并重构信源数估计矩阵,对重构的矩阵特征分解,联合特征子空间投影和特征值加权的方法构造判决函数来估计信源数.理论分析与仿真结果表明:重构矩阵的信号子空间特征值呈平方倍增大,噪声功率得到抑制;算法有效提高了少量快拍数据和低信噪比条件下信源数估计的正确率.     

基于竞争规则和挡板辅助的基础矩阵估计算法

基础矩阵估计是计算机立体视觉的关键环节,对它的估计精度将直接影响对应点的匹配和特征点坐标的重构计算.笔者通过研究现有基础矩阵估计方法,分析它们的性能和优缺点的基础上,提出了改进TorrM estimators基础矩阵估计方法,并通过竞争规则选择初始值和利用印有标准图案的挡板辅助计算,有效地消除了出格点的影响,提高了基础矩阵估计精度,精确恢复了外极几何关系.     

马尔可夫过程的低秩谱估计

针对马尔可夫过程的谱估计算法利用了非负投影而导致估计矩阵不能满足低秩要求的问题，提出一个低秩谱估计算法(Low-rank Spectral Estimation Algorithm, LRSEA):首先，建立秩约束状态转移矩阵集合的局部Lipschitz型误差界，并给出满足该集合误差界不等式的近似投影矩阵; 然后，基于近似投影矩阵对现有的谱估计算法进行低秩修正，得到LRSEA算法，并为该算法建立统计误差界。通过人工合成数据实验对LRSEA算法、经验估计方法和谱估计方法进行比较，结果表明LRSEA算法的估计误差最小。最后，将LRSEA算法与k-均值聚类算法结合应用到纽约市曼哈顿岛出租车轨迹的分析问题。     

基于随机森林相似度矩阵差异性的特征选择

将随机森林的相似度矩阵看做一种特殊的核度量,利用该度量对模型参数的鲁棒性和特征变化的敏感性,提出一种特征选择的方法.采用相似度矩阵,计算训练样本类内和类间相似性比率.再利用特征值随机置换技术,将相似性比率的变化量作为特征重要性度量指标,从而对所有特征进行排序.试验结果表明,该方法能充分利用全部样本的信息,有效地进行特征选择,且其性能优于基于袋外数据误差率估计的特征选择方法.     

扰动模型参数估计的影响度量

本文从均方误差角度，引入了一种新的影响度量统计量ＭＥ（ｉ），讨论了ＧａｕｓｓＭａｒｋｏｖ模型（Ｙ，ｘβ，σ２Ｉｎ）在剔除数据点（ｙｉ，ｘｉ）的扰动下对ＬＳ估计及预测的影响问题，并在ＭＥｉ与影响分析中异常点，强影响点常用的度量统计量之间建立了一定的联系，得到了一致的结论和判断效果。进而在引入原模型误差方至σ２的一种新的无偏估计σ２的基础上，通过ＭＥｉ把影响分析的讨论与回归模型选择的ＰＲＥＳＳ准则建立了一定的联系．以一种新的统计解释对回归诊断中数据的影响分析和模型适宜性给以了刻划。最后以一个简单的计算实例，显示了这种刻划的合理性及与常用判定准则的一致性。     

随机约束线性回归模型参数估计的影响分析

讨论了带随机约束的线性回归模型的影响分析及强度影响的探测问题,利用数据删除法,导 单点剔除模型下参数的混合估计与原模型下对应估计的相互关系,并利用Ｃｏｏｋ统计量、Ｗｅｌｓｃｈ－ｋｕｈ统计量和协方差比统计量,分别给出了剔降单个数据点对参数估计的影响度量和协方差比通过数据模拟列子主明了此方法的有效性。     

多元分析中矩阵统计量的几种影响度量

本文利用数据删除法（ｃａｓｅ ｄｅｌｅｔｉｏｎ）对多元分析中的矩阵统计量提出了几种新的影响度量，并应用于多元数据的样本协方差矩阵及多元线性回归模型中，与现有的一些影响度量进行了比较，通过实例分析，证实了此方法的有效性。     

关于大系统的结构扰动与关联稳定(英文)

本文利用非矩阵的偏序和分块矩阵的度量,迭代收(?)等性质,通过孤立子系统的Cauchy矩阵与关联矩阵的积分估计来得到两类系统在关联结构扰动下.各种关联稳定性的代数判据,并且给出了系统的平衡状态在关联结构扰动下不变的吸收区域估计式。     

线性回归模型LIU估计的影响分析

研究了线性模型中LIU估计的影响分析问题,得到了原模型与数据删除、方差扰动及均值漂移模型间——线性回归有偏估计(LIU)估计的关系式,给出了影响度量的计算公式。