Brinbaum-Sauders分布的极值收敛速度

主要讨论了Brinbaum-Sauders分布的尾部特征,得到了最大值分布的渐进展开.     

极值分析下基于位置矩阵的质心定位方法

为以使星敏感器在复杂工况下依旧能获得高精度的星点质心位置，提出一种极值分析下基于位置矩阵的质心定位方法。首先, 提出极值分析下的星点弥散区域粗提取算法, 对去噪后的星图进行星点局部区域限定。接着, 提出基于位置矩阵的线段编码标记法对星点弥散区域进行精提取。最后, 利用星点区域像素信息估计出高斯曲面参数以得到星点精确的质心坐标。仿真结果表明, 星图噪声标准差处于2的水平时, 所提方法可以使星点质心定位精度达到0.070 4 pixel, 且在星图噪声标准差处于12的水平时, 仍具有90.03%的高星点提取成功率。     

等周约束条件下泛函的无条件极值曲线求法证明

利用函数的连续偏导数,积分分部求解,函数极值的性质,在结合常微分方程中隐函数定理性质,以及高阶常微分方程求解知识,证明了在等周问题约束条件下将条件极值转为无条件极值的类Euler方程.     

新形式强极值原理的新证明

用全新的方法证明了新形式的二阶完全非线性微分算子的强极值原理.     

自然场景文本区域定位

自然场景文本区域定位是场景图像内容分析的重要步骤,文本区域定位能够为后续的文本识别提供便利.从场景文本特性出发,提出了一种基于最大极值稳定区域(maximally stable extremal regions,MSER)、颜色聚类和视觉显著性的鲁棒性文本定位方法.为了尽可能多地提取出潜在的文本区域,分别在灰度图像和彩色图像上采用最大极值稳定区域和颜色聚类来进行连通域的分析.对于得到的候选连通域,利用自然场景文本的显著性特征和少量的先验信息来滤除其中的非文本区域.将保留的文本区域用数学形态学水平膨胀的方法连成文本行输出.显著性评估的引入使得该方法能够减少大量参数的设定.标准数据集上的实验结果表明,在没有额外的训练数据和少量先验信息的情况下,该方法可以获得较好的正确率和召回率.     

固定边界条件下最优控制必要条件研究

根据变分法的基本原理,对泛函极值问题进行了推广,给出了3类不同系统在固定边界条件下求得最优控制的必要条件,并且给出了证明。     

基于EGARCH-ε_t-GPD模型的VaR计算

在传统的利用极值理论来计算VaR的过程中,一般先是对时间序列建立GARCH模型,再对残差序列运用极值理论建模,从而估计得到VaR.但建模时在GARCH模型的条件方差方程中,人们只考虑了以前时刻的随机误差项对方差的影响,而忽视了当前时刻的随机误差项对方差所作出的贡献.故作者在对时间序列建立EGARCH模型时,在方差方程中引进了当前时刻的随机误差项,然后再对残差建立GPD模型来研究风险价值,并进行了相应的实证分析,结果表明加入当前时刻的随机误差项后估计得到的VaR准确性更高.     

序比例诱导分段无量纲化方法及其影响因素

为在评价数据的无量纲化处理过程中兼顾异常值情形，并减弱因异常值的存在而导致的无量纲化后数据之间分布不均衡的问题，在极值处理法的基础上，提出了一种非线性的无量纲化方法，即序比例诱导分段无量纲化方法。该方法以原始指标值的排序百分比为诱导变量对原始指标值进行分段，并在各区段内以极值处理法为基础分别进行无量纲化处理。通过性质分析，发现该方法能够较大程度地提升无量纲化结果对“总量恒定性”性质的满足程度。此外，采用模拟仿真的方法发现，该无量纲化方法对异常值具有较好的抗干扰性、且随着分段层级的增加其对异常值的敏感程度越来越低等主要结论。     

基于视觉关注模型与多尺度MSER的自然场景文本检测

自然场景中文本检测易受光照、复杂背景、多语言文字、字体及尺寸等因素影响，该文提出了一种基于Itti视觉关注模型与多尺度最大稳定极值区域（maximally stable extremalregion,MSER）结合的自然场景文本检测算法.首先利用改进的Itti视觉关注模型提取文本特征图，并采用不同结合策略得到各尺度文本显著图；然后结合多尺度的MSER区域得到3种文本候选区域.根据文字与生成文本框的几何规则合并文本候选区域得到文本行；最后利用随机森林分类器除去非文本区域得到最终文本区域.实验结果表明，该方法对于自然场景图像中的文本检测具有较高的精确度和一定的鲁棒性.