基于ARMA-稀疏贝叶斯模型的汇率预测研究

文章基于ARMA模型和稀疏贝叶斯模型,提出了ARMA-稀疏贝叶斯模型,充分利用ARMA模型和稀疏贝叶斯模型在线性模型及非线性模型预测中的优势,将收益率序列分解为线性自相关主体和非线性残差2个部分,然后用ARMA模型对线性自相关主体数据进行预测估计,用稀疏贝叶斯模型对非线性残差进行预测估计,最后合成人民币兑美元日汇率中间价序列预测结果。研究结果证明,运用所建模型预测人民币日汇率中间价和上证指数收盘价,均取得了较好的效果。     

基于高阶交叠组稀疏正则项的图像恢复方法

为进一步提高交叠组稀疏全变分模型的图像恢复效果,通过在现有模型的基础上结合图像的二阶梯度信息,增加二阶梯度正则项的方法对交叠组稀疏正则项进行改进,研究了基于高阶交叠组稀疏正则项的模型建立和算法以及在图像恢复中的效果及各参数的影响。结果表明：在一定水平噪声标准差的情况下,应用该方法对图像进行恢复时,基本上均可获得比其他模型更好的恢复效果。可见在交叠组稀疏全变分模型中考虑二阶梯度信息有助于提高图像的恢复性能。     

模式耦合稀疏贝叶斯MIMO雷达成像

通过压缩感知稀疏恢复理论可利用少量MIMO雷达收发阵元实现对目标的高分辨成像。利用MIMO雷达目标图像的块稀疏特性,将模式耦合稀疏贝叶斯学习算法应用于MIMO雷达成像,首先建立MIMO面阵回波信号模型,引入模式耦合稀疏贝叶斯分层模型,将相邻系数通过共用超参数的方法耦合起来。通过贝叶斯推理得到雷达信号的估计式,再通过EM算法实现对超参数的迭代估计,进而实现对雷达信号的估计,直到信号满足误差允许范围,最后重构信号实现MIMO阵列高分辨成像。仿真实验表明,该方法的成像效果在图像的聚焦性能上优于传统的傅里叶、稀疏贝叶斯算法,在散射点重构上优于OMP算法。     

基于压缩感知的交通监控视频目标检测算法

针对公路交通监控的需求增大与网络带宽资源有限的矛盾,本文提出一种贝叶斯压缩感知的目标检测算法.该算法采用小波基对信号进行稀疏,用部分哈达玛测量矩阵进行观测,实现视频的压缩,为了得到更为准确的前景,提出在部分时间均衡自适应背景模型下,将背景分割思想和小波树结构的贝叶斯压缩感知结合的重构算法完成目标检测.通过对多个场景监控视频的试验,验证了该方法的准确性和有效性,并对光线变化具有一定的鲁棒性和减少视频传输的成本.     

基于LAZE先验的机器学习方法在癌症数据上的应用——以前列腺癌数据集为例

针对高维癌症数据的特征构建稀疏化模型,分析了已有的稀疏化方法能够取得稀疏化结果的原因,以此为基础改进了使用LAZE先验的贝叶斯方法,得到了2个适用于癌症数据的新稀疏化方法（使用半混合先验的贝叶斯方法和使用完整LAZE先验的贝叶斯方法）;并利用前列腺癌数据集对2个新稀疏化方法的可行性与有效性进行验证. 数值实验结果表明:与传统稀疏化方法相比较,新稀疏化方法不仅能够得到较好的稀疏效果,能够完全剔除与目标指标无关的临床指标,还能得到较低的误差.     

基于变分贝叶斯推理的高光谱图像恢复

提出一种基于变分贝叶斯推理的高光谱图像恢复方法.建立描述高斯噪声的最大似然函数项,采用小波基矩阵变换,构建小波变换后因子稀疏分布的先验函数;然后建立估计图像和相关超参数的联合后验概率估计模型,并通过变分贝叶斯推理得到估计的图像.利用实际的高光谱图像进行实验,从恢复的衡量指标和视觉效果图两方面验证所提出方法的有效性,结果优于目前常用的图像恢复方法.     

一种基于贝叶斯压缩感知的图像修复方法

图像修复是利用图像中已知区域信息对破损区域进行信息填充,以弥补信息的损失.传统的修复方法依赖图像的结构来确定,使图像达到人眼主观可以接受的程度.基于贝叶斯压缩感知的图像修复方法首先对受损图像进行稀疏变换,利用贝叶斯压缩感知得到稀疏系数的后验分布函数,求得分布函数的均值和方差,将均值作为图像的稀疏系数的估计,方差作为噪声的估计.仿真结果验证了该方法可以提高图像的修复质量.     

采用非线性块稀疏字典选择的视频总结

针对基于稀疏表示的视频总结未充分考虑视频帧之间的非线性关系和关键帧的块稀疏特性,提出了一种采用非线性块稀疏字典选择的视频总结方法。首先考虑视频帧之间的非线性关系,通过核函数把原始视频样本映射到高维空间,使线性不可分的样本变得线性可分,从而实现非线性到线性的转化,建立非线性稀疏字典选择模型;然后考虑关键帧的块稀疏特性,将视频帧分成帧块,每个帧块内的内容具有一定的相似性,进一步建立非线性块稀疏字典选择模型来提取关键帧块;最后设计了一种核化的联合块正交匹配追踪算法对提出的模型进行优化。在基准视频数据集上的实验表明,所提算法能明显提升视频总结的性能指标F值,且计算复杂度较低,从而验证了联合使用非线性和块稀疏的有效性。     

基于多任务贝叶斯压缩感知的探地雷达成像算法

针对步进频率连续波探地雷达(SFCW-GPR)目标成像空间的联合稀疏性,在基于稀疏贝叶斯压缩感知(BCS)成像的基础上,提出了多任务贝叶斯压缩感知(MT-BCS)算法;针对不同的任务,采用一种通用的先验层次贝叶斯模型,该算法能在有限观测数据条件下,通过利用每组观测数据之间的相关性,使得从较少的随机样本中恢复原始信号;该算法对每组任务的重构都是独立的,在充分利用观测数据的相关性的同时,又可以保留各自数据的特性,实现各组观测数据之间信息共享;仿真结果表明,MT-BCS的重构性能良好,在相同条件下MT-BCS算法的重构效果优于BCS算法所得到的重构效果。     

一种基于属性贝叶斯网络的行为识别模型

针对传统行为识别方法仅利用底层特征识别的不足,提出了一种将动作属性与贝叶斯网络相结合的行为识别方法.首先,提取视频中的时空兴趣点及其3D-SIFT特征描述符,用词袋的方法建立时空词典对视频序列进行表示;然后,利用底层特征训练属性分类器,构造由底层特征到高层特征的映射,将底层特征样本经过属性分类器后得到行为—属性的样本信息,并采用MAP(最大后验概率)准则学习贝叶斯网络结构,从而建立一种基于属性贝叶斯网络的行为识别模型.实验结果表明该模型能有效地进行行为识别.     

基于相对编辑相似度的近似重复视频检索和定位

为有效对近似重复视频进行检索和定位,提出了一种基于相对编辑相似度的检索和定位算法.算法包括基于局部特征的视频编码和基于相对编辑相似度的在线检索和定位两部分.基于局部特征的视频编码首先提取数据库视频的关键帧,然后在关键帧中提取Root-SIFT特征描述符并应用层次K-Means聚类算法构建词典,之后将关键帧量化至词袋模型的单词并编码.基于相对编辑相似度的在线检索和定位首先对查询视频进行编码,然后应用相对编辑相似度算法,筛选近似重复视频并对近似重复片段进行定位.实验结果表明,LD算法比Yeh等提出的算法在平均F₁评价准则上效果要高8.55%,并且NDCR降低为原来的29%,效果提升明显.      

一种基于贝叶斯多分类器组合的视频人脸取证系统设计

 贝叶斯多分类器组合模型可以表示图像间的条件概率和限定语义,并依此预测用户查询和序列图像间的相似度,是解决视频序列图像信息检索的有效手段。为了提高视频人脸取证系统中人脸图像匹配速度和准确度,提出和设计了一种基于贝叶斯多分类器的视频人脸跟踪识别取证系统。给出了系统的总体结构、主要模块的设计,以及采用的关键技术。实验中训练数据为有限的静态人脸图像,测试数据为视频图像序列。实验表明,该系统识别效率高、取证能力强、容错性好,在视频人脸分类中具有较好的效果,为动静结合人脸图像分类提供了一定的依据。     

视频剪辑查询结合时空金字塔匹配的视频检索方法

针对视频检索系统中目标持续移动从而影响检索精度的问题,提出一种基于视频剪辑查询融合时空金字塔匹配(spatio-temporal pyramid matching,STPM)方法.借助基于特征分析和分类的片段编辑检测器将新的视频分割成多个片段,以元数据信息将视频片段存入数据库,利用基于逐帧特征结合弱分类器的boosting算法检测视频片段边界,针对新的查询视频进行分析和线上视频匹配,并利用时空金字塔匹配计算相关反馈值.在中佛罗里达大学(university of central Florida,UCF)数据集和YouTube运动视频上的实验验证了方法的有效性,实验结果表明,方法的平均精度可高达97.6％,相比其他几种较为新颖的匹配方法,取得了更好的检索性能.     

基于多反馈累积综合的新闻图像检索方法

通过分析新闻图像检索的应用特点,提出了一种多反馈、累积的图像检索方法．在贝叶斯分类模型的基础上,构造图像特征的分类方法,进一步得到图像的分类概率;设计多个反馈指标上的概率综合公式及先验概率的累积修正方法．实验结果表明,所提出的算法是有效的,并具有较好的性能．     

一种基于Rough Set的视频镜头检测方法

镜头检测是基于内容的视频检索的重要基础。视频文档具有数据量巨大,抽象程度低等特点,对其进行有效的存储、检索成为需要解决的迫切问题。根据MPEG编码的特点,提出了一种基于Rough Set的镜头检测方法。该方法能有效地区分镜头运动与渐变。实验表明,利用本文方法进行镜头检测能取得较好的效果。     

基于案例推理的应急决策贝叶斯网建模方法

贝叶斯网络技术具有丰富的概率表达能力,不确定性问题的处理能力,以及多源信息的融合能力,其有利于辅助突发事件的应急决策,提高决策效率.突发事件应急决策具有较高的时间敏感性,因此要求能够尽可能缩短贝叶斯网络的建模时间,而从无到有的传统贝叶斯网络建模方法的效率显然无法较好地满足这一要求.因此,针对以上问题,提出了基于案例推理的应急决策贝叶斯网络建模方法.该方法基于历史案例库,通过相似度和偏离度两个指标对历史案例进行匹配并得到候选案例,最后通过案例合并和剪枝等方法对候选案例进行调整,最终得到新的案例模型.通过案例仿真对所述方法进行了验证,结果表明:基于案例推理的应急决策贝叶斯网络建模方法没有庞大的搜索空间,也不需要样本数据,只需要提前收集历史案例模型,与传统贝叶斯网络建模方法相比,该方法能够复用历史模型,从而缩短了建模时间,提高了建模效率.     

基因调控网络的父节点筛选贝叶斯建模方法

在构建基因调控网络的方法中,贝叶斯网络模型可以直观地表达基因间的调控关系,但在结构学习时的复杂度极高,使得网络建模效率较低且规模有限.因此,本文提出一种基于父节点筛选的贝叶斯网络(parent node screening based Bayesian network, PS-BN)建模方法.PS-BN方法将关联模型与贝叶斯网络模型相结合,在充分利用贝叶斯网络模型结构学习搜索策略的前提下,先基于父节点筛选方法去除部分冗余信息,以达到缩减搜索空间的目的.实验结果表明,与传统的贝叶斯网络模型方法相比,PS-BN方法极大提升了基因调控网络构建效率,同时准确率有所提高.     

弹性动作关联序列的模式检索

视频检索要求在数据库中能够找到与待检索视频序列相关的序列,该相关序列也可以是数据库中某个序列的部分序列,为此提出了一个动态编程方法.该方法综合了计算信息领域的编辑距离算法和信号处理领域的动态时间规整(DTW)算法,并克服了它们都不能直接用于动作检索的局限性,由于可以通过调节参数使所提方法转换为上述2种方法,所以可把它们看作是所提方法的特例.通过在不同数据库上的实验,以及和编辑距离算法和动态时间规整算法的比较,发现在相同的误检率条件下,所提算法的检测率要好于其他2种算法.     

非结构化数据库在视频检索中的应用研究

视频数据检索是多媒体技术与数据库技术相结合的产物。本文通过介绍非结构化数据库和视频检索技术发展研究和应用现状,提出将非结构化数据库用于视频内容检索,可通过利用XML构建基于非结构化数据库的数据仓库模型,构建非结构化数据库的视频数据检索系统来搭建平台。非结构性数据库作为新兴研究范式将视频检索等相关领域大有作为。     

基于DCE算法的压缩域视频镜头分割方法

镜头分割是视频检索的结构化基础,为此提出一种高效的视频镜头分割方法.首先,在压缩域中提取视频流中I帧携带的特征信息,并生成帧间特征分布曲线;然后,利用离散曲线演化(DCE)算法对预处理过的曲线进行分析与演进;最后,分割出视频镜头并提取关键帧.试验结果表明:该方法充分考虑了视频编码的时序特点,具有较好的分割效果,鲁棒性强.