华北农田土壤水分运动参数的Bayes估计

为了估计具有垂向空间异质性的田间尺度土壤水分运动参数,提出利用原位多点土壤含水率观测数据反演多层土壤持水和导水特征参数的Bayes方法。该方法基于Hydrus-1D模拟模型建立Bayes推断模型,采用Markov Chain Monte Carlo(MCMC)方法求解Bayes联合概率分布,得到参数的后验边缘分布。将该方法应用于华北平原一典型农田土壤剖面,参数反演结果反映了空间变异性,与室内试验值具有较好的一致性,相应的土壤水分运动模拟具有较高精度,从而验证了该方法的有效性。     

周期单变点Poisson过程及参数Bayes估计

根据某商场内累计逛街总人数,建立具有周期单变点的Poisson过程模型,研究周期等参数的满条件分布,并分别在绝对损失和平方损失作为损失函数的条件下,利用Gibbs与Metropolis-Hastings算法,讨论未知参数的Bayes估计.对给出的结果进行随机模拟与实例分析,表明两种损失函数下的Bayes估计均具有较好的精度.     

基于数据删除的Poisson-Gamma模型的影响评价

为了研究记数数据对于Poisson-Gamma模型的影响,该文通过引入EM算法,利用基于完全数据似然函数的条件期望进行影响诊断分析,并且进一步基于数据删除模型研究全局影响,得到了数据删除模型中参数估计的一步近似和相应的广义Cook距离和Q-距离。最后,利用所得统计量获得一个实际记数数据中的影响点,结果说明该文提出的方法是有效的。     

ZIP回归模型的数据删除度量和广义杠杆

为了探测含零较多的计数数据对ZIP回归模型的影响,基于EM算法和完全数据似然函数,笔者利用数据删除方法研究了模型的全局影响,得到了参数估计的一步近似表达式以及相应的广义Cook距离和Q-距离,并研究了在EM框架下的广义杠杆值.最后,通过实际问题说明了所得统计量的有效性.     

泊松线性混合效应模型的参数估计

讨论了如何运用EM算法对泊松线性混合效应模型进行参数估计.首先利用马尔柯夫链蒙特卡罗方法对Q函数进行近似,然后利用Newton-Raphson算法求出Q函数的极大值点,从而求得了模型中未知参数的极大似然估计.以一组癫痫病人数据为例,说明该方法是简单可行的.     

成分数据中基于MCLasso的修正EM算法

针对成分数据中含有近似零值,对其作对数比变换后就会出现无穷值,从而影响对数据的进一步分析.提出了一个新的修正EM算法来处理成分数据中的近似零值问题,针对EM算法的缺点对其进行一些改进,即:对EM算法的E步用Monte Carlo方法改进,对EM算法的M步用Lasso算法进行改进.对新的方法进行实证分析,并与基于线性回归的修正EM算法、基于均值插补法和Bootstrap的修正EM算法进行比较研究,验证了该方法的有效性.     

缺失数据下多元正态模型Monte Carlo EM算法

研究含有缺失数据的多元正态模型参数的极大似然估计问题,利用Monte Carlo EM算法求得多元正态模型参数的迭代解,并证明了此迭代解收敛到最优解,且其收敛速度是二阶的.     

特殊数据的广义岭估计的迭代算法及其实现

提出了对自变量个数大于样本容量的特殊数据的广义岭估计的迭代算法,设计了2种Monte Carlo搜索岭脊方法;通过模拟研究说明了该算法简单、速度快,直观,适用于加权情况,同时第2种搜索岭脊法在估计系数、RSS和PRESS方面具有良好的表现。     

联合Mean-shift与粒子滤波器的实时视频目标跟踪算法及实现

粒子滤波器由于摆脱了高斯分布的约束条件,已经成为一种主流的、面向目标的非线性运动跟踪算法,广泛应用于视频压缩与检索、智能视频监控、智能人机交互等领域,其缺点是计算复杂度高、计算量庞大,无法满足实时应用的需求。针对粒子滤波器在计算量、实时性及粒子退化方面存在的问题,提出了将Mean-shift算法嵌入粒子滤波器,对重要性采样分布进行优化,以较少的采样粒子实现视频目标跟踪。仿真实验结果显示,联合Mean-shift的粒子滤波算法在目标跟踪过程中具有较好的实时性与鲁棒性。     

EM算法在基于区间数据的加速寿命试验统计分析中的应用

在步进加速寿命试验中,当寿命服从广义指数分布且获得的数据是区间数据时,给出试验安排,并通过各应力下产品失效机理保持不变等几个基本模型假定,得出各应力水平下形状参数相等的结论以及不同应力水平下的试验时间t_1-t_0,t_2-t_1,…,t_(i-1)-t_(i-2)折算到某一应力水平下的时间τ_(i-1)的折算公式,进而得出求相关参数的极大似然估计的隐性表达式。进一步讨论利用EM算法求解,先由E步求出期望,再由M步求出使得期望极大化的点,给出具体的迭代过程。最后采用Monte Carlo数据模拟方法分别在大样本和小样本场合下给出了参数真值的估计值,结果表明,该方法在大样本场合下更具有效性。     

一种有效的多阅读器RFID冗余数据清洗算法

原始RFID阅读数据通常质量不高,可能包含许多异常。提出一种多阅读器RFID冗余数据的清洗方法,设计了3-态识别模型,并证明了该模型下系统的性能最佳。通过贝叶斯原理从观测的条件似然以及未知参数的先验分布获取待估计参数的后验概率分布,设计了带有位置约束的Metropolis-Hastings抽样器(MH-LC);该抽样器通过合并相关约束参数进行高效和精确地清洗RFID原始数据。各种典型干扰条件下的仿真试验表明了方法的有效性。     

混凝土碳化深度的贝叶斯自回归预测分析

总结和分析了影响混凝土碳化的主要因素及碳化深度计算模型,讨论了参数随机性及不确定性对碳化深度预测计算结果的影响.根据贝叶斯分析的基本原理,研究了混凝土碳化深度预测的贝叶斯自回归方法.该方法根据马尔可夫链(Markov Chain)的概率密度演化,利用吉布斯(Gibbs)抽样及蒙特卡洛(Monte Carlo)数值模拟,建立了混凝土碳化深度的随时贝叶斯自回归模型.该模型形式简单,收敛性好,且具有较高的预测精度.利用该方法和实测的碳化深度结果,建立自回归模型,可以对混凝土碳化深度进行更新预测.     

一种RFID数据中位置参数的Bayes估计方法

RFID设备固有的限制和环境噪声的影响,造成RFID原始数据的不确定性。为了估计RFID冗余数据中位置参数,提出了利用多阅读器观测到的冗余数据反演目标符号位置参数的Bayes方法。该方法以3-态识别模型为基础建立了Bayes推论模型,通过融合监测区域中的先验知识和约束条件,采用Markov Chain Monte Carlo(MCMC)的方法求解Bayes联合概率分布,进而得到符号位置参数的后验概率分布。模拟实验结果表明,符号位置参数的估计方法可以获得较好的效率和准确性。     

非线性随机效应模型基于统计曲率的统计诊断

该文研究了非线性随机效应模型,为非线性张度大的模型提供了理论和方法。首先在欧氏空间上建立了类似Bates和Wafts的几何结构,然后在这基础上研究了均值漂移模型的曲率度量,导出了相应的Cook距离、似然距离等诊断统计量的二阶近似公式。     

基于多输入多输出-正交频分复用系统的动态马尔可夫链蒙特卡罗检测算法

在多输入多输出-正交频分复用系统中,基于马尔可夫链蒙特卡罗方法的贝叶斯多用户检测算法可以有效地抑制多径衰落、载波频偏以及相位噪声干扰,但因收敛速度较慢导致实时性较差.针对这一问题,提出一种动态马尔可夫链蒙特卡罗检测算法.该算法利用系统状态样本间的相关性和所设定的收敛阈值门限,实现动态选取系统状态采样值的迭代收敛区间,以求在确保算法检测性能的同时,进一步提高检测估计运算的实时性.仿真结果表明,该算法具有收敛速度快、误码率低等优点.     

基于GA-MCMC的粒子滤波图像恢复算法

针对粒子滤波的退化和贫化问题,提出一种GA-MCMC粒子滤波图像恢复算法.该算法引入遗传算法(GA)全局寻优和粒子总数多样性的特性,结合马尔可夫链蒙特卡罗方法(MCMC)的收敛性,将交叉、变异和选择操作融入到粒子滤波图像恢复中,提高了粒子滤波的鲁棒性、精确性和灵活性.实验结果表明,该算法能减少贫化和退化问题,且在对具有混合噪声的真实图像恢复效果方面显示了其优越性.