跳扩散模型下永久美式看跌期权定价

目的是针对现有方法不能处理的价格"向下跳空"给出一般跳扩散模型下永久美式看跌期权定价公式以及最佳实施边界的显式表达式."向下跳空"相比"向上跳空"的重要性在于,价格有可能从继续持有区域瞬时跳入停止实施区域,强烈影响到美式期权持有者的投资决策.文章强调跳量的概率密度函数p(y)是一般形式的,通过偏微分方程方法引入格林函数,给出永久美式看跌期权的价格,并通过自由边界条件(smooth junction condition)给出最佳实施边界的显式表达式.     

基于混合非线性偏微分方程扩散的可逆图像放大

综合应用冲激滤波器、改进的前向后向(forward and backward,FAB)扩散滤波器和全变差(total-variation,TV)扩散算法,提出一种双正交映射约束的混合偏微分方程扩散图像放大算法。改进的FAB滤波器能够很好地增强图像的小边缘,参数约束的冲激滤波器可增强图像的强边缘,基于水平集方法实现的TV扩散可以消除边缘的锯齿波,使边缘光滑,所提算法综合以上优点。利用退化模型的低通滤波器的双正交滤波器得到一个空域双正交映射,放大图像完全满足退化模型,使放大图像对于退化模型可逆。仿真实验表明,与其他算法相比,所提算法有较好的性能,得到的放大图像更加自然,在弱边缘和中等强度边缘都有更好的视觉效果。     

基于改进复扩散耦合非局部均值滤波器的图像放大

为了提高偏微分方程放大算法对纹理细节的放大效果,利用改进的复扩散模型耦合均值滤波器,提出了一种图像放大算法。改进的非线性复扩散模型能够很好的定位图像边缘,通过冲激滤波器对边缘进行锐化,同时耦合非局部均值滤波器,保持图像内部的自相似特性,利用非局部信息重建高分辨率图像,提高小边缘、细节放大效果。算法结合非局部信息和局部信息对图像进行放大,增强纹理细节,使图像更加自然,同时减弱对边缘的过度增强,具有较好的放大效果,仿真实验验证了算法的优良性能。     

基于ROEWA算子局部活动轮廓的SAR图像分割算法

针对经典可变区域拟合(region scalable fitting,RSF)模型无法分割合成孔径雷达(synthetic aperture radar,SAR)图像的问题,提出了一种基于指数加权均值比(ratio of exponentially weighted averages, ROEWA)算子的改进RSF局部活动轮廓模型。算法首先以SAR图像目标边缘的ROEWA算子的负指数函数为边缘指示函数,对区域可伸缩能量项和弧长项进行加权,消除了原模型中梯度算子对于乘性相干斑满布的SAR图像边缘检测失效的弊端,还防止了目标弱边界的泄漏,避免了边界缺失;其次在零水平集演化的偏微分方程中加入权系数可变的面积项,提升了算法在目标边缘处的自适应捕获能力,同时也提高了算法对目标多层轮廓的检测能力,并且最大化地保留了目标的外轮廓;面积项的可变权系数可根据目标的ROEWA算子的模值来自动调整大小,很好地保持了目标的边缘细节。改进算法不受初始轮廓的影响,对相干斑噪声不敏感,且实验证明算法的计算复杂度仅与图像的尺寸有关。通过对合成与真实的SAR图像数据进行实验,验证了所提方法的直观性和有效性。     

一种新的SAR图像斑点噪声自适应抑制方法

在合成孔径雷达(synthetic aperture radar, SAR)图像斑点噪声抑制处理中,为有效保护图像细节,提出欧拉弹性能量各向异性扩散去噪模型。该模型将各向异性扩散模型转化为最小能量变分模型,结合欧拉弹性能量模型的边界保护和增强能力,在抑制噪声的同时能更有效地保护和增强细节信息。同时为了提高计算效率,提出自适应变步长去噪算法。仿真和真实SAR图像的实验结果表明,该算法不仅在抑制噪声的同时能够很好地保护图像细节,而且有效减少了计算时间、提高了效率。     

解带Robin边界条件的变分不等式的区域分解算法

针对一类带Robin边界京件的椭圆型变分不等式问题，构造基于Robin内边界传输条件的非重叠加性区域分解算法，并建立了算法的收敛性。这类区域分解算法广泛应用于求解偏微分方程边值问题并取得了一系列收敛性结果。数值结果表明，基于Robin边界传输条件的区域分解法可通过调节内边界传输条件中的Robin参数，来加快算法的收敛速度。     

基于MODELICA的采摘机械手运动控制建模

多领域物理系统建模的Modelica语言适合求解常微分方程和微分代数方程,但对多变量函数的偏微分方程和分布式参数求解困难.针对水果采摘机械手运动控制的多变量函数和非线性的复杂不确定问题,采用基于Modelica的虚拟设计方法,提出用Laplace变换把多变量函数的偏微分方程转换成传递函数的算法,给出了机电运动控制的数学模型和耦合关系,设计机器人的本体结构模型,构建了机械手的DriveLib模型库.最后以机械手的单轴控制为例进行仿真,验证了模型的有效性,为机械手设计提供了理论依据.     

图像自适应分块单幅超分辨率算法

在单幅超分辨率图像重建算法中,基于最大后验估计(maximum a posteriori,MAP)算法重建效果和抗噪性能较好,但时空复杂度较高。为了提高模板卷积MAP(template convolution based MAP,TC-MAP)算法的运行效率,降低内存消耗,提出了基于图像内容的自适应分块TC-MAP新算法,研究了图像分块的最佳尺寸,并根据子块图像的平均梯度,对平滑区域的多个子块进行合并降低分块边界效应的影响,同时采用边界延长进一步抑制分块效应。实验结果表明,算法有效减少了TC-MAP算法的运行时间和内存开销,同时保持重建图像质量与原TC-MAP算法差别不大。     

结合模糊C均值聚类和曲线演化的心脏MRI图像分割

提出了结合模糊C均值聚类和曲线演化的MRI图像分割算法。由于心脏的变形和血液的流动，MRI图像中出现了弱边界、局部梯度极大值区域、伪影等现象。分析了使用水平集方法分割此类图像时出现的问题，提出了两阶段分割算法：结合先验知识和直方图，对心脏MRI图像进行模糊C均值聚类，再根据聚类的结果定义窄带中像素点的速度函数，通过曲线演化获取左心室的粗边界；然后使用梯度向量流构造另一速度函数对边界进行细化。心脏MRI图像的分割实验证明了算法的有效性。     

基于区域边界的图像变形算法

基于区域边界的图像变形算法使用不同类型的区域划分图像，在区域内建立仅与该区域边界相关的扭曲函数，使区域内象素的扭曲局部化，同时又保证区域问扭曲函数的连续性，从而克服了基于特征线段、基于网格扭曲等方法的缺点。本文详细讨论了区域的划分类型和方法，给出了区域的扭曲函数，最后对复杂的人脸图像进行了实验。实验结果表明，该算法所需用户控制少，方便用户对渐变精细度的控制，运算速度快，能产生理想的平滑渐变效果。     

基于配送时效和连接成本的快递网络优化

改变以往学者基于轴辐网络理论的快递网络优化方法,本文基于复杂网络理论对快递网络进行优化.首先用配送时效表征快递网络的配送效率,用快递网络连接边的总长度来表征快递网络的连接成本,然后以最小连接成本为优化目标,构建带有配送时效约束的优化模型,并设计从全连通网络逐渐删除边际效益最低的边的算法贪婪迭代寻找最低连接成本的网络结构,最后通过算例对算法的有效性进行了验证.     

基于分级变换的自适应立体对应算法

通过分级变换将图像从灰度空间转换到新的等级空间,然后构造相应的匹配代价函数计算两个图像点之间的最大相似度,从而找出对应点和偏移值。分级变换可以有效的解决在立体对应中经常遇到的图像噪声、失真及左右图像的亮度差异等问题。大多数的自适应立体对应算法是以偏移量和灰度值两个自变量来构造代价函数,而构造合适的代价函数是一个困难的问题。本文中提出自适应窗选择算法只与灰度值有关。首先通过边缘检测提取出灰度边缘信息。本算法仅根据灰度边缘信息就可以进行自适应窗的选择。自适应选择图像窗的过程与偏移值无关,从而降低了构造代价函数的难度。实验结果说明本算法能够生成准确度较高的深度图,是一种较好的局部立体对应算法。     

基于PO和EEC的特征基函数快速构造方法

特征基函数的构造是特征基函数方法(characteristic basis function method, CBFM)的关键步骤之一，传统的CBF构造方法(construction of characteristic basis functions, CBFs)是在子区域上应用矩量法(method of moment, MoM)，因此需要消耗大量的计算时间。为降低构造过程的计算量，提高电大目标电磁散射的计算效率，提出了基于高频近似方法的特征基函数快速构造方法，针对边缘效应引入了等效边缘流(equivalent edge currents, EEC)修正，可以在保持算法通用性的同时显著提高包含边缘结构的目标散射计算精度。数值结果验证了方法的正确性及高效性。     

先细分后分裂的新式四面体网格交互切割方法

提出了一种新式的由四面体网格构成的三维模型的交互切割方法。切割方法首先将四面体网格细分从而消除边交点和面交点,然后分裂面、边和顶点来形成切口。与以前的切割方法相比,该方法避免了繁琐的分类处理,在任何切割状态下均可产生合理的分裂结果,并且可以有效地处理切割刀大角度转向的情况。最后给出了切割方法的实现和对不同模型进行切割的效果。     

可变模糊方法及其在工件识别中的应用

提出的以相对差异函数为基础的可变模糊方法,可根据事物关于特征的量值来判断事物吸引与排斥特性的程度,从而为解决识别问题提供了新的途径。建立了多传感器信息融合系统中的可变模糊识别模型,把可变模糊方法应用到多传感器信息融合工件识别中,并用一个具体的实例验证了该方法的合理性与可行性。最后证明了可拓学中以“距”与“位值”概念为基础的关联函数基本公式的错误,从理论与应用两个方面,指出其不能在多传感器信息融合及其相关领域中应用。     

基于脉冲耦合神经网络的Live wire新方法的仿真研究

提出了一种基于脉冲耦合神经网络(PCNN)的Live wire分割新方法,Live wire方法是把图像当作一个连通图,在边上定义一个代价函数,然后通过搜索最短路径来找物体的边界,把用户指定的物体边界上的两点之间的最短路径当作物体的边界。最短路径是Live wire方法的重要步骤,本文在介绍脉冲耦合神经网络的基本工作原理和特性的基础上,将改进的脉冲耦合神经网络算法引入到Live wire边缘检测的算法中,用于最短路径算法的研究。并在改进算法中应用路径封锁和在线训练来提高算法的准确性和应用性。     

基于预测性菱形搜索法的快速去隔行技术

提出了一种基于运动估计和运动补偿的去隔行 (隔行变逐行 )新方法。该方法首先使用预测性菱形搜索块匹配法 (PDSBM)计算出稳定和精确的运动矢量场 ,然后通过对视频序列的多假设运动补偿分析来实现隔行到逐行的插值 ,再对所得到的视频序列进行运动补偿滤波 ,进一步消除了水平边缘的影响 ,充分考虑了场间和场内视频序列的空间和时间相关性。仿真结果表明 ,该方法能够得到比其它几种常用的去隔行算法更好的效果。     

Application of improved equivalent edge currents in synthetic aperture radar imaging

Target modeling and scattering function calculating are important prerequisites and groundwork for the synthetic aperture radar (SAR) imaging simulation. According to the difficult problems that normal methods cannot calculate the scattering function of electrically large object under the condition to wideband, an effective method of improved equivalent edge currents is presented and applied to SAR imaging simulation for the first time. This method improves calculating velocity and has relatively high precision. The concrete steps of applying the method are given. By way of the simulation experiment, the effectiveness of the method is verified.     

一种语言模型的精确学习方法

语言模型具有很好的可解释性，但面对复杂问题时，其精确性不能满足要求。为此结合微粒群算法和遗传算法各自的演化特点，采用两阶段学习策略。对语言模型进行分层演化，首先利用微粒群算法优化各输入变量的语言值数目及对应的模糊集参数。形成候选规则集，再应用遗传算法选择规则，得到精确的语言模型．该方法几乎无需先验知识，可直接从样本数据获取语言模型，应用函数近似为例说明其有效性。