变系数模型的核权二次推断函数方法

利用二次推断函数的思想,以一系列基矩阵的线性组合来逼近工作相关矩阵,建立了纵向数据变系数模型的核权二次推断函数(QIF),基于此得到函数系数的局部线性估计,并证明了估计的渐近性质.实际中样本量和适合的窗宽并不能保证独立结构拟合的核估计总是最好的,通过适当扩大窗宽,在局部范围内引入样本相关性,既可以提高估计的效果,又不会造成"过拟合"的现象.模拟中也给出了一种选取QIF窗宽的一种实用方法.     

Parzen窗核密度估计的大规模数据模式分类隐私保护方法

 针对大规模数据集上的模式分类任务, 提出基于Parzen 窗核密度估计的模式分类隐私保护算法。利用Parzen 窗算法对原始大规模训练集服从的概率密度进行估计, 根据估计的概率密度函数构造la 个替换训练样本, 其中l 为原始样本的数目, a 通过10 折交叉验证方式确定。最后发布替换训练样本进行模式分类, 以实现原始数据上的隐私保护。在Adult 数据集上的仿真实验充分验证了算法的有效性。     

固定设计点情形下回归函数值的区间估计

对于固定设计点情形下的非参数回归模型,基于核估计的方法给出了回归函数的逐点置信区间和修正偏差置信区间.所给置信区间在相对较弱的条件下是渐近精确的.考虑到窗宽的选取对核估计和区间估计的重要影响,给出了适合所给置信区间的核估计窗宽的迭代选取方法.模拟结果显示迭代法收敛,且选取的窗宽表现良好,置信区间有令人满意的覆盖率.     

递归方法在窗宽选择上的应用

在未知总体分布的情形下,给出密度核估计中选择窗宽的一个新方法,并在选取高斯核的情形下,推导出计算窗宽的递归公式。最后通过与理论窗宽值比较,说明使用该递归方法选择最优窗宽是非常有效的一个途径。     

核估计的一致强相合性

本文研究了样本函数的密度核估计一致强相合性。改变了窗宽条件,扩大了核估计的适用范围。     

基于空间概率乘积核函数的图像分类算法

针对词袋模型统计聚集算法忽略了编码矢量的其它统计特征信息及空间信息,并且只能与常用核函数相配合度量图像之间相似性的问题,该文提出一种基于空间概率乘积核函数的图像分类(SPPKBIG)算法。使用Parzen窗方法估计编码矢量所服从的概率密度分布,用来描述图像内容,使用空间概率乘积核函数构建图像之间的核矩阵,最后使用基于此核矩阵的支持向量机对图像进行分类。实验结果表明,SPPKBIC算法对15类场景数据集和MSRcv2数据集的平均分类正确率分别为84.1%和94.8%。     

密度核估计中窗宽选择的一种新方法

提出了密度核估计中窗宽选择的一种新方法,并通过选取适当的核函数,推导出决定窗宽选择的数学表达式,最后在均方误差(MSE)意义下,通过与交叉验证法(cross-validation)进行比较,说明在未知总体分布的情形下,用此方法选择最优窗宽是很有效的一个途径.     

一类递归密度估计的强收敛

一、引言设X_1,X_2,…,X_n是从一维总体中取出的iid样本,为估计总体密度f(x),Rosenblatt提出了所谓核估计(?)_n(x)=nh_n/1 sum from j=1 to 1 K((x—X_j)/h_n). 其中,K为R~1上的概率密度,称为核函数,h_n>0称为窗宽。1962年,Parzen研究了(?)_n(x)的相合性及渐近正态性,此后,密度估计引起了统计界的广泛注意。六十年代末七十年代初,Wolverton和Wagner以及Yamato独立地提出了f(x)的另一种估计     

密度与回归的随机窗宽核估计的渐近正态性

本文建立了密度和回归函数的随机窗宽核估计的渐近正态性,并给出了在回归函数最近邻估计场合的一个应用。     

基于核密度估计的泥土物证分类方法

利用核密度估计建立了泥土物证元素数据分布不符合正态分布时,估计样本总体概率密度函数的方法,为城市样本间基于似然比检验的分类与比对建立基础。在估计过程中采用积分均方误差衡量窗宽优劣,以积分均方误差最小化准则求得核密度估计的最优窗宽。利用判别分析与似然比检验为特定地域泥土物证的分类提供了可靠的分类分析方法。     

基于局域波分解的非参数概率密度估计

局域波分解在提取信号趋势方面具有异乎寻常的效果.根据局域波缓变趋势提取算法,在小波概率密度估计思路的基础上,结合密度估计的直方图法,建立了局域波概率密度估计新方法.此方法能有效去除样本数据直方图中的高频成分,获得低频趋势,即概率密度.在混合高斯概率密度估计中的应用表明,对于无断点的密度函数,其具有计算简单、精度较高的优点.     

基于变分模态分解的弹性参数核密度估计方法

概率密度建模是地震随机模拟中至关重要的环节,而弹性参数高频成分的概率密度估计决定了高分辨率地震随机模拟结果的精度。针对常规方法中弹性参数高频成分提取精度不足、概率密度建模先验条件过度约束以及弹性参数的概率密度建模分层设计等问题,提出了一种基于变分模态分解（variational mode decomposition, VMD）的弹性参数核密度估计方法。该方法首先采用VMD对测井弹性参数数据进行模态分解,筛选出本征模态函数（intrinsic mode function, IMF）中的高频项叠加得到测井弹性参数的高频成分;然后使用核密度估计分层计算得到高频成分的概率密度模型,并通过该模型进行随机抽样生成随机高频成分叠加至井旁地震数据上以达到丰富地震弹性参数数据高频内容的目的。珠江口盆地34号井区的实验结果显示,VMD有效分离出了中心频率在70 Hz以上的测井弹性参数高频成分,分层设计的核密度估计方法凸显了高频成分的统计规律,叠加随机高频成分后地震弹性参数70 Hz以上的高频成分得到了明显补充。该方法为地震高分辨率随机模拟提供了新的思路。     

一种弹体滚转姿态估计的新方法

针对制导弹药滚转姿态测量的需求,提出了一种无陀螺姿态测量的方法. 采用两个MEMS加速度计进行弹上姿态传感器的配置,建立了基于截断正态概率密度模型的系统状态方程,利用速度估计自适应方法实现了对过程噪声方差阵的自适应调整,采用强跟踪滤波器(STF)直接进行滚转状态估计. 由于STF滤波器具有对模型参数失配的鲁棒性以及对突变状态的强跟踪能力,改善了算法的估计精度. 仿真实验研究表明:该方法结构简单、测量精度高、收敛速度快,具有很高的工程应用价值.      

基于变分贝叶斯估计方法的双尺度自适应Kalman滤波

针对Kalman滤波在对敌目标估计应用中遇到的量测和过程噪声均未知且时变的情况,提出了一种利用变分贝叶斯估计的双尺度自适应滤波方法。解决了2个关键问题：一是针对量测和过程噪声协方差的共轭后验分布提出了相对转移概率指标,设计了启发式的自适应噪声估计窗口,实现了稳态精度和时变响应性能的综合提升,能适应敌方目标机动性高且统计特性变化快的特点;二是设计了在不同时间尺度上估计过程噪声和量测噪声的协方差方法,解决了在同一时间尺度上使协方差估计值发生严重偏差且增大滤波误差的问题。仿真表明,所提方法能快速跟踪目标状态噪声统计特性的变化并保证估计精度。     

一种正弦波信号频率幅值的高精度估计方法

为了提高正弦波信号频率和幅值的频域估计精度,提出了窗函数迭代逼近方法.Matlab仿真结果表明,该方法切实可行,估计精度可以提高4~5个数量级,且与频率偏差δ基本无关.     

基于容积原则的概率假设密度滤波算法

为改善多目标跟踪问题中概率假设密度滤波精度与算法运行时间之间的关系,提高目标状态和数目的实时估计性能,提出了基于容积原则的概率假设密度滤波算法. 该算法在高斯混合粒子概率假设密度的框架下,利用容积数值积分原则直接计算非线性随机函数的均值和方差, 产生粒子滤波算法的重要性函数,实现高精度粒子的重构,来近似目标状态和数目的概率分布,并且在高斯混合概率假设密度滤波算法中进行采样和更新. 仿真验证了所提出算法的有效性,其Wasserstein误差距离优化了17.32%,目标数估计均值也提高了23.72%.      

STFT和Zoom-FRFT联合的多分量LFM信号参数估计方法

针对传统基于分数阶傅里叶变换(FRFT)的多分量线性调频信号(MLFM)参数估计方法中计算量大,估计精度低等问题,提出了一种短时傅里叶变换(STFT)和Zoom-FRFT联合的参数估计方法.首先,利用STFT得到MLFM信号的短时傅里叶域频谱图,对其进行直线检测得到各个分量参数的粗略估计.然后,利用LFM信号在FRFT域的频谱分布特征和STFT窗函数的主瓣带宽,计算得到待估计信号在FRFT域变换阶次和频谱的分析范围;最后,在Zoom-FRFT域采用优选法对各个分量进行精估计,得到精确的变换阶次和峰值位置.仿真结果表明,该方法可以有效地对MLFM信号进行参数估计,可以根据实际需要灵活选择窗函数的宽度和细化倍数,与传统方法相比,提高参数估计精度的同时大大减小了计算量.     

一种改进的基于支持向量机的概率密度估计方法

统计学习理论是针对小样本数据而提出的一套理论,支持向量机方法可用于解决有限样本情况下的概率密度估计问题,该种方法与Parzen窗的精度等级类似,同时又具有Parzen窗方法所不具备的稀疏解,但应用过程中耗时较多。本文提出了一种基于支持向量机的改进密度估计方法,分析了其原理,通过仿真实验的对比,改进后的密度估计方法与改进前相比,估计精度的水平保持不变,训练后的支持向量数目不变,对训练样本的训练时间大幅缩短。由仿真结果可知,本文提出的对支持向量机法估计概率密度的改进是可行的。