基于非参数核密度估计的集装箱码头交通需求预测模型

针对现有集装箱集疏港时间概率分布建模中需要假设参数分布的问题,基于非参数核密度估计理论建立集装箱码头交通需求预测模型.非参数核密度估计的核函数选取高斯核,最优带宽由交叉验证法求得,通过检验、K-S检验和后验检验对比分析了核密度估计与两种传统参数模型的估计效果,并应用该模型预测DCT码头的交通需求.结果表明:非参数核密度估计模型具有更高的拟合精度、稳定性和适用性,得到的概率密度曲线能更加准确反映出口箱集港时间和进口箱疏港时间的整体分布形态,基于非参数核密度估计的集装箱码头交通需求预测模型具有比传统的参数模型更高的预测精度,可为集装箱码头基础设施规划、集疏港通道的道路交通管理、码头资源优化配置和调度等问题的研究提供更准确的交通量和作业任务量预测.     

基于改进非参数核密度估计的光伏出力概率分布建模方法

针对非参数核密度估计方法应用于光伏发电出力概率建模中存在边界偏差和局部适应性不足问题,提出一种改进的非参数核密度估计光伏发电出力建模方法.将自适应核密度估计方法与基于伪数据法的核密度估计相结合,通过在估计区间外生成伪数据,将伪数据添加到边界附近以修正偏差,进而构建更加准确的光伏出力概率分布模型;应用交叉验证法计算最优带...     

基于核密度估计的VaR-GARCH模型改进

对GARCH模型下标准化扰动的分布进行非参数核密度估计,并应用标准化扰动的核密度估计分布来计算时变风险价值.最后通过实证分析验证了此模型的有效性.     

非参数核密度估计的Lr收敛

核密度估计是一种具有广泛应用领域的非参数统计方法．有关它独立情况下的大样本性质,在文献[1]中已详细介绍,本文在改进Parzen给出的一个基本引理的基础上得出非参数核密度估计的L^τ收敛．     

基于核密度估计的上证A股收益率分析

波动较大是股票收益率的特征,这种特征造成了它的分布非常不规则,因此在对股票收益率进行分析时,可以考虑运用形式比较灵活的非参数密度估计方法.而在非参数密度估计方法中,核估计是最典型的用来估计单样本模型的方法.因此,以上证A股指数收益率分布为对象,利用非参数核密度估计方法对其进行实证研究.这种方法除了在捕捉市场风险特征方面比普通正态分布更具优势外,而且对于收益率分布尖峰和厚尾的特征也能更好的反映,同时其结论也更加具有可信度.     

杂系混合信号的盲分离

利用基于随机变量概率密度函数的非参数密度估计的核密度估计法对评价函数进行直接估计，改进了盲分离算法的性能，理论推导和试验都证实了这种基于核密度估计的非参数密度估计盲分离算法能实现包含超高斯和亚高斯信号的杂系混合信号的盲分离，为盲分离问题在实际问题中的应用奠定了一定的基础。     

金融问题中二元损失函数的核密度估计

用非参数估计方法,在一元函数的核密度估计的基础上,给出了二元函数的核密度估计形式,并通过计算估计量的MISE的最小值得出最优窗宽.     

带测量误差的非参数众数回归模型的模拟外推估计

本文研究了带测量误差的非参数众数回归模型的估计问题.首先,利用核密度估计并结合模拟外推的方法构造了非参数函数的估计,其次,在适当的条件下证明了所给估计量的渐近正态性.数值模拟研究表明所给估计在有限样本下表现良好.     

核密度估计的局部积分方差的渐近表示

在非参数统计推断中，首选方法是核密度估计，但通常很难得到精确表达式。利用局部交叉生效方法，获得随机删失下核密度估计的局部积分方差的渐近表示，所得结果改进和推广了Watson，Leadbetter和Csorgo，Horvath等研究的相关结果。     

洪水频率分析的非参数密度变换模型研究

以非参数统计理论为基础,把变换理论和非参数统计理论结合起来,建立了洪水频率分析的非参数密度变换模型．通过变换,改进了非参数核密度估计方法,避开了窗宽选择问题,提高了小样本的估计精度．     

重塑黄土成样均匀性研究

为了改善重塑黄土成样的均匀性,提高成样效率和试验结果的可靠性,以宁夏同心下马关黄土为研究对象,成样方法、成样分层数和土样密度为因素,试验与统计分析相结合,研究了重塑黄土成样的均匀性。研究结果表明:成样均匀性随着成样分层数的增加而增加;同一成样分层,土样密度自上而下逐渐减小,在成样分层数较少时,顶部和底部的密度差异较大;成样均匀性与土样的密度有关,但密度的影响程度随成样分层数增大而减小;在成样分层数相同时,压样法较击样法的成样均匀性好,效率高;在成样分层数为5时,压样法可以获得很好的成样均匀性。     

滇池富藻水静置分离特性影响因素的初步研究

本文研究了滇池富藻水静置分离效果,初步探明了水样深度、体积、温度、光照等因素对其静置分离速度的影响.研究发现,在体积相同时,水样高度对最大清水比例指标没有影响.不同高度的水样藻、水分离程度(即清水比例)均随静置时间的延长有逐渐增加的趋势.在水样高度相同时,水样体积大小的差异对藻、水分离速度的影响总体较小,具体影响大小与体积差异大小有关,体积差异越大,影响越大,但主要影响发生在静置后30~40 min内.水温对水样藻、水分离速度具有显著影响,水温越高,藻、水分离速度越快.温差越大,藻、水分离速度差异越大.水样中藻密度大小对静置藻、水分离速度具有明显影响.密度越低,藻、水分离速度越快,最终完成分离的时间越短.太阳光照对静置条件下的藻、水分离速度有明显的影响.     

后验概率加权的模糊隶属度函数

模糊支持向量机(FSVM)中的模糊隶属度函数确定一直是一个难点问题。针对支持向量分类机对噪声数据或孤立点非常敏感的问题,受贝叶斯决策理论的启发,结合样本密度特性,研究样本点相对于同类和异类的关系,对各样本点分布的紧密程度给出了描述,构造了样本点的后验概率与样本密度的加权方法,提出了一种新的加权模糊隶属度函数构造。该方法避免了对噪声数据和孤立点的检测。通过建立基于提出模糊隶属函数的FSVM进行仿真,实验表明,提出的模糊隶属度函数构造的后验概率加权方法的有效性。     

基于滑动概率神经网络的早期故障诊断

针对机电设备早期故障难以识别的问题，提出了一种动态的概率密度估计方法——滑动概率神经网络，用以跟踪分析测量信号的概率密度变化过程，及时发现早期故障．该网络以固定不变的抽样集作为第一层，动态滑动的测量信号作为样本层，通过求和层得到抽样集的条件概率密度估计，将样本层内测量信号的概率密度动态地投影到统一的抽样集上．将网络分解成以测量值为中心的子网络，来实现网络的递归运算，并且利用高斯函数的快速衰减特性或使用分段线性函数近似高斯函数，从而提高了网络的计算实时性．通过压缩机喘振过程数据的应用实例，表明该方法能够有效识剐故障的早期征兆．     

对多变量密度众数的估计

应用随机样本的核估计对多元函数的概率密度的众数进行估计,这个估计通过最大化对样本值的核估计来定义,证明了其强一致性,并且给出了几乎必然的收敛速度,这个收敛速度依赖于众数的值.     

加权极限学习机的多变量时间序列预测方法

提出一种基于样本分布的极限学习机预测模型WELMSD.该模型先用kN近邻密度估计方法估计出样本的密度值,再用估计出的密度值给传统ELM的经验风险项加权,克服传统ELM在对时间序列进行预测时忽略样本分布的缺点.基于Rossler混沌时间序列和上证、深证股票数据的实验仿真结果证明了所提算法的有效性,且当近邻参数k_N取值较小时,所提模型对参数不敏感,是一种更优的多变量时间序列预测模型.     

m-相依样本下条件密度的经验似然置信区间

在m-相依样本情形下基于条件密度的双重核估计构造了条件密度的经验似然置信区间。     

GMCL： a robust global localization method for mobile robot

A large sample size is required for Monte Carlo localization （MCL） in multi-robot dynamic environ- ment, because of the ＂kidnapped robot＂ phenomenon, which will locate most of the samples in the regions with small value of desired posterior density. For this problem the crossover and mutation operators in evolutionary computation are introduced into MCL to make samples move towards the regions where the desired posterior density is large, so that the sample set can represent the density better. The proposed method is termed genetic Monte Carlo localization （GMCL）. Application in robot soccer system shows that GMCL can considerably reduce the required number of samples, and is more precise and robust in dynamic environment.