基于稀疏贝叶斯回归的正则化核密度估计算法

为了加快核密度估计(KDE)的计算速度,简化模型复杂度,提出了一种基于稀疏贝叶斯回归的KDE稀疏构造算法SBR-KDE.该算法将经人工加噪处理后的分布函数逼近值作为输入,获得了KDE的极为稀疏表示形式.实验结果表明:与传统KDE算法相比,在保持相当计算精度(多数情况下降低了模型误差)的情况下,文中算法的时空效率大幅度提高,而且在小样本训练集条件下得到的密度估计更光滑;独立成分分析及高斯化变换的应用使文中算法在一定程度上缓解了维数灾难.     

基于高斯核的正则化策略

以正则化思想为基础,介绍了基于高斯核来构造正则算子的方法,使其对噪音进行过滤,并证明了类似于正则化方法中选择参数的偏差原理.     

基于自回归正则化和稀疏表示的图像超分辨率重建

针对图像超分辨率重建中稀疏系数解不精确和重建图像质量不理想的问题,本文提出了一种空间自回归正则化的超分重构算法.该重构算法联合稀疏K-SVD方法训练一个具有相同稀疏系数解的相对应于高低分辨率图像块的字典对,在此基础上利用自然图像本身具有的局部自回归性先验知识来对图像进行处理,经过模型的训练和选择引入正则化项,实现图像的局部约束,从而完整构造了基于正则化的稀疏编码目标函数,为了进一步实现图像去模糊得到清晰图像,利用退化模型实现全局约束.实验结果表明:与Bicubic、NE和SCR等算法相比,本文算法在主观视觉效果和客观评价指标方面都有了一定地提升.     

基于多参数正则化的高分辨率图像重构算法

根据完全重构滤波器的性质,提出一种基于多参数正则化方法的高分辨率图像重构算法。该算法利用多参数正则化方法,恢复图像的高频部分,然后将恢复的高频信号与低频部分叠加,得到重构的高分辨率图像。由于该算法沿不同滤波方向选取不同的正则化参数,因此有效地抑制了噪声对重构图像的影响,改善了图像在边缘部分的重构效果,从而弥补了己有方法的不足。对所提出算法的收敛性进行了分析,并通过数值实验验证文中所提出算法的有效性。     

基于边界加扰动的Helmhotz方程柯西问题的正则化

Helmhotz方程的柯西问题是一类典型的反问题而且是不适定的,也就是说其解不连续依赖于柯西数据,即小的扰动都会导致解的爆破.文章给出了边界加扰动的正则化方法,恢复了解对数据的连续依赖性,并给出了收敛性估计.最后用数值例子说明我们的方法是有效可行的     

基于贝叶斯正则化BP神经网络的股票指数预测

提出了利用贝叶斯正则化BP神经网络对股票指数进行预测.通过对比实验表明,贝叶斯正则化的BP神经网络比相同条件下采用其他改进算法有较好的泛化能力,对股票指数预测有很好的效果.     

构造正则化滤子来探讨不适定问题的求解方法

应用紧算子的奇异系统理论,构造一种新的正则化滤子,给出求解不适定问题的新的正则化方法,并讨论了正则化解的误差估计.     

求解一类反向热传导问题的Fourier正则化和Tikhonov正则化方法

讨论了一类一维反向热传导问题,利用Fourier正则化方法给出了正则近似解,得到了H(o)lder型误差估计.同时通过提高先验光滑性假设,并利用Tikhonov正则化方法得到了对数型稳定性估计,解决了零点的收敛性问题.     

解非线性不适定问题的一种正则化方法

研究了在实Hilbert空间中,求解非线性不适定问题的方法.通过对修正的三阶牛顿法进行Tikhonov正则化,得到新的迭代格式.在适当的条件下选取正则化参数,应用广义偏差准则,得出该迭代格式是单调的且是收敛性的.结果表明,此迭代格式可应用于求解非线性不适定问题.     

带限信号重建的一种新的代数正则化算法

基于 Tikhonov的正则化思想 ,提出了带限信号的一种新的代数正则化算法 .该算法计算复杂性较低 ,能够很好地抑制噪声干扰     

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。     

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.     

基于核密度估计的图像平滑的最优停止

运用偏微分方程进行图像平滑的过程中,迭代的最佳停止次数一直都是研究重点.利用随机变量之间的独立性,提出一个基于核密度估计的最优停止准则.该准则能获得准确的最佳停止次数,且不需要预知图像中的噪声水平.数值实验结果表明,该准则所得到的最佳停止次数非常接近于均方差（mean square error,MSE）方法所得到的最佳停止次数,且适用于多种噪声水平.     

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。     

变窗宽密度核估计的构造及均方相合性

通过对非参数密度核估计定义的理解,从一个崭新的角度提出了变窗宽密度核估计的思想,且对于i.i.d(独立同分布)随机变量的密度函数,给出了一种新的核估计方法,并以定理形式得出在一定条件下,此核估计具有均方相合性,并给出了证明.     

基于核心密度估计的动态目标分割改进模型

数字视频中的动态目标分割是基于计算机视觉技术的分析、识别系统中关键的处理步骤,分割结果的正确率决定了后期分析或识别过程的质量.在数字视频中存在各种有害动态像素,它们会降低分割过程的正确率.动态目标的阴影是这些有害像素的一种,因为它们本身不属于动态目标形状信息的范畴,但分割过程却能很容易将它们作为有效的动态目标像素分割出来.最近有关动态目标分割的研究提出了基于核心密度估计模型的分割方法.基于RGB颜色空间的核心密度估计模型能够在彩色视频中抑制阴影,但是对于灰度视频这种模型是无法抑制阴影的.作者针对上述局限提出了一种基于像素边缘测量的核心密度估计模型,用于动态目标分割,能够在彩色和灰度视频中抑制阴影.实验结果证明,这种新模型在通常的应用条件下是有效的.     

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。     

基于粒子群改进的自适应核密度估计算法的江苏省地面气温分析

考虑到当前气温分析方法对于季度、月度及日夜时间尺度下的数据分析不够充分的问题,提出一种基于粒子群算法改进的自适应核密度估计算法(PA-KDE),利用1961~2008年江苏省12个站点的定时气温资料研究该方法在季度、月度及日夜时间尺度下的灵敏度。按区域与季节对试验进行分析的结果表明：PA-KDE算法在季度、月度、日夜时间尺度下具有更高的灵敏度;同时可以用来更全面的分析气温的时空变化特征以及不同影响因子的效果。可见在讨论气温时空变化以及影响特征时要关注更多时间尺度、区域、季节下的影响。     

基于核密度估算的都江堰耕地破碎化趋势及特征分析

通过样方分析与核密度估算揭示了都江堰市耕地时空演变特征,采用景观格局指数法分析了都江堰市耕地破碎化趋势变化,最后探究了耕地破碎度和人工干扰度之间的关系.结果表明:都江堰市耕地资源集中分布于东南部平坝地区;研究期内都江堰市耕地破碎化程度增大;耕地破碎度与人为干扰度紧密相关,破碎度高的区域受人为干扰程度大,破碎度低的区域受人为干扰程度小.根据耕地在各密度区呈现的不同特点,可为都江堰市耕地整理整治提出针对性的建议.