Parzen窗密度估计器的隐私保护实现

互联网的快速发展使得网络中的数据共享和交换行为变得越来越频繁,但与此同时也带来了隐私保护方面的诸多问题,如何在数据挖掘过程中保护好隐私已经成为一个亟待解决的问题。本文设计了一种新型的能有效提取需要的特征值而不需提供原始数据的密度估计器,拟从概率密度函数的角度出发,利用Parzen窗法估计总体样本的概率分布密度,把决策函数利用泰勒展开式展开,展开之后的模型中已不包含原始数据,从而达到隐私保护的目的。     

一种基于最小绝对值估计的闪变电压的测量

对于电能质量分析来说,测量电压闪变是非常有必要的.本文提出了一种新的测量电力系统电压和闪变电压向量的新方法,即用最小绝对值状态估计算法进行测量.本文主要研究采样数据窗的大小、采样频率以及采样点数对电压幅值和相位估计的影响.     

基于最小均方误差估计和稀疏性先验的图像去噪

提出一种基于稀疏表达理论和最小均方误差估计的图像去噪算法,主要内容包括:在贝叶斯复原框架下,根据图像在冗余字典下的稀疏表达模型,建立原始图像表达系数的最小均方误差复原方程;利用随机正交匹配追踪算法,研究复原方程的数值求解算法,对图像表达系数进行近似求解,进而对原始图像进行恢复.对一组标准测试图像的仿真实验表明,提出的算法能够较好地去除图像中的噪声,并且复原图像具有较好的主观视觉质量和较高的峰值信噪比客观评价指标.     

朴素贝叶斯分类器的误差估计

模式分类旨在依据识别对象特征的观察值将其归并至某个类别,贝叶斯分类决策可实现模式分类．给出一类遵从特征观察量独立性假设的贝叶斯分类器即朴素贝叶斯分类器设计．并给出朴素贝叶斯分类器的分类误差估计方法．理论分析与实验结果表明,朴素贝叶斯分类器设计方案可行,且其分类误差估计方法有效,可用于模式分类事务处理．     

加权最小二乘估计的误差分析

本文是参考文献[1]的一注记。它从理论上进一步证明了文[1]中所采用的加权最小二乘估计方法,确实可以提高估计的精度。     

线性模型中广义最小二乘估计关于误差分布的稳健性

研究一般线性模型下广义最小二乘估计关于误差分布的稳健性, 给出了误差分布的最大分布类, 使得当误差向量的分布在此范围内变动时, 广义最小二乘估计在广义均方误差准则下为一致最优估计.     

预估计最小平方误差初始值方法改善交替映射算法性能

改进交替映射算法以提高反马赛克插值的峰值信噪比(PSNR)性能.采用预估计最小平方误差思想,改进交替映射插值算法的初始值估计,计算改进算法和其它典型反马赛克方法的峰值信噪比,采用典型测试图片作为测试源进行比较.结果表明,改进算法的峰值信噪比高于其它典型插值算法的峰值信噪比,插值恢复图像的伪像也少于其它算法.改进的交替映射算法具有最好的峰值信噪比和最少的插值伪像,说明改变初始值方法可以提高交替映射算法的性能.     

最小二乘估计器存在性的研究

本文对最小二乘估计器的存在性,从理论上给出了与传统不同的新的证明方法,并应用最小二乘估计方法辨识切削振动过程模型,取得了良好的效果。     

权回归模型中参数估计的相对效率

讨论了线性加权回归模型中最小二乘（ＬＳ）估计与最佳线性无偏（ＢＬＵ）估计的一种相对效率问题,即ｅ５（β）,并研究了它的下界及其与广义相关系数的关系。     

Bayes线性无偏最小方差估计相对于岭估计的优良性

在均方误差矩阵准则下研究了未知参数的Bayes线性无偏最小方差(BLUMV)估计相对于岭估计的优良性,在平衡损失风险函数准则下研究了未知参数的BLUMV估计相对于岭估计的优良性,并导出了在一定条件下BLUMV估计与最小二乘估计趋于一致.     

位置参数一尺度参数的稳健估计

针对矩法估计、极大似然估计存在不足,文章提出了利用样本中位数、样本中位数绝对离差作为总体中位数、中位数绝对离差估计量的思想方法,从而得到了位置参数、尺度参数的估计量.     

多元线性模型回归参数的一种广义估计

采用广义估计 β (K)估计多元线性模型中回归参数 β ,通过K值的选取 ,可使 β (K)的均方误差小于最小二乘估计 β 的均方误差 ,且在一定条件下 ,β (K)为 β的可容许估计 ;还讨论了 β (K)的均方残差的性质 .     

刻度平方误差损失下Poisson分布参数的Bayes估计

研究对给定容量为n的一个Poisson分布X1,X2,…,Xn,在刻度平方误差损失函数下,Poisson分布参数的Bayes估计及可容许性,给出参数多层Bayes估计的表达式.     

平衡损失下Bayes线性无偏最小方差估计的优良性

在平衡损失风险函数准则下研究了未知参数的Bayes线性无偏最小方差(BLUMV)估计相对于最小二乘(LS)估计的优良性.在predictive Pitman closeness(PRPC)准则下研究了BLUMV估计相对于LS估计的优良性.     

基于均值绝对离差的参数估计

针对矩法估计存在不足,文章提出了利用样本均值、样本均值绝对离差作为总体均值、均值绝对离差估计量的思想方法,从而得到了位置参数、尺度参数的估计量。本文最后通过在正态分布中随机抽取样本的方法对矩法估计与均值绝对离差估计的优劣性进行了比较。     

基于最小均方误差的多用户MIMO系统下行链路预编码

针对多输入多输出(multple input multiple output,MIMO)系统下行链路的迫零预编码方法在块对角化的基础上追求最大化系统和容量,而并未考虑接收信号的均方误差,从接收信号具有最小均方误差的角度设计了多用户MIMO系统的下行链路预编码的方案,称为块对角化最小均方误差方案.理论分析和仿真结果表明,该方案相较于迫零算法具有较小的接收信号均方误差及较好的误码率性能,并且保持了迫零算法绝大部分的系统和容量,它在系统误码率与和容量方面提供了一种较好的折中.     

平衡损失函数下Bayes线性无偏最小方差估计的优良性

在平衡损失风险函数准则下研究了未知参数的Bayes线性无偏最小方差(BLUMV)估计相对于最优加权最小二乘(OWLS)估计的优良性,并导出在一定条件下二者趋于一致。在PRPC(predictive Pitman closeness criterion)准则下研究了BLUMV估计相对于OWLS估计的优良性。     

基于最小均方误差的改进型IRA译码算法研究

IRA码的译码通常是利用BP译码算法来实现的,但是BP译码算法的硬件电路复杂。虽然最小和译码算法能够简化BP译码算法,但它是以牺牲性能为代价的。为了让译码算法在复杂度和译码性能之间取得较好的折衷,根据最小均方误差准则,提出一种改进型IRA译码算法。仿真结果表明,与BP译码算法相比,改进型IRA译码算法能够在降低算法复杂度的同时保持良好的译码性能,与最小和译码算法相比,改进型IRA译码算法的复杂度几乎不变,但译码性能得到了明显地提高。     

总体均值的非参数估计

针对总体均值提出基于挑选排序抽样的非参数估计量,并证明了在一定条件下此估计量一致优于X^-。