基于动态加权下测量方差适应的同质多传感器融合算法

在基于卡尔曼滤波及其一些改进算法中,由于测量方差预先设定,从而导致信息资源的浪费和状态估计精度的下降,为此提出一种动态加权下测量方差自适应的同质多传感器融合算法．该算法依据各传感器当前时刻的滤波精度合理地分配权值,同时测量方差的时变特性,使得每次测量的信息得到充分的利用．仿真结果表明,该算法显著地提高了对机动目标的跟踪效果并具有实时性的优点。     

按三种不同加权准则的信息融合Kalman滤波器的性能比较

用Kalman滤波方法,在三种不同的线性最小方差最优融合准则下分别提出两传感器按矩阵加权,按对角阵加权和按标量加权的信息融合稳态Kalman滤波器.它们可以处理带相关的输入和观测噪声和带相关的观测噪声系统.一个目标跟踪系统的仿真例子说明了它们的有效性.仿真结果表明,同按矩阵加权和按对角阵加权融合滤波器相比,按标量加权融合滤波器的精度没有明显损失,但却显著地减小了计算负担,构成一种快速信息融合估计算法,适合实际应用.     

正态总体方差的一类估计

给出了正态总体方差的一类估计,讨论了估计量的性质,将估计类在Pitman准则下进行了比较.     

基于新区域一致性度量与图论的SAR图像区域分割

由于SAR图像含有斑点噪声, 传统区域分割方法已不再适用于SAR图像分割.为此提出了一种新的SAR图像区域分割方法.该方法通过定义一种可有效抑制斑点噪声影响的区域一致性度量,以指导四叉树技术分裂SAR图像得到初始分割区域;然后以区域为顶点和区域间的相似度为边权,构建一个完全赋权图.最后运用图论分割方法中可利用全局信息的Minimum Cut方法进行区域合并,获得最终的图像分割结果.实验结果表明了该方法的有效性.     

Effect of regressor forecast error on the variance of regression forecasts

It is well understood that the standard formulation for the variance of a regression‐model forecast produces interval estimates that are too narrow, principally because it ignores regressor forecast error. While the theoretical problem has been addressed, there has not been an adequate explanation of the effect of regressor forecast error, and the empirical literature has supplied a disparate variety of bits and pieces of evidence. Most business‐forecasting software programs continue to supply only the standard formulation. This paper extends existing analysis to derive and evaluate large‐sample approximations for the forecast error variance in a single‐equation regression model. We show how these approximations substantially clarify the expected effects of regressor forecast error. We then present a case study, which (a) demonstrates how rolling out‐of‐sample evaluations can be applied to obtain empirical estimates of the forecast error variance, (b) shows that these estimates are consistent with our large‐sample approximations and (c) illustrates, for ‘typical’ data, how seriously the standard formulation can understate the forecast error variance. Copyright © 2000 John Wiley & Sons, Ltd.     

一种基于最小费用最大流理论的Ad hoc路由协议

针对Ad hoc网络QoS路由问题,提出了一种基于最小费用最大流理论的Ad hoc路由协议(MCMFP)。将Ad hoc的移动终端作为网络节点,通信链路作为相邻节点之间的边,建立了Ad hoc网络的网络流模型,使Ad hoc网络的路由计算问题转化为图论中的最小费用最大流问题,从而计算出满足多QoS约束的路由路径,优化了网络带宽的使用,提高了通信信道的利用率,实现了网络流量的负载均衡。仿真结果表明,MCMFP协议具有更高的包转发率和更小的平均时延,有效提高了Adhoc网络的QoS性能。     

量化交易中无需最小支持度阈值的模糊关联规则挖掘

现实量化交易应用中,传统的模糊数据挖掘算法往往需要针对给定的量化交易设定最小支持度阈值,然而,这些方法中存在的普遍问题是很难找到合适的最小支持度阈值,并且因为推导出的规则通常是常识而没有实际的商业意义。为了解决这个问题,提出了一种无需最小支持度阈值的模糊关联规则(fuzzy coherent rule,FCR)挖掘算法。首先将量化交易转换成模糊集,然后通过收集已经生成的模糊集生成候选模糊关联规则,最后计算出列联表并用其检查这些候选模糊关联规则是否满足四项判断准则。如果满足,则可以确定为模糊关联规则。在Foodmart数据集上的实验验证了所提算法的有效性,相比原始模糊关联规则(fuzzy association rules,FAR)挖掘算法,所提的FCR方法能够推导出更多的规则,并且能够在高置信度时推导出更多有用的规则。     

Bayes Linear Variance Adjustment for Locally Linear DLMs

This paper exhibits quadratic products of linear combinations of observables which identify the covariance structure underlying the univariate locally linear time series dynamic linear model. The first- and second-order moments for the joint distribution over these observables are given, allowing Bayes linear learning for the underlying covariance structure for the time series model. An example is given which illustrates the methodology and highlights the practical implications of the theory. © 1997 John Wiley & Sons, Ltd.     

三阶近似激光模型线性化近似适用范围的分析

采用具有实虚部关联的量子噪声和泵噪声驱动的三阶近似激光模型,运用线性化近似方法计算了光强关联函数和光强相对涨落,在一定的近似条件下分别讨论了量子噪声强度、泵噪声强度、量子噪声实虚部关联系数对光强相对涨落的影响,并对线性化近似方法的适用范围进行了详细的分析,得出在小噪声、远离阈值时,线性化近似方法适用范围扩大;小噪声、远离阈值且当量子噪声实虚部无关联时,线性化近似方法适用范围最大的结论．     

QR分解在方差分析中的应用

在线性混合模型的方差分量估计中,方差分析估计是一种很重要的估计方法。应用此方法估计过程中,所求的方程组的系数矩阵是上三角矩阵,很容易求得其解,然而它的计算会随着数据的增多变得既耗时又不稳定。用QR分解的方法计算方差分量的估计,不用计算投影阵及广义逆矩阵,而且参与运算的矩阵的阶数相对比较小,节约了存储空间。利用QR分解,讨论其在线性混合模型中方差分量的方差分析估计中的应用。