线性函数的核及其线性相关性

讨论线性函数的核与其线性相关性的关系,给出了线性函数线性相关性的几个等价条件,进一步丰富了线性函数的理论.得到的关键性结论之一:设f 1,f2,…,fs∈V*,dim V=n∈Z+,则f可由f 1,f2,…,fs线性表示,当且仅当KerfKerf1∩Kerf2∩…∩Kerfs.     

小颗粒粮食介质声传播性质研究

从颗粒介质模型出发,对粮食介质中声传播性质进行了研究.结果发现:小颗粒粮食介质系统声学性质与动粘滞率和热效应都有关,除了在低频和高频情况下,空气有效压缩率趋于绝热压缩率外,在中间频率范围,系统的声学性质均受热效应影响,有效压缩率变成复数值,且与空隙的形状有关;粘滞和热效应对声传播速度都产生影响,相比之下,热效应影响更大.     

函数型核加权估计法及其在经济学中的应用

本文基于变系数模型提出了一个新的统计推断方法:函数型核函数加权最小二乘法.该方法将变系数模型中经典的核函数加权最小二乘法和参数模型中的函数型最小二乘法巧妙结合,通过条件特征函数构造损失函数进而定义了函数型核函数最小二乘估计量.该估计量既具有函数型最小二乘法的优势——在扰动项服从厚尾分布时也能够稳健估计参数,又具有非参数核估计的特点——估计量的相合性不依赖于参数模型的正确设定.同时,本文探讨了该估计量的大样本性质,证明了其相合性和渐近正态性.进一步,本文研究了该估计量的自适应估计,即基于估计量渐近方差的相合估计量来选择最优估计.最后,本文通过数值模拟来探究函数型核函数最小二乘法的有限样本性质,并将该方法应用到我国PM_(2.5)和经济增长关系的研究中.     

基于三角核估计模型的运动目标检测方法

文章对基于高斯模型的运动目标检测算法进行了研究,在此基础上,采用三角核估计的非参数方法来对背景建模,从而检测出运动目标;并结合检测结果来更新样本和带宽,提出了与之相对应的背景更新方法。实验结果证明,该方法能准确快速的检测出运动目标,具有较强的鲁棒性。     

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。     

核相关神经网络点云自动配准算法

点云配准是点云数据智能处理的重要问题,也是将点云应用于智慧城市、自动驾驶和智能三维重建等方面的关键。针对现有点云配准方法效率低、鲁棒性差的问题,提出了一种基于核相关神经网络的点云自动配准算法。首先构建点云核用于计算点云中每个点的核相关度,然后通过多层感知机对点云进行特征编码,基于编码特征向量估计点间对应关系并求解变换参数,最后以迭代方式来使待配准点云不断逼近目标点云,完成点云配准。使用斯坦福大学3D扫描模型库中的Bunny、Dragon、Happy、Elephant、Horse点云数据,对该算法以及迭代最近邻点算法（ICP）等多个算法进行对比实验。实验结果表明,所提算法能够对不同物体点云实现精确配准,精度和效率均优于所对比算法,且在点云数据存在噪声和密度不一致的情况下仍具有良好的稳定性和精度。     

Linux内核升级更新的编译配置机理与实现

针对内核升级的重新编译具有一定深度和复杂性等特点,介绍了内核升级的必要性、内核的功能以及编译模式;通过一个实验说明了Linux内核升级更新的编译配置机理与实现过程;对编译过程进行了分析与总结．     

核k-凝聚聚类算法

为解决k-means聚类算法和k-凝聚聚类算法对于非凸形状数据聚类正确率低和模糊核聚类算法(FKCM)收敛速度慢的问题,将k-凝聚聚类算法与核函数方法相结合,在高维特征空间构造了新的核聚类算法--核k-凝聚聚类算法,实现了k-凝聚聚类算法的核化.通过Matlab编程进行数值实验,证明了核k-凝聚聚类算法在聚类的准确性、稳定性、健壮性等方面较之k-means聚类算法、k-凝聚聚类算法和FKCM有一定程度的改进.     

一种基于数据独立性的SVC核参数选择方法

提出一种选择支持向量分类(Support Vector Classification,SVC)最优核参数的算法,称为MI(Maximum Isolation)算法,通过定义样本间的独立性,可以获得最优核参数和相应的最优学习模型。该算法可以在支持向量机训练之前得到最优的核参数,计算代价较小,实验证明所提出的算法简单有效。     

Winkler地基上中厚板计算的重构核粒子法

重构核粒子法(reproducing kernel particle method,RKPM)是一种基于核函数近似的典型无网格方法.以RKPM法插值形函数为基础,基于Mindlin中厚板理论,建立Winkler地基上中厚板弯曲挠度的RKPM法求解控制方程,编制相应的计算程序,算例分析表明该方法有效可行.