水位流量曲线估计中的异方差性分析——以西江上游为例

基于珠江水系干流之一的西江上游14个水文测站水位流量数据,应用非线性最小二乘法(NLS)和异方差最大似然估计法(HMLE)分别绘制每个测站水位流量曲线标准残差图.结果表明:14个水文测站中有5个测站对NLS是适用的,9个测站对NLS不适用;而对于HMLE法,则有11个测站是适用的,仅3个测站不适用.因此,对比NLS法,HMLE法大大提高了对水位流量曲线的适用性.     

基于伽马模型的中等收入定位与人口度量模型研究

主要运用Gamma分布模型刻画收入分配结构及描述洛伦兹曲线, 较好地反映了社会收入分配的公平程度. 利用随机模拟和最大似然方法求得Gamma分布的参数估计, 同时对收入空间法和人口空间法进行了改进, 并将改进的方法对实际数据进行处理, 得到了针对每组数据的中等收入区间.     

基于变分高斯混合模型的图像分割算法

提出了一种基于变分推断的高斯混合模型的图像分割算法. 该算法首先用贝叶斯混合高斯模型对图像的特征进行建模, 并针对模型的参数学习问题, 利用变分推断算法估计模型的参数及其后验概率; 这种方法比采样法的计算量更少, 而且能够根据图像数据自动优化混合个数, 实现了模型的自动选择. 最后, 该算法在Berkeley的自然图像集上进行的实验结果与经典的图像分割算法进行了比较, 结果表明此方法得到的图像分割结果精度较高, 具有较好的性能.     

遗传参数的极大似然估计

将Luo和Woolliams模型中的混合正态分布推广到混合对数正态分布.先用矩量法得到各参数的估计值,再将此估计值作为EM(Expectation Maximization)算法迭代的初值进行迭代,将矩量估计和极大似然估计结合起来,提高了EM算法的收敛速度并使修改后的模型更符合生物学事实.     

基于Gauss分布和Gram-Schmidt正交化的朴素贝叶斯分类算法

朴素贝叶斯分类算法是一种简单实用的分类方法，人们对它的属性间条件独立性假设做了许多研究，致力于消除冗余属性、减少属性间的关联性，以获得一些新属性来使用朴素贝叶斯算法，但新属性间的独立性却不易度量，因而改进之处的理论支撑有所不足，改进后的朴素贝叶斯算法的效果更多的是由数据实验进行佐证。本文定义了Gauss分布型数据，提出了经Gram-Schmidt正交化方法改进的朴素贝叶斯算法，使其可以方便地使用于Gauss分布型数据的分类。该改进方法不同以往显式的构造新属性集或属性变换矩阵，而是直接正交化属性的样本数据，并证明了正交后的属性数据所对应的抽象新属性的独立性。这说明对于Gauss分布型数据的分类，原朴素贝叶斯算法中的条件独立性的假设不会给算法的使用造成障碍，经Gram-Schmidt正交化后即可满足这个约束条件。     

基于贝叶斯树和集成学习的异常检测

为解决入侵检测中朴素贝叶斯算法的高数据内部依赖性和决策树容易产生数据"破碎"的问题,本文结合决策树分段的优点和朴素贝叶斯多证据融合的优点,建立了基于贝叶斯树算法的进程服务预测模型,并将bagging集成学习法用于改进贝叶斯树.实验结果表明,模型能有效检测主机异常,且算法的时间复杂度相对较低,适合在线检测.     

失效率为指数函数的模型中使用屏蔽数据的参数估计

考虑一个由独立、不完全相同的单元组成的串联系统,使用屏蔽数据时的参数估计.当失效率为指数函数时,给出了参数的极大似然估计和Bayes估计.在Bayes估计中,假定未知参数的先验分布为对称的三角分布.主要考虑两单元串联系统,并通过数据模拟对极大似然估计和Bayes估计这两种方法进行了比较.     

发音错误检错中声学模型训练准则的比较研究

在发音错误检错系统中,将传统语音识别系统中的最大似然估计准则和最小音素错误准则应用于声学模型训练通常不能获得F1值指标意义下的最佳性能.本文在对最大似然准则以及最小音素错误准则参数更新公式进行分析的基础上,提出了最大化F1值函数的区分性训练准则,并利用构造弱意义辅助函数的方法对声学模型参数进行优化.通过比较,发现最大化F1值函数的区分性训练准则能够有效地增大训练和测试数据检错的F1值,同时训练数据和测试数据上的精确度、召回率都有明显改进.     

广义指数分布下循环序加试验的模型与数据分析

在产品寿命服从广义指数分布的场合下,讨论了循环序进应力加速寿命试验的模型,给出了相应参数的统计分析方法:极大似然估计法和极大似然估计与回归相结合的估计方法,并利用数据模拟比较了它们的优劣性.     

四参数二元McKay型伽马分布的几个性质

讨论了四参数二元McKay型伽马分布的几个性质.通过变量替换技术,导出了四参数二元McKay型伽马分布的特征及模拟性质;通过已知可识最小值及差值的分布密度,所有参数皆可识别,得到识别性质;通过计算X,Y之间的相关系数,证明了相关系数落在(0,1)内,得到相关性质,证明了X的尾部关于Y的尾部渐近不相关以及Y的尾部关于X的尾部渐近正相关,得到渐近性质;最后,得到了四参数二元McKay型伽马分布参数的矩估计及最大似然估计.从应用层面考虑,采用二步拟合,先导出了位置参数的最大似然估计,进而导出尺度参数和形态参数的矩估计,得到估计性质.利用已有文献中的实例数据,给出了基于四参数二元McKay型伽马分布的地震灾害评估参数的估计值.     

一种基于非参数贝叶斯模型的聚类算法

鉴于聚类分析是机器学习和数据挖掘领域的一项重要技术, 并且与监督学习不同的是聚类分析中没有类别或标签的指导信息, 所以如何选择合适的聚类个数(即模型选择)一直是聚类分析中的难点. 由此提出了一种基于Dirichlet过程混合模型的聚类算法, 并用collapsed Gibbs采样算法对混合模型的参数进行估计. 新算法基于非参数贝叶斯模型的框架, 能够在不断的采样过程中优化模型参数并形成合适的聚类个数. 在人工合成数据集和真实数据集上的聚类实验结果表明: 基于Dirichlet过程混合模型的聚类算法不但能够自动确定聚类个数, 而且具有较强灵活性和鲁棒性.     

基于基因表达值和基因本体论推导转录因子相互作用关系的方法

提出将基因本体论(Gene Ontology)中的背景知识同基因表达值相结合,利用GeneRank算法思想来计算转录因子的重要性排名,再通过K2算法构建贝叶斯网络以刻画这些转录因子间关系的方法.将该方法用于细胞周期的一个基因表达数据集中,实验结果表明它不仅能发现许多转录因子间确知的关系,还可发现一些未知的关系.     

AR(p)模型参数估计方法比较和实证分析

对时间序列AR(p)模型的参数估计YULE-WALKER法、最小二乘法、最大似然法三种估计方法进行分析和比较,从模型推导出最小二乘估计、最大似然估计实质上是同一种估计方法,应用MATLAB软件对我国CPI数据建立AR(2)模型并应用3种方法对其参数进行估计、模型检验、预测结果比较,得出的结论与理论推导相符,实证上说明AR(p)模型参数估计使用最小二乘法和最大似然法估计的结果是一样的。     

高维广义线性模型的惩罚拟似然SCAD估计

基于光滑切片绝对偏差(smoothly clipped absolute deviation,SCAD)惩罚的拟似然方法,研究高维广义线性模型的变量选择和参数估计问题.所提方法只需要对响应变量期望函数和方差函数的正确设定.在适当的正则条件下,证明了拟似然SCAD估计具有相合性和Oracle性质.最后通过数据模拟和实例分析,验证了所提方法的有限样本性质.     

基于超高频雷达的流量测量算法研究:以长江武汉段为例

水文站和船载测量的方法测量河流断面的流量受到船舶航行和河流水文条件的限制.本文以UHF雷达探测长江武汉段的试验数据为基础,构建表面流速与断面流速分布的关系模型,进而估算断面流量.把估算的结果与实测数据对比,验证了利用岸基UHF雷达测量河段流量的可行性.     

B样条曲线的约束光顺算法

在工业设计和反求工程中,B样条曲线是一种进行形状设计和数据拟合的重要工具.B样条曲线的光顺性对最终产品的外观质量有着直接影响.作者给出B样条曲线一种新的光顺算法.B样条曲线的形状可以通过扰动控制顶点来修改.控制顶点的扰动幅度通过β约束实现,而整条曲线的形状可由α约束来反映.最终通过求解线性方程组得到光顺曲线.该算法既可以对曲线进行全局光顺,又可以进行局部光顺.作者还给出了由模拟数据和真实采样数据拟合的B样条曲线光顺的实例.     

基于混合贝叶斯网络数据挖掘及研究生升学预测模型的研究

给出了基于MAP和MDL混合机制的贝叶斯网络结构学习算法,新算法吸取了两种方法各自的特点,具有计算简单、收敛速度快且能综合利用先验知识及专家知识的优点。并结合A校研究生的海量数据进行实验,结果表明：新的预测模型准确率可达84%,且推理高效合理。     

钱塘江河口盐度的神经网络模拟

盐水入侵会对潮汐河口饮用水源地产生影响,河口盐度的合理预测对饮用水源地取水安全和水库泄水抑咸调度有重要意义.以上游流量和下游潮差为控制条件,建立模拟钱塘江河口盐度变化情况的神经网络模型.首先对输入数据作归一化处理,利用上半年观测数据对模型进行反复训练,进而后报下半年盐度.模型输出数据反归一化所得到的结果与实测盐度数据比较,两者较为一致.表明基于河口盐度与上游流量和下游潮差间映射关系所建立的神经网络模型可有效地模拟潮汐河口的盐度变化.利用神经网络方法模拟了上游流量变化条件下钱塘江河口某测站的氯化物浓度.结果显示,当利用上游水库泄水来抑制河口咸水入侵时,采用降序流量过程可更有效地减小盐水入侵对饮用水源地的影响.     

基于无人机影像的天山云杉树冠截留雪水当量估算分析

本文以新疆乌鲁木齐县为研究区,利用无人机对降雪后的云杉林进行快速成像并利用最大似然法对不同角度下的无人机影像进行云杉降雪截留面积提取,提取精度达到95.7％.通过成像距离和不同距离投影面积拟合曲线,并借助拟合方程和几何数学原理计算出了三组云杉表面积和树冠截留雪的实际面积,分别为24.69 m2、36.67 m2和27....     

基于似然估计补偿机制的移动无线传感网数据控制同步传输算法

为解决当前移动无线传感网数据控制传输中存在的链路抖动难以控制、同步误差较大以及网络拓扑结构不稳定等问题,提出了一种基于似然估计补偿机制的移动无线传感网数据控制同步传输算法(Data Transmission Synchronization algorithm In Mobile Wireless Sensor Networks based on Likelihood Estimation Compensation Mechanism,DTS-LECM算法).首先,通过移动无线传感网MAC层的标记可移动特性,设计了基于分层区域节点-子节点的数据传输结构,联合广播机制,实现了区域节点的初始化,有效降低了数据控制同步误差,提高区域节点-子节点结构的生存质量;随后,基于数据分组双向交互方式,构建似然估计补偿机制,以实现区域节点控制信息同步,有效促进区域节点之间数据控制同步传输过程中链路的稳定性,且能够对频率偏移、相位偏移的精确计算,显著提高传输过程中的数据稳定性;最后,再次利用数据分组双向交互方式对区域子节点的信息进行精确同步,取得了较好的数据同步效果,且具有数据抖动发生频率低的效果.仿真实验表明,与当前常见的时间同步控制算法(Time Synchronization Control Algorithm,TSC算法)、相位同步控制算法(Phase Synchronization Control Algorithm,PSC算法)和信息片层次分组控制同步算法(Synchronization algorithm for Hierarchical Packet Control of Slices,HPCS-S算法)相比,DTS-LECM算法具有更高的控制精度与更低的分组丢包率,且链路抖动频率分布更加集中.所提算法具有较高的数据传输性能,可运用于公安系统的信号定位,以及抗洪抢险等领域,具有一定的实际应用价值.