一种改进的异常值检测算法与稳健估计

对模型精度与稳健性的要求使得异常值检测与稳健估计在模型构建中变得日益重要.本文首先利用基于边际相关系数构造的高维影响度量指标(HIM)与基于距离相关系数构造的高维数据异常值判别方法(HDC)分别对数据中的异常值进行初步检测,将数据集中的点分为正常点与异常点两类,然后在初始正常点集的基础上利用稳健的参数估计方法和残差空间...     

一类极大极小随机规划逼近问题最优解集的上半收敛性

本文首先将极大极小随机规划等价的转化为一个二层随机规划,在下层初始随机规划最优解集为多点集的情形下,给出下层随机规划逼近问题最优解集集值映射关于上层决策变量参数的上半收敛性和最优值函数的连续性.然后将上层随机规划等价转化为以上层和下层决策变量作为整体决策变量,以下层规划最优解集的图作为约束条件的单层规划,并在下层初始随机规划最优解集的图为正则的条件下,得到上层随机规划逼近问题最优解集关于最小信息概率度量收敛的上半收敛性.     

基于杠杆值大数据集抽样的异常点诊断

本文主要研究大数据集下利用杠杆值抽样后的异常点诊断问题。首先讨论了数据删除模型中参数估计的统计性质,构造了四种异常点诊断统计量;其次,根据均值漂移模型的漂移参数的假设检验问题,构造了三种检验统计量;最后,通过模拟和实证数据分析结果得出本文的结论—异常点诊断对于基于杠杆值的大数据集抽样估计起到重要的影响作用。     

决策者具有(严格)凸性偏好结构下的一类交互式多目标决策方法

为了更好地解决决策者具有(严格)凸性偏好结构下的多目标决策问题,一般目标空间为有界凸域的情形常常可以转化为目标空间为有界闭凸区域的情形,首先分析了切割平面及该平面上偏好最优点与被切割平面分割成的为有界闭凸区域的目标空间或目标空间的子集的两个部分之间的关系;然后分析并指出了对于包含全局偏好最优目标方案点的为有界闭凸域的目标空间及其子集(准最优目标集),在确定了切割平面上的偏好最优点后,通过适当地选取供决策者与切割平面的偏好最优点进行比较判断的目标方案点,经过一次比较就可以确定一个新的范围更小的包含全局偏好最优目标方案点的目标空间的有界闭凸子区域(准最优目标集).为获取切割平面上的偏好最优点,提出了改进的坐标轮换法.在这些结论和方法的基础上,提出了决策者具有(严格)凸性偏好结构下的一类交互式多目标决策方法,要求决策者提供较易的偏好性息,决策效能较好.     

双会议服务器选址问题研究

中位选址问题一直是管理学科的研究热点,本文考虑平面点集选址问题中的双会议服务器选址问题,该问题可以看成是2中位问题的衍生问题。令P为平面上包含n个点的点集,双会议服务器选址问题即为寻找由该点集构成的一棵二星树,使得这棵树上所有叶子之间的距离和最小。本文给出求解该问题的关键几何结构和最优解算法设计,并证明所给算法时间复杂性为O(n³logn)。     

一种新型的四相水平集图像分割方法

水平集方法在图像分割和计算机视觉领域有很广泛的应用,在传统的水平集方法中,水平集函数需要保持符号距离函数.现有的活动轮廓模型、GAC模型、M-S模型、C-V模型等在演化过程中均需要对水平集函数进行重新初始化,使其保持符号距离函数,然而这样会引起数值计算的错误,最终破坏演化的稳定性,另外这些模型只适用于灰度值较为均匀的图像,对灰度值不均匀的图像不能进行理想的分割·针对这些问题,结合C-V模型的思想,提出了一种带有正则项的四相水平集分割模型,其中正则项被定义为一个势函数,具有向前向后扩散的作用,使水平集函数在演化过程中保持为符号距离函数,避免了水平集函数重新初始化的过程.最后对该模型进行数值实现,实验表明了新模型的可行性和有效性.     

求解一个整数方程的新解法

ni=1aixi =p是一个由实验数据问题抽象而出的整数方程求非负整数解的数学模型 .为了使该问题实现计算机求解的可能 ,本文首先将原问题转化为讨论一类整数规划最优解问题 .从对应松弛规划问题的目标函数值为 0的最优解出发 ,根据舍入凑整法原则 ,再次将问题转化为另一简化后的整数方程 ,这样大大缩小了解的范围 ,及进一步迅速降低了方程右端的 p值 ,使其在计算机上求解的运算量大大降低而能得以实现     

两曲线上动点间距离的最大(小)值问题

<正>利用导数求两条曲线上动点间距离的最值,方法之一是转化化归,将动点间的距离问题转化为点到直线的距离问题,而这个"点"一般就是利用导数求得的切点;方法之二是构造函数,求出导数,利用导数求解最值.举例如下:1求两曲线上两动点间的距离的最值例1 (2012年高考新课标理科12)设点     

求解图像分割CV模型的BB算法

给出图像分割的一种新算法——BB算法.该方法的优点在于利用迭代过程中当前点和前一点的信息确定搜索步长,从而更有效地搜索最优解.为此,首先通过变分水平集方法将CV模型转化为最优化问题;其次,将BB算法引入该优化问题进行求解;然后,对BB算法进行收敛性分析,为该算法应用在CV模型中提供了理论依据;最后将该方法与已有的最速下降法、共轭梯度法的分割结果进行比较.结果表明,跟其他两种方法相比,BB算法在保证较好分割效果的前提下,提高了算法的速度和性能.     

正方形最优分割问题初探

正方形最优分割问题初探余熙国（河南新乡市第五职业中专４５３００３）平面上正方形的最优分割问题是指：将边长为１的正方形划分（分割）成ｎ个部分、求最大的实数δｎ，使得无论怎样分割，都存在属于同一部分的两个点，保证它们之间的距离不小于δｎ．称δｎ．为划方最...