确定指数平滑参数的最优化方法

依据统计学原理以指数平滑预测模型进行了精度分析,建立了估计指数平滑参数α的最优化模型,给出了优化模型求解算法。实例计算结果表明,与试算法比较,该优化方法具有较快的收敛速度和较高的计算精度。     

基于业务量感知的蜂窝网络中继站协作控制机制

针对目前多用户、多业务的蜂窝网络现状,采用三次指数平滑预测对小区内用户业务量进行统计预测,由预测值产生阈值K来控制中继站(relay station,RS)的工作模式使中继站与基站协作为用户提供服务.仿真结果表明,中继站与基站相互协作可以显著降低网络的掉话率和呼叫阻塞率;改变阈值调整系数α和RS数目会使网络呼叫阻塞率产生明显的变化.     

基于光滑化方法的支持向量回归算法

支持向量机是在统计学习理论的基础上发展起来的新一代学习算法,由于其出色的泛化能力,在文本分类、手写识别、数据挖掘、生物信息学等领域中获得了较好的应用.提出了一种光滑支持向量回归算法,实验结果表明,它相对于其它回归训练方法有较快的收敛速度和较高的拟合精度.     

光滑有限单元法及其应用

对光滑有限单元法进行综述,介绍光滑有限单元法、边界光滑有限单元法、节点光滑有限单元法的基本思想、基本算法、方法特点以及在一些领域的应用.归纳得出:光滑有限单元法将应变光滑化措施引入有限单元法,可以降低网格划分要求,适应不规则网格;光滑有限单元法的算法与有限单元法基本相同,在有限单元法程序基础上进行少量修改即可实现;光滑有限单元法计算结果比有限单元法更精确.     

协变量缺失下基于诱导光滑方法的加权分位数回归

在部分协变量随机缺失机制下的分位数回归模型中, 提出回归参数的诱导光滑加权估计及其渐近协方差估计, 证明了诱导光滑加权估计和经验似然加权估计有相同的渐近协方差, 且诱导光滑加权估计的渐近协方差估计也是相合的, 并给出了诱导光滑加权估计及其渐近协方差估计的高效算法. 模拟结果表明, 新方法在有限样本下表现优良.     

一种快速非参数核密度模型及其应用

基于快速高斯变换,提出并建立了一个多维非参数核密度估计监督学习模型并且评估它的性能,为未知分布试验数据的预测和拟合以及土地利用/覆盖变化监测中多维影像数据的预测和识别提供科学依据.给定M个输入特征向量,对应第j类的容量为Nj的训练样本,直接计算的贝叶斯核密度模型复杂度为O(M xN),而本文提出的核密度模型复杂度接近O(M+N),实现了一个高效的基于快速高斯变换的多维非参数监督学习模型和计算信息处理系统.结果表明:提出的模型预测识别精度与支持向量机分类基本一致,速度更快适合大规模的数据处理,有效降低了维数和计算复杂度诅咒.     

约束极大极小问题的光滑化方法

基于Karush-Kuhn-Tucker最优性条件和Fischer-Burmeister非线性互补函数，建立了约束极大极小问题等价的非光滑无约束优化问题和等价的非光滑方程组．然后，利用光滑化方法求解这两个问题．     

利用样条函数建立季节性时间序列的预测模型

用B样条函数最小二乘法的非参数回归与时间序列相结合的方法建立了季节性时间序列预测模型. 利用滑动平均估计季节项,再利用B样条函数非参数回归估计长期项和周期波动,对于随机项建立ARMA模型,最后对某产品需求量进行了实例分析. 结果表明该方法有较高的预测精度.     

红外视频监控图像增强算法的比较研究

提出基于Retinex理论的McCann99结合自适应直方图均衡化的算法,并与同态滤波、MSR及McCann99的算法进行了比较．红外视频监控图像的计算机处理实验结果显示该算法可以增强图像的亮度和对比度,有效改善图像质量．     

基于滤波与平滑的曲线重构

提出了一种算法用于从散乱点云中重构曲线，点云通过一个滤波器后被细化．当点云足够细时，可以非常容易地给它定序，从而可以对点云进行曲线拟合或逼近；对于厚度变化不均匀的点云，将半径固定的选点窗口进行改进，引入一个自适应算法，能随点云厚度的变化调整窗口半径，改善滤波器性能．数值实验表明，算法简单、快速、有效，尤其当点云密度很大且厚度不均匀时，曲线重构的效果更好．