扩展稀疏表示稳健HRRP目标特征提取方法

为提高低信噪比下高分辨一维距离像目标识别性能，提出扩展稀疏表示的噪声稳健目标特征提取方法。本方法通过对稀疏表示的扩展，实现对目标高分辨一维距离像局部特征与全局特征的提取。其中，在训练阶段利用支持向量理论与字典学习原理，对特征提取字典进行优化提高特征向量的可分性。在测试阶段，利用因子分析模型匹配方法对去噪声字典进行优化，从而实现对噪声的有效抑制，保证了目标识别系统的噪声稳健性。利用实测数据对本方法性能进行测试，结果表明本方法可在低信噪比条件下有效地恢复目标高分辨一维距离像，并实现较高的识别正确率。     

一种稳健的卡尔曼跟踪滤波方法

本文用改进Masreliez方法将卡尔曼滤波进行稳健化处理,通过状态扩展来表达动态模型的不准确性及通过自调整技术使滤波跟随模型的变化,得到了观测模型为近似高斯及系统动态模型存在机动条件下的快速自调整稳健卡尔曼滤波算法。模拟结果表明,该算法在存在离差时,精度比传统卡尔曼滤波提高30％多。     

基于MCD的稳健主成分算法及其实证分析

主成分分析方法是在经济管理中经常使用的多元统计分析方法,在变量降维方面扮演着很重要的角色,是进行多变量综合评价的有力工具。但传统的主成分分析对于异常值十分敏感,计算结果很容易受到异常值影响,而实际数据常包含异常情况,通常分析很少考虑它们的作用。本文基于MCD估计提出一种稳健的主成分分析方法,模拟和实证分析结果表明,该方法对于抵抗异常值有很好的效果。     

稳健统计(Ⅱ)

1.6容忍量和破坏点 俗话说,“一颗老鼠屎坏了一锅汤”.分析者知道,单个失误造成的一个离群值,就可以使样本均值的值很不合理.样本量为n的一元样本中,最大值X(x),设想为离群值,且越来越坏──远离数据的主体部分──对一元情况就是越来越大,样本均值也就随之越来越大.这就是说:如果X(n)趋向正无穷,则X也随之趋向正无穷.因此,我们说一个离群值就可以破坏X估计,或者说样本均值不能容忍离群值,不能抵抗离群值的破坏作用.而对于样本中位数,只要样本量大于2,不论X(n)怎么变,样本中位数值至多变动一个次序统计量,不会成为不合理的值,因此样本中位…     

基于复数权值神经元的数字逻辑最稳健设计

复数权值神经元由于引入了多阈值逻辑而具有更强的性能,文中根据其数学模型,结合二进神经元稳健性的概念,提出了基于该神经元的稳健性定义.并结合定义,实现了基于单个神经元的基本数字逻辑以及异或运算的最稳健设计方案,从而证明了该稳健神经元实现任意数字逻辑的有效性和可行性,说明了其强大的处理能力.     

重整汽油近红外光谱的稳健偏最小二乘解析

近红外光谱(ＮＩＲ)光谱复杂,组分间光谱重叠严重,目前,多元线性回归(ＭｕｌｔｉｐｌｅＬｉｎｅａｒＲｅ ｇｒｅｓｓｉｏｎ,ＭＬＲ)和偏最小二乘法(ＰａｒｔｉａｌＬｅａｓｔ ｓｑｕａｒｅｓ,ＰＬＳ)是近红外光谱分析中使用最多和效果较好的方法[1]。稳健偏最小二乘(ＲｏｂｕｓｔＰａｒｔｉａｌＬｅａｓｔ Ｓｑｕａｒｅｓ,ＲＰＬＳ)是由稳健统计学构造的具有稳健性能的多元校正方法。当化学测量中引入随机异常点或误差的内在分布偏离正态分布时,它仍能给予接近最优性能的校正,确保分析结果的准确性,是消除奇异点的非常有效的方法[2-4],…     

一个多元校正的稳健诊断新方法

提出一种新的稳健诊断方法，与最小二乘估计结合进行混合物光谱中非线性点的诊断。文中探讨了该方法的性能，用计算机数字模拟及实际多组分光谱体系夺其进行检验，展示了此诊断方法在分析化学计量学中实际应用的可行性。     

纵向数据下线性模型的模态回归估计

本文考虑纵向数据下线性回归模型的稳健估计问题.通过结合模态回归(modal regression)方法和二次推断函数(quadratic inference functions)技术,提出了一种基于模态回归的估计过程.证明了回归系数的估计是相合的,并给出了其渐近分布.数据模拟结果表明所提出的估计方法具有较好的稳健性和有效性.     

稳健的模糊回归区间分析

由于传统的回归分析易受到异常值的影响。针对输入变量为实数,输出变量和输入参数为模糊数的情况,给出了一种稳健的模糊回归区间预测模型和算法。该模型基于输出变量的隶属度函数为目标函数,以估计的区间为约束条件。给出的算法具有较强的稳健性,利用该算法估计的区间几乎不受异常值的影响。最后通过一个数值算例,与其他模型算法对比分析,验证了该模型和算法的有效性和稳健性。     

定位跨界融合天音通信稳健推进虚拟运营

天音通信表示,将在做好公众客户的基础上,发展政企高端行业市场以及新媒体市场,计划结合目前拥有的欧朋浏览器、塔读文学、开奇商店等业务以及1.4亿用户,投身到互联网全产业链中去.