Bootstrapping the Local Periodogram of Locally Stationary Processes

Abstract. Locally stationary processes are non‐stationary stochastic processes the second‐order structure of which varies smoothly over time. In this paper, we develop a method to bootstrap the local periodogram of a locally stationary process. Our method generates pseudo local periodogram ordinates by combining a parametric time and non‐parametric frequency domain bootstrap approach. We first fit locally a time varying autoregressive model so as to capture the essential characteristics of the underlying process. A locally calculated non‐parametric correction in the frequency domain is then used so as to improve upon the locally parametric autoregressive fit. As an application, we investigate theoretically the asymptotic properties of the bootstrap method proposed applied to the class of local spectral means, local ratio statistics and local spectral density estimators. Some simulations demonstrate the ability of our method to give accurate estimates of the quantities of interest in finite sample situations and an application to a real‐life data‐set is presented.     

建筑节能发展缓慢的原因及其对策

我国实施建筑节能已近10年，但仍然只停留在试点、示范的层面上，尚未扩大到整体．分析了造成建筑节能发展缓慢的原因，并提出了推行和普及建筑节能的对策．     

ANOM在质量控制中的应用

ANOM（均值分析）是一种有效的质量工具，可以用来分析实验因素对输出的影响是否显著。可以应用于单因子，双因子的实验设计，无论是计量值数据，还是计数值数据，ANOM检验异常值的能力都很强，介绍了ANOM的基本分析过程，对ANOM和ANOVA进行了检验异常值灵敏度大小的比较，同时给出了实例。     

水电工程造价的管理

借鉴全面质量管理的理念,阐述影响工程造价的人工、机械、材料、施工方法、环境五要素的全面控制,应用于工程造价的全过程管理的理念和方法.     

层状介质中重力,地震联合反演的迭代算法

本文提出一种用于层状介质中重力、地震资料联合反演层速度、层密度及弯曲界面深度的迭代算法。该方法通过引入加权最小平方目标泛函,将层状介质中的重力、地震资料联合反演问题转化成具体的优化问题。为了得到反问题的最优解,文中系统地研究了层状介质中双摄动处理技术,以及层状介质中波场摄动的一阶 Born 近似解与理论重力异常摄动解。并应用 Tarantola 的反演理论,导出了梯度算子的计算公式。然后应用最速下降法给出了求取最优解的具体算法,得到了一种类似于地震偏移与空间更投影的迭代反演方法。对理论模型进行重力、地震联合反演的结果表明,该方法不仅可碱少未知参数的个数,提高反演的收敛速度,而且可减少反演的不适定性,不失为一种可行的多参数反演方法。     

劳动工时定额工作新探索

围绕工时定额的制定方法、原则等问题着重进行论述,以便在市场经济条件下,更好地发挥工时定额管理工作的巨大作用。     

自适应的有效非局部图像滤波

研究了基于预选择的非局部均值滤波方法,并指出已有方法在提取图像子块特征方面的不足,利用梯度域奇异值分解(SVD) 提出一种自适应的有效非局部滤波方法。该方法对基于预选择的非局部滤波方法的贡献主要有:1)是一种基于图像子块结构特征的鲁棒预选择方法;2)研究了相似集大小与滤波性能的关系;3)相似子块的自动选取;4)提出一种局部自适应的滤波参数选取方法,根据图像局部内容的不同确定滤波参数。此外,利用欧氏距离的对称性进一步提高运行速度。实验结果表明:本文方法滤波后的图像在主客观方面都优于原算法和其他快速方法,且运行速度较快,是一种有效的滤波方法。     

基于曲波变换和快速非局部均值的地震数据随机噪声压制

在常规的地震勘探中,由于受到激发、接收环境或仪器等因素影响,地震数据中会不可避免地混杂随机噪声,导致有效信号被淹没,从而无法被清晰识别,因此随机噪声的压制至关重要。本次研究提出一种改进曲波变换阈值去噪结合快速非局部均值去除地震随机噪声的方法:首先将循环平移和块状复数域阈值方法引入到曲波变换阈值去噪中,改进传统的曲波阈值去噪方法,得到最佳去噪结果;然后将去除的噪声利用快速非局部均值方法进行滤波,得到有效信号;最后将上述两步得到的数据相加得到最终的去噪结果。将该方法与曲波变换阈值方法、小波阈值方法及快速非局部均值算法的去噪结果进行比较,模型试验和实际地震数据去噪效果表明,该方法去噪结果的信噪比更高,信号保真度更高。因此本文方法压制随机噪声的效果更佳。     

一种关于模糊时间序列模型论域划分的多尺度比率算法

针对模糊时间序列研究中比率划分论域方法存在对非均匀数据划分效果不理想的缺陷, 提出一种基于模糊C 均值聚类(FCM) 算法的多尺度比率划分论域的方法. 首先利用FCM算法对样本数据进行分类; 然后计算各类数据的平均相对误差, 并基于各类的平均误差划分论域, 产生非等间隔的多尺度论域划分方法; 最后, 通过算例表明了多尺度比率论域划分方法的有效性.     

A general non-local denoising model using multi-kernel-induced measures

Noises are inevitably introduced in digital image acquisition processes, and thus image denoising is still a hot research problem. Different from local methods operating on local regions of images, the non-local methods utilize non-local information (even the whole image) to accomplish image denoising. Due to their superior performance, the non-local methods have recently drawn more and more attention in the image denoising community. However, these methods generally do not work well in handling complicated noises with different levels and types. Inspired by the fact in machine learning field that multi-kernel methods are more robust and effective in tackling complex problems than single-kernel ones, we establish a general non-local denoising model based on multi-kernel-induced measures (GNLMKIM for short), which provides us a platform to analyze some existing and design new filters. With the help of GNLMKIM, we reinterpret two well-known non-local filters in the united view and extend them to their novel multi-kernel counterparts. The comprehensive experiments indicate that these novel filters achieve encouraging denoising results in both visual effect and PSNR index.