一种新的基于线性EIV模型的鲁棒估计算法

提出了一种新的基于线性EIV模型的鲁棒估计算法——鲁棒扩充算法．该算法从结构化数据区域出发,逐渐扩充模型数据集,并不断更新模型参数的估计,直至找到所有模型数据．在每次迭代中,使用C-Step方法对集合进行调整,从而保证了算法的鲁棒性．同时,提出了关于粗差数据和结构化数据分布的结构化密度假设,结合Mean Shift算法,完成对算法的初始位置选取．仿真结果表明,该算法可以有效地处理含有多个结构和大量离群样本的混杂数据,与现有算法相比,具有更强的鲁棒性和更高的精度．     

一种基于鲁棒估计的极限学习机方法

极限学习机(ELM)是一种单隐层前馈神经网络(single-hidden layer feedforward neural networks,SLFNs),它相较于传统神经网络算法来说结构简单,具有较快的学习速度和良好的泛化性能等优点。ELM的输出权值是由最小二乘法(least square,LE)计算得出,然而经典的LS估计的抗差能力较差,容易夸大离群点和噪声的影响,从而造成训练出的参数模型不准确甚至得到完全错误的结果。为了解决此问题,提出一种基于M估计的采用加权最小二乘方法来取代最小二乘法计算输出权值的鲁棒极限学习机算法(RBELM),通过对多个数据集进行回归和分类分析实验,结果表明,该方法能够有效降低异常值的影响,具有良好的抗差能力。     

一种改进的基于鲁棒估计的动态数据校正方法

针对目前动态数据校正方法存在的缺陷,本文基于鲁棒估计的原理,提出一种新型的鲁棒估计函数,该函数物理概念清晰,参数调节灵活。基于此函数构造的动态数据校正方法(IRDR),在校正随机误差的同时,可以同步对异常点过失误差进行侦破和识别。CSTR仿真实例表明,该方法可以准确识别出系统所含的多个过失误差,校正结果偏差小,曲线平滑,具有较强优越性。     

基于观测器的鲁棒模型预测控制算法

对于含有未建模动态的输入受限离散时间线性系统,当系统状态不可测时,提出一种基于状态观测器的鲁棒模型预测控制算法。该算法采用双模型控制结构,将不变椭圆集同时应用于估计状态方程和误差方程,保证算法的稳定性和可行性,并同时给出系统稳定和可行的条件。     

一种基础矩阵线性估计的鲁棒方法

以基础矩阵估计规范八点算法为基础,针对线性算法对参考图像匹配点集中存在的异常匹配极为敏感的问题,将基础矩阵的线性鲁棒估计转换为对匹配点集的最优化采样问题,以最小对极距离平方和中数准则获得基础矩阵的稳定可信解。实验表明,算法对基础矩阵的精度和稳定性均有较大提高。     

飞机极曲线模型和参数鲁棒辨识方法

为了有效地确定飞机极曲线，提出一种鲁棒选择模型的新方法，通过分析数据矩阵模型判定方法，采用U—D分解以避免行列式的复杂计算，从而成倍提高了计算效率，通过估计D阵元素的取值区间，得到了观测量不确定部分带来的模型辨识判据的误差上下界，依此将候选按照重要程度逐个选取，在加权最小二乘算法中，采用下界不等式逼近，得到了鲁棒辨识的新算法和收敛条件，对飞机极曲线的模型和参数进行辨识，结果表明新方法可以得到工程上满意的效果。     

连续系统鲁棒约束方差估计的一种新方法

本文提出一种新的性能鲁棒滤波增益的设计方法，即设计滤波增益，使得当系统噪声强度不确定时，系统每个状态的误差稳态值都不大于预先的旨定值，并举说明这种设计方法的直接性与简单性。     

一种分层渐进匹配的鲁棒估计算法

针对基于图像特征点匹配的图像拼接存在的缺点,文中提出了一种自动图像拼接新算法.该算法使用了改进的RANsAC算法来消除局外点对全局变换参数估计的影响,而在初始参数估计问题上,则采用分层渐进匹配的机制及梅林变换,从而有效地解决了方位变动较大的图像带来大的初始参数估计的困难,同时有效地提高了计算效率.实验表明,使用该技术后图像拼接效果较理想,鲁棒性好,真实感强,实际应用价值较高.     

基于鲁棒估计的Retinex图像增强方法

针对原变分Retinex方法的人工伪影问题,指出理想重建光照应该具有分区域恒常的特性,提出一种以阴影边界作为出格点、基于鲁棒估计的变分Retinex图像增强方法。用合成图像与实际图像进行实验表明,本改进方法不仅可以有效压缩图像动态范围,显示淹没在阴影区域的细节,而且解决了原Retinex方法的伪影和扭曲等问题。     

基于鲁棒估计的动态传感数据校正方法

为实现IEEE1451网络化智能传感器输出数据与输入信号随时间的变化曲线保持一致,解决智能传感中的非线性问题,根据数据校正与数据回归的相似性,引入并改进在数据回归中应用较好鲁棒估计方法,结合非线性动态数据校正的DAEs模型,为传感器的校正引擎构建了相应的鲁棒估计目标函数。应用实例可得,校正后的结果与模型值的均方差MSE＆lt;0.003,表明在数据校正方法中引入鲁棒估计方法,可以使目标函数对偏离理想条件的数据不敏感,能显著减小异常数据点对传感数据校正的不利影响,实现高效的数据自校正。     

排除光流错误跟踪点的鲁棒方法

针对光流法用于跟踪光照变化和部分遮挡情况下的物体容易产生漂移的问题,通过比较跟踪点与该点补集映射关系产生的投影点之间的距离,提出了一种光流错误跟踪点排除方法——异类距法.首先证明了异类距排除误差最大元素的正确性;然后在静止场景受光照变化和部分遮挡情况下,给出了异类距排除错误跟踪点以及摄像机姿态矩阵在时间序列上的分布.针对视频序列的抖动情况,与传统方法进行比较的实验结果表明,该方法对于排除错误跟踪点是鲁棒的.     

陶器碎片旋转轴的健壮估计

根据陶器的制作工艺,把陶器表面表示成一个旋转曲面;用拟合平面法计算陶器碎片上三维数据点对应的法线,并用Plucker坐标表示;根据旋转曲面在各点的法线与旋转轴之间的几何约束关系,采用RANSAC方法估计旋转轴的自由参数．实验结果表明,该算法具有较强的抗噪声及抗外点的能力,能够获得精确的估计结果。     

基于射影空间的视觉基础矩阵鲁棒估计

针对传统视觉基础矩阵计算中存在的噪音和误匹配问题,提出了基于射影空间的基础矩阵计算方法．首先定义了三视几何中射影标准基下基础矩阵只含有5个参数的特殊形式,并利用三视射影重建中空间点反投影图像误差最小为准则,消除了图像中误匹配的影响,然后基于RANSAC(random sampling consensus)技术寻找出最优7个匹配点（噪音最小）来进行对极几何估算．大量仿真模拟试验和真实图像表明此方法能够高精度地估计出基础矩阵．     

基于各点异性理论的椭圆拟合算法

分析椭圆拟合应用中常用算法对噪声过于敏感、抗干扰能力差的缺点,提出一种鲁棒性较强的椭圆拟合算法。采用各点异性回归技术,建立误差与变量有关的(EIV)模型,根据数据矢量观测集合最优地估计线性EIV模型参数和数据矢量真值集合。实验结果表明,该算法精确度高,当初始值与真实值差距较大时,仍然可以快速、稳定地收敛。     

椭圆定位的测距算法

针对无线传感器网络定位中传统的三边测距算法,为了降低算法中每个已知节点均具有发射和接收信号能力而造成的高额成本,提出了已知节点单发射多接收的定位模型,并基于该模型提出了椭圆定位算法.该算法通过刻画未知节点距已知节点可能的椭圆运动轨迹,进而运用牛顿迭代法求解所构造的二次轨迹方程组,实现对未知节点的定位.同时,对定位可能出现的错误进行了概率分析,得出错误概率与锚点个数之间的函数关系.实验定位与传统算法相比降低了实验成本,证明了锚点的线性增加会使错误概率指数趋势减少的特征,最后针对该定位错误问题提出了合理的解决方案.     

基于拉普拉斯金字塔融合的岩心图像拼接算法

针对岩心图像拼接效率低以及易出现鬼影现象的问题,提出了一种基于最佳缝合线的拉普拉斯金字塔融合的岩心图像拼接方法.首先将待拼接的两幅岩心图像进行灰度变换,根据ORB算法计算并描述特征点;其次使用改进的random sample consensus (RANSAC)算法对特征点进行提纯,完成特征点匹配;根据匹配的特征点计算图像间的配准关系,最后根据最佳缝合线实现岩心图像的拉普拉斯金字塔融合,完成拼接.实验结果表明,改进的RANSAC算法能在保证正确率的同时提升速度,而且本文提出的图像融合方法避免了鬼影的产生,在融合区域的PSNR、SSIM和DoEM客观评价指标上与另外两种图像融合算法相比都有所提升.     

基于PSO算法的probit模型参数估计

针对二值probit回归模型中的参数估计问题,提出一种基于粒子群优化（PSO）的参数估计算法。该算法采用以最大似然准则作为PSO的适应度函数,建立二值probit回归模型中的参数估计计算模型。数值仿真分析表明,该算法性能较好,回归结果具有较高的拟合优度。     

基础矩阵估计的聚类分析算法

提出一种基于聚类分析的Robust基础矩阵估计算法．该算法用高斯混合模型描述匹配点估计余差,采用改进的分裂合并EM算法对匹配点估计余差进行聚类分析,根据分类结果及平均余差最小规则筛选出正确匹配点类别,抛弃错误匹配点;最后,用M估计算法对筛选出的正确匹配点进行迭代求精．大量实验结果表明,文中算法比随机抽样一致性算法的估计精度高,且计算效率高．     

基于最大后验概率和鲁棒估计的图像恢复推广变分模型

基于最大后验概率和MRF理论的图像恢复描述框架,提出一个面向图像恢复的推广变分模型.模型中将噪声建模为广义正态分布,利用最大似然法估计形状参数自动选择合适的范数作为数据保真项;将图像梯度场的分布建模为混合密度类,利用鲁棒估计理论构造一个耦合全变差积分和Dirichlet积分的图像先验模型作为正则化项.利用推广泛函的凸性,讨论了该推广模型的最优解存在性.最后提出结合梯度加权最速下降和半点格式的数值迭代算法.实验结果表明,推广模型能自动区分污染图像中的噪声分布特性,对于高斯噪声和脉冲噪声的污染图像都能取得很好的恢复效果.通过计算峰值信噪比和边缘保护指数,分析和评价了推广模型与目前其他变分方法的性能.