近红外光谱小波投影寻踪回归定量分析方法研究

为改进近红外光谱结构特征与定量回归模型的非线性拟合度和充分利用光谱中的非线性特征,提出了一种光谱小波投影寻踪定量分析方法。该方法对光谱进行小波分解后,用高斯混合模型噪声估计法降噪,对降噪后的小波系数向最优投影方向降维,用多项式岭函数拟合定量回归关系。建立黄酒近红外光谱快速预测酒精度小波投影寻踪回归模型,其相关系数R2和交叉检验标准差RMSECV分别为0.957和0.37838,该法比分析多元线性回归和偏最小二乘回归定量分析2种常规定量分析方法具有更优的预测效果,能更为有效地应用于近红外光谱快速定量分析检测。     

条件密度递归双重核估计的渐近分布

本文引进了条件密度递归形式的双重核估计,并在适当的条件下证明了这种估计满足渐近正态性,本文还削减了文献[1]中定理的条件,其结果和该定理是一样的。     

资产方程扩散系数的小波估计

讨论了资产方程扩散系数的估计问题，给出了当系数σ(.)为资产过程状态Xt的非线性函数，样本数据为Xσ，X1,…，Xn-1时，对应的非线性小波估计量，并证明了所得估计量的均方收敛性。     

基于改进ACO的投影寻踪模型的研究

提出一种基于改进蚁群算法的投影寻踪模型。该模型利用改进蚁群算法的全局寻优能力搜索投影方向,具有将高维数据投影到低维,能有效地揭示多因素复杂数据的线性和非线性结构的特点,适用于复杂问题和高维数据处理问题。通过实例,验证了模型的可行性和有效性。     

密度函数递归核估计的Bootstrap逼近

设X1，X2，…xn是从分布密度函数为f（x）的总体中抽取的独立同分布的样本，f（x）的递归核估计fn（x），本文讨论了fn（x）的渐近正态性以及Bootstrap逼近问题．     

利用子空间的投影和跟踪改进OFDM信道估计

OFDM系统的LS信道估计可看作真实信道频率响应的一个有噪观察值，因此可采用子空间投影方法对噪声进行压缩。分析了利用子空间投影方法改进LSOFDM信道估计性能的实质，给出了利用子空间投影改进OFDM信道估计的一般框架，在此基础上将子空间投影推广到非LS信道估计方法。当信号子空间随时间变化时，需要采用子空间跟踪技术保持对信号子空间的良好估计，因此提出了一种基于子空间跟踪的参数化信道估计方法，仿真表明这种方法在性能上优于非参数化时的相应方法。     

基于斜交投影和Mellin变换的快速小波算法

提出基于斜交投影和Mellin变换的快速小波算法,该算法的总体性能优于传统算法,是对传统算法和著名Mallat算法的重要改进.     

小波分析估计冲击信号之间时间延迟的方法

本文首先分析了小波变换对信号突变的敏感性，并以此来检测跌落零件冲击信号的到达时刻，从而估计不同传感器所测得的冲击响应信号之间的时间延迟。模拟跌落冲击的实验数据验证了该方法的有效性。     

小波分析估计冲击信号之间时间延迟的方法

本文首先分析了小波变换对信号突变的敏感性，并以此来检测跌落零件冲击信号到到达时刻，从而估计不同传感器所测的冲击响应信号之间的时间延迟，模拟铁路冲击的实验数据验证了该方法的有效性。     

基于投影寻踪方法的多元质量控制图

应用遗传规划方法对投影方向进行优化,得到最佳投影方向,在此基础上,分析了多元样本数据与投影数据之间的映射关系,并且验证当多元样本数据服从正态分布时,其投影也服从正态分布.可以通过对多元质量数据的投影进行控制,达到多元质量控制的目的.通过仿真对所研究的方法进行了验证.     

非参数核密度估计视频目标空域定位技术研究

针对智能视频监控场合对视频运动目标定位的需求,本文提出了一种基于非参数核密度估计的视频运动目标空域定位技术.该技术先对代表视频运动目标的前景样本点进行非参数核密度估计,选择具有最高密度指标的样本点为第一个目标中心,然后通过修正样本点的密度估计值,逐步实现对视频运动目标的空域定位.本文的方法是减法聚类视频运动目标定位技术的进一步推广.推广后的定位方法,可根据具体的目标定位场合,灵活选择核函数对样本点进行核密度估计.实验表明,本文方法具有良好定位效果,同时,在样本点的密度估计上更具灵活性.     

On Grey Relation Projection Model Based On Projection Pursuit

Multidimensional grey relation projection value can be synthesized as one-dimensional projection value by using projection pursuit model. The larger the projection value is, the better the model. Thus, according to the projection value, the best one can be chosen from the model aggregation. Because projection pursuit modeling based on accelerating genetic algorithm can simplify the implementation procedure of the projection pursuit technique and overcome its complex calculation as well as the difficulty in implementing its program, a new method can be obtained for choosing the best grey relation projection model based on the projection pursuit technique.     

Improved Logistic Regression Algorithm Based on Kernel Density Estimation for Multi-Classification with Non-Equilibrium Samples

Logistic regression is often used to solve linear binary classification problems such as machine vision, speech recognition, and handwriting recognition. However, it usually fails to solve certain nonlinear multi-classification problem, such as problem with non-equilibrium samples. Many scholars have proposed some methods, such as neural network, least square support vector machine, AdaBoost meta-algorithm, etc. These methods essentially belong to machine learning categories. In this work, based on the probability theory and statistical principle, we propose an improved logistic regression algorithm based on kernel density estimation for solving nonlinear multi-classification. We have compared our approach with other methods using non-equilibrium samples, the results show that our approach guarantees sample integrity and achieves superior classification.     

基于核密度估计和分形编码算法的图像检索技术研究

为了提高基于分形压缩编码图像检索技术的应用价值,针对自然图像提出了一种联合参数的图像检索方法,从分形编码中提取鲁棒性(旋转、平移、缩放等不变性)索引,即从由值域块均值构成的解码近似图像中提取改进的Hu不变矩特征量作为检索索引,再与分形编码参数的核密度估计统计特征相结合,其中,核密度估计方法中采用可变带宽。然后采用2个索引的加权和来比较图像的相似度。实验结果表明,使用2个索引的加权和比使用单独索引具有更好的检索结果。     

基于小波包变换与核主成分分析的铣削颤振识别

提出一种基于小波包变换（wavelet packets transform, WPT）与核主成分分析（kernel principal component analysis,KPCA）的颤振识别方法。铣削颤振会抑制或增强某些频段内的信号,利用四层小波包分解与重构,得到16个频段内的重构信号,获得各重构信号的面积,并进行归一化处理,完成铣削颤振特征向量的选择。继而通过对比基于主成分分析（principal component analysis,PCA）与核主成分分析的特征提取方法的特征提取效果,选取KPCA对特征向量进行降维处理,最后以降维后的数据作为最小二乘支持向量机分类器的输入对铣削状态进行识别。结果表明,在小样本的情况下仍能有效、准确地对铣削状态进行分类,分类准确率达95.0 %。     

噪声为厚尾过程的非参数函数变点的小波估计

本文给出了随机设计下非参数回归模型中噪声为无穷方差过程的小波检测和估计方法。利用基于经验小波系数的检验统计量,在原假设成立的条件下,推导出任意尺度上检验的临界值,证明了检验的一致性;在备择假设成立的条件下,得到变点个数、变点位置的相合估计与收敛速度。数值模拟以及IBM股票数据实例分析的结果均表明方法是有效的。