基于LMM的美式可赎回债券定价研究

由于美式利率衍生品对描述利率期限结构模型要求较高,因此LIBOR市场模型(LMM)等无套利模型便得到了交易员的青睐.本文介绍了远期利率模型LIBOR市场模型(LMM),并假定远期利率服从LIBOR市场模型,然后通过一个例子说明美式可赎回债券的定价过程.其做法是在LMM框架下设定模型中的参数值,将LMM离散化,利用蒙特卡洛模拟法模拟LIBOR路径,利用最小二乘法估计持有债券期权的价值,从而通过逐步模拟确定可赎回债券的价格.     

基于局部敏感核稀疏表示的视频跟踪

为了解决l1范数约束下的稀疏表示判别信息不足的问题,该文提出基于局部敏感核稀疏表示的视频目标跟踪算法。为了提高目标的线性可分性,首先将候选目标的SIFT特征通过高斯核函数映射到高维核空间,然后在高维核空间中求解局部敏感约束下的核稀疏表示,将核稀疏表示经过多尺度最大值池化得到候选目标的表示,最后将候选目标的表示代入在线的SVMs,选择分类器得分最大的候选目标作为目标的跟踪位置。实验结果表明,由于利用了核稀疏表示下数据的局部性信息,使得算法的鲁棒性得到一定程度的提高。     

基于双模板Siamese网络的鲁棒视觉跟踪算法

近年来,Siamese网络由于其良好的跟踪精度和较快的跟踪速度,在视觉跟踪领域引起极大关注,但大多数Siamese网络并未考虑模型更新,从而引起跟踪错误。针对这一不足,该文提出一种基于双模板Siamese网络的视觉跟踪算法。首先,保留响应图中响应值稳定的初始帧作为基准模板R,同时使用改进的APCEs模型更新策略确定动态模板T。然后,通过对候选目标区域与2个模板匹配度结果的综合分析,对结果响应图进行融合,以得到更加准确的跟踪结果。在OTB2013和OTB2015数据集上的实验结果表明,与当前5种主流跟踪算法相比,该文算法的跟踪精度和成功率具有明显优势,不仅在尺度变化、平面内旋转、平面外旋转、遮挡、光照变化情况下具有较好的跟踪效果,而且达到了46 帧/s的跟踪速度。     

超高压和高温短时杀菌对樱桃汁品质的影响

比较了超高压(high pressure processing,HPP,550 MPa/2 min)和高温短时(high temperature short time,HTST,95 ℃/15 s)杀菌对樱桃汁中微生物、总酚、维生素C、花色苷、抗氧化能力以及感官品质的影响,并分析了4 ℃贮藏樱桃汁品质变化。结果表明:樱桃汁经过HPP和HTST杀菌后细菌总数小于100 CFU/mL、霉菌和酵母菌未检出,两者对樱桃汁均具有较好的杀菌效果;两种方式杀菌后樱桃汁中绿原酸和矢车菊素-3-芸香糖苷含量显著降低(p<0.05),HPP樱桃汁中绿原酸与矢车菊素-3-芸香糖苷保留率分别为95.4%±8.0%和77.7%±13.8%,显著高于HTST樱桃汁(p<0.05)。HPP对樱桃汁果胶、总酚、维生素C、天竺葵素-3,5二葡萄糖苷含量无影响,儿茶酚含量提高了4.6%;HTST降低了樱桃汁果胶、总酚、儿茶酚、维生素C、天竺葵素-3,5二葡萄糖苷的含量;两种果汁抗氧化能力无显著变化(p>0.05)。HPP樱桃汁在香气、滋味、颜色方面比HTST樱桃汁具有更好的感官品质。4 ℃冷藏期间,两种樱桃汁中细菌总数缓慢升高,但霉菌与酵母菌仍未检出;HPP樱桃汁中总酚、绿原酸、儿茶酚、维生素C、矢车菊素-3-芸香糖苷含量以及抗氧化能力均高于HTST樱桃汁。因此,HPP樱桃汁保持了更好的品质。     

自适应权重更新的轻量级视频目标分割算法

目的 针对现有视频目标分割（video object segmentation,VOS）算法不能自适应进行样本权重更新,以及使用过多的冗余特征信息导致不必要的空间与时间消耗等问题,提出一种自适应权重更新的轻量级视频目标分割算法。方法 首先,为建立一个具有较强目标判别性的算法模型,所提算法根据提取特征的表征质量,自适应地赋予特征相应的权重;其次,为了去除冗余信息,提高算法的运行速度,通过优化信息存储策略,构建了一个轻量级的记忆模块。结果 实验结果表明,在公开数据集DAVIS2016 （densely annotated video segmentation）和DAVIS2017上,本文算法的区域相似度与轮廓准确度的均值J&F分别达到了85.8%和78.3%,与对比的视频目标分割算法相比具有明显的优势。结论 通过合理且无冗余的历史帧信息利用方式,提升了算法对于目标建模的泛化能力,使目标掩码质量更高。     

基于人类视觉模型的区域生长图像分割

在人类视觉阈值选择模型基础上,结合C均值聚类思想,提出一种基于人类视觉模型的区域生长图像分割算法。根据人类视觉模型选取初始种子,并自适应调整区域生长的相似性准则,既从全局考虑了种子的生长对误差平方和的影响,又从局部考虑了像素的邻域相似度信息,实现了类似于边缘的限制效果。实验表明,即使在复杂背景下,该方法依然能得到接近人眼视觉特性的分割效果,且具有较高的执行效率。     

利用背景加权和选择性子模型更新的视觉跟踪算法

目的 针对传统Mean Shift算法对受背景干扰的目标无法进行有效跟踪并缺少有效的模型更新策略的问题,提出一种将背景加权和选择性子模型更新相结合的跟踪算法。方法 首先,在Mean Shift框架下,为了减少背景信息对目标定位的干扰,利用目标区域周围像素的颜色直方图定义背景加权系数,并将该系数只引入到目标模型的颜色直方图中,从而建立一个新的目标模型。然后,根据目标模型中每个分量匹配贡献度的大小选取需要更新的模型分量及其更新公式。结果 实验结果表明,本文算法能够抑制背景干扰,同时能对模型进行有效的选择性更新,克服了整体更新策略严重的模型漂移问题。结论 本文从模型描述和更新策略两个方面对传统Mean Shift算法进行了改进,实验结果表明本文算法具有较好的有效性和鲁棒性。     

结合颜色属性的分层结构直方图

目的 为克服单一颜色特征易受光照变化影响,以及图像的空间结构特征对目标形变较为敏感等问题,提出一种结合颜色属性的分层结构直方图。方法 首先,鉴于使用像素灰度值对图像进行分层易受光照变化影响,本文基于颜色属性对图像进行分层,即将输入的彩色图像从RGB空间映射到颜色属性空间,得到11种概率分层图;之后,将图像中的每一个像素仅投影到其概率值最大的分层中,使得各分层之间像素的交集为空,并集为整幅图像;对处理后的每一个分层,通过定义的结构图元来统计像素分布情况,得到每一分层的空间分布信息;最后,将每一分层的像素空间分布信息串联作为输入图像的分层结构直方图,以此来表征图像。结果 为证明本文特征的有效性,将该特征用于图像匹配和视觉跟踪,与参考特征相比,利用本文特征进行图像匹配时,峰值旁瓣比均值提升1.347 9;将本文特征用于视觉跟踪时,采用粒子滤波作为跟踪框架,成功率相对上升4%,精度相对上升4.6%。结论 该特征将图像的颜色特征与空间结构信息相结合,有效解决了单一特征分辨性较差的问题,与参考特征相比,该特征具有更强的分辨性和鲁棒性,因此本文特征可以更好地应用于图像处理应用中。     

深度学习的目标跟踪算法综述

目标跟踪是利用一个视频或图像序列的上下文信息,对目标的外观和运动信息进行建模,从而对目标运动状态进行预测并标定目标位置的一种技术,是计算机视觉的一个重要基础问题,具有重要的理论研究意义和应用价值,在智能视频监控系统、智能人机交互、智能交通和视觉导航系统等方面具有广泛应用。大数据时代的到来及深度学习方法的出现,为目标跟踪的研究提供了新的契机。本文首先阐述了目标跟踪的基本研究框架,从观测模型的角度对现有目标跟踪的历史进行回顾,指出深度学习为获得更为鲁棒的观测模型提供了可能;进而从深度判别模型、深度生成式模型等方面介绍了适用于目标跟踪的深度学习方法;从网络结构、功能划分和网络训练等几个角度对目前的深度目标跟踪方法进行分类并深入地阐述和分析了当前的深度目标跟踪方法;然后,补充介绍了其他一些深度目标跟踪方法,包括基于分类与回归融合的深度目标跟踪方法、基于强化学习的深度目标跟踪方法、基于集成学习的深度目标跟踪方法和基于元学习的深度目标跟踪方法等;之后,介绍了目前主要的适用于深度目标跟踪的数据库及其评测方法;接下来从移动端跟踪系统,基于检测与跟踪的系统等方面深入分析与总结了目标跟踪中的最新具体应用情况,最后对深度学习方法在目标跟踪中存在的训练数据不足、实时跟踪和长程跟踪等问题进行分析,并对未来的发展方向进行了展望。     

惠安县社区康体环境质量的认知评价研究

以惠安县社区为研究对象,借鉴国内外康体环境质量的相关研究,采用认知评价方法,建立认知评价体系,对惠安社区康体环境质量进行人本综合评价,最后将其康体环境质量划分为4个等级：中高质量康体空间、中等质量康体空间、中低质量康体空间、低质量康体空间。