基于谱聚类与混合模型的SAR图像多尺度分割

针对谱聚类方法应用于合成孔径雷达（SAR）图像分割时Laplace矩阵的特征值和特征向量难以计算的问题,结合SAR图像在多个尺度的统计信息,给出了一个包含顶点凝聚、初始分割和分割细化3个步骤的SAR图像多尺度分割方法。首先,用一个顶点数不断减少的凝聚图序列来逼近从SAR图像得到的图;然后应用谱聚类方法对最粗尺度的凝聚图进行分割得到初始分割结果;最后根据SAR图像的统计性质,利用基于混合模型估计的分类后验概率将初始分割结果逐尺度进行细化得到SAR图像的最终分割。实验结果表明了方法的有效性。     

检验门限协整模型中的线性协整

考虑门限协整回归模型中线性的检验问题.在原假设为线性协整的条件下,构造TSupLM(supremumLagrange multiplier)统计量,并给出了极限分布.Monte Carlo实验研究了SupLM检验的有限样本性能,结果表明SupLM检验不受回归误差的序列相关性影响,也不受广义的自回归条件异方差GARCH(generalized autoregressiveconditional heteroskedastic)的影响.应用SupLM检验方法检测美国国库券收益率之间的关系,结果表明不同到期时间的国库券收益率之间存在门限协整关系.     

数独基于规则的逐步枚举算法设计

给出了数独(Sudoku)的6条性质,并在此基础上提出了6条推理规则,然后结合空格填写的一个一组,两个一组及更多个一组的枚举算法,在枚举中进行推理.使推理和枚举结合起来,对有唯一解的数独问题,其求解速度比回溯法快得多,同时也能完成许多数独软件无法进行推理计算的数独难题.用两个数独难题进行验证,表明该方法十分有效.     

非参数回归模型均值函数结构变点的检测与应用

本文将一类系统参数变点检测问题转化为非参数回归模型均值函数结构变点的检测问题.针对当非参数模型均值函数跃度的长期均值为零时,残量累积和(cumulative sum,CUSUM)统计量无效的问题,首先利用均值函数的核估计构造新统计量,给出了原假设和备择假设下统计量的极限分布;进一步构造Bootstrap检验,证明了Bootstrap检验的一致性;最后以模拟结果表明新方法明显优于已有的方法,并应用于两类实际数据分析,说明方法的有效性.     

一种新的基于多尺度似然比检验的SAR图像分割方法*

提出的图像分割新算法利用当图像分辨率改变时,不同目标斑点模式变化方式的不同以及相邻图像尺度间的Markov性,推导得出了多尺度似然比的表达式;该方法同时考虑了多尺度自回归（MAR）模型产生的残差信息和较粗尺度图像的灰度信息,增强了区分度,分割结果更精确;考虑了被分类像素的邻域特性,使其对噪声不敏感,具有稳健性。实验结果表明分割效果是显著的。     

平滑转移向量误差修正模型的非线性调节bootstrap检验

对原假设为线性不含平滑转移均衡趋势关系的两类平滑转移向量误差修正模型提出了非线性调节检验;提出了检验这类非线性调节关系的SupWald检验、相应的渐近分布和残差bootstrap方法模拟p值. 模拟实验中证实了有限样本下SupWald检验统计量的良好效用, 并给出了其适用范围, 进而应用该方法检验出几组美国国库券收益率间存在明显的平滑转移非线性调节.     

改进的动态图模型点模式匹配

为了提高概率图模型点模式匹配的精度,本文提出了改进的动态图模型点模式匹配算法。首先,在动态图模型点模式匹配的相似性度量中应用混合高斯分布,以提高模型利用多特征的能力,使匹配方法对噪声更加稳健。其次,在目标点集中引入了虚拟的哑点并给出了包含哑点的相似性度量。当模板中的点和哑点相匹配的相似性度量更大时模板点将和哑点匹配,以减少由异常点所导致的误配。实验结果表明所提出的匹配方法对噪声和异常点更加稳健,匹配的精度也优于传统方法。     

高效的图模型点模式匹配算法

点模式匹配的概率图模型具有很好的匹配精度,但是计算复杂度较高,当隔离子中包含异常点（outlier）时匹配精度会受到较大的影响。为了提高匹配的速度和精度,提出了一种由粗到精的图模型点模式匹配算法。利用包含特征点的窗口,用标准化互相关方法对特征点进行粗匹配,以减少异常点的数量,提高后续匹配方法的速度和精度。提出了一种新的点模式匹配的概率图模型,这种图模型能综合利用特征点的位置信息和包含特征点的邻域的灰度信息。利用提出的概率图匹配方法对粗匹配所得到的点对进行分段匹配,得到精确的匹配结果。对光学图像和遥感图像的匹配实验显示该方法能显著减少点模式匹配时间,提高匹配的精度。     

具有非参数AR(1)误差的回归模型的局部线性估计

考虑随机设计下具有一阶非参数自回归误差的线性回归模型,构造了参数和非参数函数的局部线性估计。在适当的条件下,证明了参数估计量的渐近正态性,并给出了非参数函数估计的收敛速度。模拟算例表明局部线性方法优于核方法。     

图像处理的多分辨随机模型的研究进展*

多分辨随机模型是近几年发展起来的信号与图像多分辨分析模型和方法,已经成为各领域关注的焦点。从多分辨随机模型的产生、演变、模型的估计理论、计算方法、模型的应用等方面对该模型的研究现状给予介绍和分析;最后对该模型进行展望,并提出一些值得研究的方向。