密度估計
- 基于核密度估計的諧波分布特征表述方法
波電流采用核密度估計法計算諧波電流的概率密度函數，與直接對樣本諧波電流進行頻率直方分析相比，核密度估計的應用，可以更好地展現諧波電流在區間的概率密度分布特征，提高了諧波電流概率區間分布刻畫的準確度，為后續的諧波治理提供了更為精準的參考依據，有利于提高電力系統的電能質量。1 核密度估計核密度估計（kernel density estimation, KDE）是在概率論中用來估計未知的密度函數，屬于非參數檢驗方法之一，由Rosenblatt(1955)和Ema
云南電力技術 2023年6期2024-01-12
- 雙任務交互下的四段監督人群計數網絡
,人群計數和密度估計作為最基本的人群分析方法在近幾年也得到了廣泛研究.傳統的人群計數方法包含基于檢測的方法[1]和基于回歸的方法[2],分別通過檢測后計數和直接特征回歸來估計圖中總人數,其在人群分布相對稀疏和均勻的場景下表現尚可,卻嚴重囿于密集場景下的人群遮擋問題和由相機視角造成的多尺度問題.此外,這些方法均僅使用計數標簽預測總人數,并不關注人群的具體分布狀態,這為各個場景下的人群狀態理解帶來了局限性.Pham等人[3]將圖片分塊,然后通過隨機森林方法學習
小型微型計算機系統 2023年10期2023-10-18
- 基于核密度估計的構架應力譜外推與疲勞壽命分析
非參數法（核密度估計法）。由于均值頻次和幅值頻次一般具有明顯的分布特點，早期的參數法通常采用威布爾分布擬合幅值頻次，正態分布擬合均值頻次[4]。然而，假設樣本分布特征受主觀影響較大，對于分布復雜且隨機的樣本會產生較大的擬合誤差[5]。為避免對樣本分布的假設，Dressler K等[6]首先將核密度估計運用到載荷譜的外推中，提出了基于雨流矩陣的核密度估計外推方法；宋清椿等[7]將該理論運用到農業機械構架應力譜編制中，得到了反映構架真實服役情況的載荷譜；牛文鐵
起重運輸機械 2023年1期2023-03-15
- 隨機相關性影響的多部件系統剩余壽命預測
局部最優。核密度估計方法不附加任何假設，是一種非參數估計方法，它從數據本身出發來研究樣本的分布特征。同時與深度學習等方法相比，核密度估計方法能夠清楚地表征系統退化特征的變化。因此，在預測與健康管理領域具有較高的關注度[8]。Hu等[9]提出非參數核密度估計方法來估計風速的概率密度函數，驗證了該方法的準確性和靈活性。Wang等[10]將核密度估計方法引入魯棒隨機配置網絡，以減少噪聲數據或離群點對最終學習模型的影響。Zhang等[11]提出基于核密度估計的非線
振動與沖擊 2022年21期2022-11-21
- 自適應帶寬核密度估計在旋轉機械劣質監測數據識別中的應用
極值分布及核密度估計在氣體壓縮機監測過程中異常數據的識別能力，發現核密度估計在數據流異常時識別準確率最高。值得注意的是，核密度估計的精度主要取決于帶寬的選擇，不同的帶寬獲得的分布特點不同，其閾值也不同。為了自適應選擇帶寬，李國慶等[14]采用漸進積分誤差法為擴散核函數選取自適應最優帶寬,提高了光伏出力模型的局部適應性。CHEN等[15]提出了自適應加權局部在線密度估計，實現核密度帶寬的自適應選擇。牛文鐵等[16]采用四叉樹算法實現了自適應帶寬核密度估計。上
中國機械工程 2022年20期2022-10-31
- m-NOD樣本最近鄰密度估計的相合性
定義為最近鄰密度估計是一種較常用的非參數概率密度估計方法，目前已取得許多研究成果。在相依樣本方面，Boente和Fraiman［2］研究了基于φ-混合和α-混合樣本的最近鄰密度估計的強相合性；Chai［3］得到了基于φ-混合平穩過程的最近鄰密度估計的強相合性、弱相合性、一致強相合性及其收斂速度；Liu和Zhang［4］建立了φ-混合樣本的最近鄰密度估計的相合性和漸近正態性；Yang［5］研究了負相關（NA）樣本的最近鄰密度估計的弱相合性、強相合性、一致強相
廊坊師范學院學報(自然科學版) 2022年3期2022-10-11
- 一種軸承核密度估計的剩余壽命預測研究
出一種軸承核密度估計的非參數剩余壽命預測模型，該方法不對數據分布附加任何假設，而是從數據本身研究數據分布的特點，避免了大多數數據驅動方法需要模型假設和參數估計的問題。該模型在核估計窗寬的選取上引入局部窗寬因子構建自適應窗寬模型。模型通過計算樣本點的密度來自適應選擇樣本點窗寬，提高了核密度估計窗寬選擇的可靠性，從而提高了預測精度。最后通過軸承磨損試驗驗證了所提模型的適應性和準確性。1 核密度估計模型的構建核密度估計方法不利用數據分布的先驗知識，不對數據分布進
機電工程技術 2022年7期2022-08-26
- 基于B樣條的概率密度函數非參數估計
的樣本，概率密度估計就是從觀測數據中構造密度函數的估計.概率密度函數估計方法主要有三類：參數化方法、非參數化方法和半參數估計方法.參數概率密度函數估計，總是假設概率密度函數的參數形式已知[5]，但在實際問題中參數形式的假設可能會產生誤導的結論或結果.而本文要討論的非參數密度估計可以避免概率建模和推理中的參數假設，從而為上述問題提供了新的解決思路[6].非參數密度估計方法不需要對點樣本分布的參數形式做事先的假設，而僅僅從采樣數據本身對概率密度函數做出估計.半
大學數學 2022年3期2022-06-24
- 一種基于雜波稀疏度改進的雜波密度估計方法
確估計。雜波密度估計方法可分為單幀雜波密度估計方法和多幀雜波密度估計方法。多幀雜波密度估計方法[13-14]利用多幀歷史測量信息估計當前幀測量的雜波密度，能有效降低目標測量對雜波密度估計的影響。單幀雜波密度估計方法可以分為基于航跡和基于測量集2類?；诤桔E的傳統雜波密度估計方法[15]提出利用門限內測量的平均雜波個數與門限超球體體積的比值計算雜波密度但容易導致估計結果不穩定?；诳臻g稀疏度的雜波密度估計(Spatial Clutter Measuremen
無線電工程 2022年3期2022-03-29
- 多維性能極限狀態下概率地震需求分析的多元相關核密度估計法
提出了基于核密度估計的分析方法。該方法不需要人為假定EDP 分布類型，并且得到的易損性曲線與蒙特卡洛（MC）法更為接近。但文中僅針對單一EDP 建立了易損性曲線，沒有考慮多種EDP 聯合作用下結構的破壞形式；并且文中僅涉及了地震易損性，并未考慮場地危險性，因此研究內容并不完善。本文考慮結構的多維性能極限狀態，提出基于多元核密度估計的概率地震需求分析法。這種方法不對EDP 的分布類型進行人為假定，并在傳統核密度估計中引入對隨機變量相關性的描述，使結果更具一般
振動工程學報 2022年6期2022-02-15
- 基于核密度估計的拖拉機傳動軸載荷外推方法
數法是基于核密度估計(Kernel density estimation，KDE)的思想對雨流矩陣進行外推，可以直接得出任意載荷的密度值，克服分布函數擬合的缺陷，為多峰復雜載荷的精確擬合提供了解決辦法。李鶯鶯等[7]采用非參數估計方法對挖掘機液壓泵載荷進行外推，得到全生命周期內每個載荷循環可能出現的頻次，而且可以保證每個遲滯回環的結構不被破壞。張曉晨等[8]選擇基于載荷擴展的非參數外推方法分別對液壓挖掘機的4個作業段進行外推，獲得全壽命下的長期載荷譜。李研
中國農業大學學報 2021年10期2021-11-05
- 基于改進非參數核密度估計的光伏出力概率分布建模方法
析精度低。核密度估計模型是一種數據驅動的統計模型，是基于歷史數據的統計學方法，從而掌握特定地區或特定光伏出力的隨機分布特征[5-6]。文獻[7]創建了一種基于正交級數密度估計的光伏出力概率建模方法，能夠準確模擬在不同地區不同時段下光伏出力的分布規律，并且在應用中表現出高適用性、計算簡便等性能優勢。文獻[8]基于解集與條件核密度估計理論構建了光伏出力的時序概率模型，能夠計及太陽輻射度的小時輻射和日總輻射之間的加和特性，適用于多種現實場景。文獻[9]提出將數據
燕山大學學報 2021年5期2021-10-11
- 基于改進核密度估計的電動出租車快速充電行為研究
隨機森林和核密度估計組成的集成模型對充電持續時間、充電能量消耗的預測；基于監督學習方法進行電動汽車充電行為的聚類分析，如Shen等[4]使用K均值聚類算法將充電行為分為3類；基于深度學習模型進行充電負荷預測研究，如Zhu等[5]使用RNN模型預測公用充電站的逐時充電負荷。目前充電行為特征變量的概率建模主要基于傳統參數估計模型，然而該方法需要提前假設服從某種分布，然后依據歷史樣本數據估計該分布的參數，如果假設的概率分布與實際情況不符合，就會導致計算偏差較大。
交通運輸系統工程與信息 2021年4期2021-08-28
- 基于貝葉斯序列分割的高維時間序列在線分類算法
法[7]使用密度估計算法評估時間序列之間的相似性，實現快速的在線分類處理。密度估計的準確性是此類時間序列分類算法的關鍵部分，核密度估計(Kernel Density Estimation,KDE)[8]是最為常用的一種方法，但該方法無法應用于高維數據，而其他的非參數化密度估計方法[9]對高維數據的時間效率較低，難以滿足在線密度估計的要求。動態時間規整解決了時間序列的不對準問題，對低維度數據流的效果較好，但是高維時間序列包含豐富的時空信息，動態時間規整則忽略
計算機應用與軟件 2021年8期2021-08-12
- 人群密度估計現狀與發展趨勢探討
1.3 基于密度估計的方法基于密度估計的方法不僅可以一定程度上消除遮擋與背景雜波的影響，而且也能解決回歸模型無法得到人群空間信息的問題。Lemptisky等人[3]通過學習局部特征與密度圖之間的線性映射將空間信息引入到密度估計模型中。Pham等人利用隨機森林建立了圖像與密度圖之間的非線性映射，取得了不錯的結果。2 基于CNN的方法傳統方法特別是基于密度估計的方法使人群密度估計任務的效果得到了提升，但是其使用的特征往往受制于人工提取煩瑣復雜的缺點，無法適應尺
科學與信息化 2021年17期2021-06-28
- 基于核密度波動的異常檢測算法
卒中數據。核密度估計是一種常用非參數統計模型，是從數據本身出發，對數據特征和分布進行描述。Xu等人[10]運用核密度估計方法獲得對交通流量數據最優估計的概率密度函數，然后建立信念函數來檢測數據中的異常值。Latecki[11]為克服數據點間的歐式距離過小導致的密度估計值較大的情況，運用局部密度估計代替歐氏距離計算密度估計值。這些方法的研究與應用足以證明核密度估計方法在異常檢測領域的優越性。在基于核密度估計的異常檢測算法中，常常認為異常點具有相對較低的核密度
計算機工程與應用 2021年12期2021-06-23
- 基于非參數核密度估計法的車輛大數據服役載荷外推方法
于參數法概率密度估計，研究了某大型營運客車在用戶道路載荷條件下軸頭和質心三向加速度幅值、前懸穩定桿扭轉和平衡梁彎曲應變幅值的概率密度分布。趙禮輝等[8]基于參數法概率密度估計，建立了用戶使用條件下輕型商用車年行駛里程、行駛車速和載重等的概率密度分布模型。在用戶實際使用過程中，車輛承受的載荷環境復雜多變，通常難以用固定形式的概率密度分布函數對載荷的分布進行擬合，導致參數法概率密度估計應用的局限性。非參數法概率密度估計不需要假設變量的分布函數形式，概率密度估計
中國機械工程 2021年11期2021-06-23
- 淺析人群密度檢測算法及其在機場的應用
0）1 人群密度估計算法人群密度估計算法的發展歷程可歸結為3個階段：一是基于檢測的方法。早期研究大部分集中在基于檢測的方法，使用類似移動窗口的檢測器來檢測并統計人數。這些方法要求訓練有素的分類器，從整個人體中提取低級特征，例如Haar 小波和HOG（方向梯度直方圖）。然而，由于大多數目標對象被遮蓋，它們在高度擁擠的場景上表現不佳。二是基于回歸的方法。因基于檢測的方法無法適用于高度擁擠的場景，學者們嘗試研究基于回歸的方法來學習提取自裁剪圖像中特征之間的相互關
數字通信世界 2021年5期2021-06-04
- 基于MATLAB 的核密度估計研究
統計研究中，密度估計一直是一個極其重要的熱門研究問題。 其研究成果被廣泛應用到經濟學、社會學以及生物統計等領域[1-4]。 特別是當前大數據時代，如何對數據進行高效地分析處理以便找出數據之間的特征規律就顯得尤其重要。密度估計作為數據分析的一種有效工具，能夠高效地找到數據所蘊含的分布規律，這為后續數據分析處理提供了重要的參考依據。密度估計研究的本質問題是如何高效地利用觀測數據找到數據的分布規律。常規密度估計方法分為參數估計和非參數估計兩類。參數估計方法需要事
科技視界 2021年4期2021-04-13
- 一種基于改進Unet的蝦苗密度估計方法
net的蝦苗密度估計算法。鑒于現有蝦苗數據集不足，收集并標記了一個針對蝦苗計數的數據集（Dlou_Shrimp）。在該數據集上對所提出的算法進行了測試，實驗結果表明該算法可以解決蝦苗計數中的遮擋與粘連問題，可為其他領域的密度估計提供全新的思路。關鍵詞：蝦苗計數;密度估計;神經網絡;深度學習中圖分類號：TP273+.4? 文獻標識碼：A? 文章編號：2096-4706（2021）17-0012-06Abstract： Smart ocean is the b
現代信息科技 2021年17期2021-04-05
- 基于自適應帶寬核密度估計的載荷外推方法研究
深入，基于核密度估計法的非參數估計方法被應用于載荷外推中，該方法既可很好地保留載荷數據本身的分布規律，又能實現對任意載荷分布的擬合。李凡松等[12]采用基于自適應帶寬的核密度估計方法進行載荷外推，每一個數據點都有其自身對應的帶寬，該方法相較于固定帶寬的核密度估計方法具有更好的擬合效果。本文針對核密度估計載荷非參數外推方法中帶寬的選擇問題，結合改進的四叉樹分割算法，對核密度估計的帶寬計算進行優化，提出一種改進的自適應帶寬核密度估計的載荷外推方法。以玉米收獲機
農業機械學報 2021年1期2021-02-01
- 非線性自回歸模型誤差密度估計的Berry-Esseen界
機變量序列核密度估計的Berry-Esseen 界可達O((nhn)-1/2)； 文獻[10-11]研究了不同情形下的Berry-Esseen界問題. 本文基于文獻[9], 給出非線性自回歸模型誤差密度估計的Berry-Esseen界.下面給出模型(1)的誤差核密度函數. 假設核函數K(·)是上給定的Borel可測函數, 窗寬hn>0是與n有關的常數, 滿足模型(1)的誤差密度估計為(2)下面給出幾個基本假設.(3)(H3) 假設K是上的有界變差函數,K″
吉林大學學報（理學版） 2021年1期2021-01-18
- 魚類目標的密度估計模型
度學習在人群密度估計方面取得了優越的發展并應用于公共安全事業中。人群密度估計事先獲得人群圖像的密度圖，密度圖表示了場景中人群分布情況，對密度圖積分或求和就能獲得場景中的人群總數。目前人群密度估計在ShanghaiTech[23]、UCSD[24]、UCF_CC_50[25]等開源數據集上都獲得了較高的 估計精度。雖然人群密度估計取得了較大成功，但是基于深度學習的密度圖估計方法目前并沒有在水產養殖業中嘗試過?；诖?，本文提出一個用于魚類目標密度估計的網絡結構
哈爾濱工程大學學報 2020年10期2020-12-15
- 基于核微分同胚變換的實時剩余壽命預測
模型?；诤?span class="hl">密度估計(Kernel Density Estimation, KDE)的實時剩余壽命預測方法，從數據本身出發研究其分布特征，不對數據分布形式做任何假設,可避免現有許多數據驅動方法壽命預測時需要模型結構假設及參數估計的問題。但預測模型中的核密度估計，大多利用的是傳統核密度估計[12-16]，定義域是整個實數域。在許多實際情況下，研究變量往往并不是在整個實數域都有定義，而是存在一個邊界或兩個邊界的有界區間。傳統核密度估計在用于有界區間變量的概率密
計算機集成制造系統 2020年10期2020-11-16
- 基于一類二元多小波函數的密度估計
個基本問題。密度估計分為參數估計和非參數估計，對于后者，直方圖估計、核估計以及k-近鄰估計等都是研究的重點[1-2]。隨著小波理論的完善，加上其具有諸如正交性、緊支性、多分辨分析(MRA)等優良特性，使得小波分析的應用成為近年來非參數統計與計量研究的熱點。1988年，Doukhan[3]首先提出了小波密度估計的概念。隨后，許多學者對此進行研究，并給出了收斂階的證明[4-5]。但由于單小波不能同時滿足正交性、對稱性及緊支性，在實際應用中造成了很大困擾，基于此
北京化工大學學報（自然科學版） 2020年4期2020-10-11
- 基于核密度估計的實時剩余壽命預測
樣本模型。核密度估計方法是一種數據驅動的方法，但該方法對數據分布的形式不作任何假定，是從數據本身出發研究數據分布特征的非參數估計方法[15-16]。核密度估計方法常用于分類中，Zhang等[17]提出一種對旋轉機械的故障類型進行區分的方法，對表征類型故障的特征，通過加入測試樣本前后概率密度相對熵之間的比較，來判斷屬于哪種類型的故障，其中利用核密度估計的方法求概率密度;李存華等[18]提出一種基于核密度估計的數據聚類分析方法，對基于網格數據重心分箱后的數據點
計算機集成制造系統 2020年7期2020-08-21
- 基于深度特征的人群密度估計方法
。其中，人群密度估計是人群分析中十分重要的一部分。人群密度估計是指對圖像或視頻幀中的一定區域內所包含的人數進行估計，通過人群密度情況來反映該區域內的人群聚集情況。人群密度估計問題一般使用人群密度等級分類的方式予以解決，其大致步驟為：首先，通過對人群圖像中一定區域進行人群特征提??；然后，利用提取的特征訓練分類器；最后，使用訓練得到的分類器對給定圖像的人群密度等級進行劃分。1 相關工作在人群密度估計領域，已經有許多人進行了相關的研究，并提出了一些解決方法。這些
浙江工業大學學報 2020年3期2020-06-01
- 一種改進的可適應變寬核密度估計器
8060概率密度估計[1-2]是統計模式識別領域的一個重要研究方向，如何基于已有的數據集獲得其未知的概率分布對于眾多有監督機器學習算法的訓練有至關重要的作用，例如貝葉斯分類器[3]、概率神經網絡[4]和改型決策樹[5]等．帕爾森窗口法[6]是一種經典的概率密度估計方法，又稱核密度估計法．它是利用多個正態分布的疊加平均去擬合未知的概率分布，其中正態分布的均值為已知的數據點，方差為窗口寬度．窗口寬度對于概率密度估計的效果起著至關重要的作用：較小的窗口寬度將導致
深圳大學學報（理工版） 2019年6期2019-11-21
- 基于非參數核密度估計與Copula方法的山東省小麥收入保險定價研究
表明非參數核密度估計更加靈活，且能夠體現出單產損失數據的非對稱性和左偏性特點。文獻[8]分別采用參數法和非參數法厘定了我國糧食單產純費率，發現非參數核密度法厘定的費率結果更為準確，更加符合實際。在確定了單產、價格邊緣分布的基礎上，如何確定其聯合分布至關重要，Copula理論的出現及發展使這一問題得到解決。Tejeda通過Copula方法發現農作物單產與價格之間存在微弱負相關性，并得出在風險“對沖效應”下，收入保險相較于產量保險具有更低費率的結論[3]。隨后
山東科技大學學報(自然科學版) 2019年5期2019-10-19
- NSD樣本最近鄰密度估計的強相合性
x)的最近鄰密度估計為又設F(x)是密度函數f(x)的分布函數,其對應的Fn(x)是樣本X1,X2,···,Xn的經驗分布函數.最近鄰密度估計(nearest neighbor估計,簡記為NN估計)的概念是由Loftsgarden等[1]在1965年提出來的.關于最近鄰密度估計的性質,在獨立樣本情形下已有許多研究結果[1?4].在相依樣本情形下,蘭沖鋒[5?6]研究了END樣本最近鄰密度估計的強相合速度、NQD樣本最近鄰密度估計的一致強相合速度,曾翔[7]
應用數學 2019年4期2019-10-16
- 巖體結構面模擬的統計方法改進研究
計方法中，核密度估計方法[11]在樣本不能較好服從已知分布的情況下，可以模擬得到與樣本較一致的隨機數。鑒于此，本文針對目前結構面模擬中存在的問題，利用現場采集的結構面數據，使用定量方法確定結構面要素的分布類型及數據帶寬，通過核密度估計方法提高結構面模擬精度，并針對傳統蒙特卡洛方法，提出了新的工作思路，以簡化工作流程。1 研究區概況本文采集數據源于我國西南某在建大型水電站壩基右岸巖體(見圖1)。該水電站壩址位于金沙江下游，高原深谷地貌，呈不對稱“V”字形峽谷
水力發電 2019年4期2019-07-25
- 新建住宅與二手住宅價格指數關系的研究分析*
計方法——核密度估計在統計學中，往往需要根據樣本數據去推斷總體的分布，即密度函數。如果采用參數估計的方法，則要先假定總體分布的具體形式，如總體服從正態分布N(μ，δ2)，然后利用樣本數據去估計參數μ和δ2，從而得到總體的密度函數。但若真實總體與假定分布相差甚遠，則根據參數估計法得出的統計推斷可能具有較大偏差。而非參數估計[5]的方法可以在不假設總體分布的情況下進行密度函數的估計，從而降低誤差。選取非參數估計中的核密度估計對新建住宅和二手住宅的銷售價格指數進
重慶工商大學學報（自然科學版） 2019年1期2019-04-17
- 互聯網金融產品收益率的對比分析
利用非參數核密度估計方法，根據天天基金網統計的兩款基金每七日年化收益率數據，對余額寶和云商寶的收益進行了對比分析，為更好地認識并運用互聯網金融產品提供參考。一、非參數估計方法—核密度估計方法當需要研究某類現象的規律時，學者通常的做法是利用從總體中隨機抽取的樣本數據去估計總體的概率密度函數，進而對特定隨機變量進行研究分析。密度函數的估計方法分為兩種：參數估計和非參數估計。參數估計的核心在于預先假定總體服從于某個己知的、只含有少數未知參數的數學分布，然后利用樣
太原城市職業技術學院學報 2018年12期2019-01-21
- 基于核密度估計的互聯網金融產品收益率對比分析*
計方法——核密度估計對股票收益率進行擬合取得了顯著不錯的成果。非參數估計一般不對數據的分布作任何假定，估計的結果更加穩健[8]。在已有傳統金融產品研究的基礎上，本文使用非參數估計方法中的核密度估計對互聯網金融產品——余額寶和財富寶二者收益率進行估計及對比。1 核密度估計在統計學中，往往需要根據樣本數據去推斷總體的分布，即密度函數。如果采用參數估計的方法，則要先假定總體分布的具體形式，如總體服從正態分布N(μ，σ2)，然后利用樣本數據去估計參數(μ，σ2)，
重慶工商大學學報（自然科學版） 2018年4期2018-07-10
- 人數統計與人群密度估計技術研究現狀與趨勢
數統計和人群密度估計領域。自動可靠地獲取監控中的人數或者人群密度，不僅能對一些人群異常情況進行自動預警和報警，而且還能用于人群模擬、人群行為和人群心理學的研究。人數統計和人群密度估計屬于智能監控范疇，目前已有較多的工作對智能監控和人群分析方面進行了總結和闡述。黃凱奇等人[1]從底層、中層、高層對智能監控計數進行了分類，并分析了一些典型算法的優缺點以及總結了待解決的問題和難點；文獻[2-4]闡述了很多人群分析技術，文獻[2]從人群特征提取、人群建模和人群事件
計算機工程與科學 2018年2期2018-03-06
- 基于核密度估計的AM-MCMC算法在徑流模擬中的應用
08)基于核密度估計的AM-MCMC算法在徑流模擬中的應用童坤1，2，劉恒1，耿雷華1，徐澎波1(1.南京水利科學研究院 水文水資源與水利工程科學國家重點實驗室, 南京 210029； 2.中國科學院南京地理與湖泊研究所 中國科學院流域地理學重點實驗室，南京 210008)無資料或資料稀缺地區的徑流概率模擬， 是目前水文研究難點問題之一。 基于此, 利用Kernal核密度估計法估算出流量的月徑流概率密度函數， 采用基于自適應采樣算法(Adaptive Me
長江科學院院報 2018年1期2018-01-10
- 基于網絡約束方法的交通事故空間點格局分析
用的方法是核密度估計方法[15-17]。核密度估計采用鐘形密度函數進行交通事故點分布分析，被拓展到網絡空間，即網絡核密度估計，然而，網絡核密度估計作為描述性分析方法，其估計結果缺少定量的統計檢驗[18-21]。因此，本文以武漢市交通事故展開研究，將核密度估計進行道路網絡空間擴展，提出網絡核密度估計方法探究交通事故的空間分布模式；并使用網絡Moran's I方法對核密度估計結果進行統計顯著性評價，揭示交通事故易發路段，以期為城市公共交通的健康發展提供科學參考
地理信息世界 2017年6期2017-10-17
- 基于圖像特征與競爭型神經網絡的蟹苗密度估計
經網絡的蟹苗密度估計張 帆 徐建瑜(寧波大學信息科學與工程學院 浙江 寧波 315211)蟹苗的密度估計在蟹苗養殖中有著重要的意義。但現有的基于圖像處理的密度估計算法不能對蟹苗圖像進行準確地密度估計，因此提出一種基于圖像特征與競爭型神經網絡的蟹苗密度估計算法。首先引入背景建模與噪聲處理得到前景圖像像素數；然后使用閾值區分高密度圖像和低密度圖像；最后對閾值上下圖像分別采用基于全局特征的密度等級分類算法和基于局部特征的線性回歸算法。其中蟹苗圖像的密度等級由競爭
計算機應用與軟件 2017年8期2017-08-12
- END樣本最近鄰密度估計漸近正態性的收斂速度
D樣本最近鄰密度估計漸近正態性的收斂速度李藝璇(湖北大學數學與統計學學院,湖北 武漢 430062)在END樣本下研究最近鄰密度估計的漸近正態性.在適當的條件下給出最近鄰密度估計漸近正態性的收斂速度,這個速度幾乎達到n-1/2.END序列;最近鄰密度估計;漸近正態性0 引言END的概念是Lin[2]于2009年提出的，是一類比NOD[3]更弱的相依變量,不僅可以取為負相依,還可以取為正相依, 在保險與金融數學、復雜性系統、可靠性理論、生存分析等領域都有著廣
湖北大學學報(自然科學版) 2017年4期2017-07-07
- 基于正交級數的光伏電源輸出功率概率模型
較為廣泛的核密度估計模型，該模型的核心問題在于最優帶寬h的求取。文獻［9］采用窮舉法求得積分均方誤差最小時的h。文獻［10］將積分均方誤差作為目標函數，在求目標函數最小的基礎上加上擬合優度檢驗作為約束條件求得最優帶寬?，F有的研究表明，核密度估計對于光伏輸出功率的估計有一定的正確性，但對模型進行不同的誤差分析將得到不同的h，目前尚未有統一的計算帶寬值的方法，也無法保證計算方法的適用性。本文提出了一種基于正交級數密度估計的光伏輸出功率非參數估計方法，無需假定數
電力自動化設備 2017年3期2017-05-22
- 高斯核密度估計的背景建模運動目標檢測
54)高斯核密度估計的背景建模運動目標檢測燕 莎1，潘 永2(1.西安理工大學，陜西 西安 710082；2.西安熱工研究院有限公司，陜西 西安 710054)針對視頻圖像中光照的漸變和突變等引起的動態背景和圖像前景中運動目標(物體)存在陰影等問題，提出了高斯核密度估計的背景建模運動目標檢測方法。實驗結果表明，該方法采用了非參數密度估計理論，像素特征的概率分布不需要預先假設，同時估計出來的像素特征的概率密度函數更符合真實的背景像素的概率分布，能夠處理多樣性
探測與控制學報 2017年1期2017-03-23
- 基于核密度估計的K-means聚類優化
10)基于核密度估計的K-means聚類優化熊開玲1，彭俊杰1，楊曉飛2，黃 俊2(1.上海大學 計算機工程與科學學院，上海 200444；2.中國科學院 上海高等研究院 公共安全中心，上海 201210)K-means聚類算法作為一種經典的聚類算法，應用領域十分廣泛；但是K-means在處理高維及大數據集的情況下性能較差。核密度估計是一種用來估計未知分布密度函數的非參數估計方法，能夠有效地獲取數據集的分布情況。抽樣是針對大數據集的數據挖掘的常用手段。密度
計算機技術與發展 2017年2期2017-02-22
- 基于指尖角度集核密度估計手勢特征提取
指尖角度集核密度估計手勢特征提取林海波周庭張毅(重慶郵電大學信息無障礙工程研發中心重慶 400065)針對手勢識別實時性和魯棒性不足的問題，提出基于指尖角度集核密度估計的特征提取方法。通過對一般手勢定義指尖角度集并提取指尖角度集核密度估計特征。為解決形狀匹配的相位漂移問題和進一步提高實時性，對該特征集有效區間歸一化和均勻采樣得到指尖角度集核密度估計序列?；诨ハ嚓P系數形狀匹配算法進行手勢識別。實驗分析表明，采用該特征提取方法的任意手勢識別實時性和魯棒性比現
計算機應用與軟件 2016年9期2016-11-09
- 人員疏散預動作時間的隨機性研究
機性。采用核密度估計的方法，以實際火災案例中人群疏散預動作時間為樣本進行分析，用統計學規律表征預動作時間的隨機性。研究表明：人員疏散預動作時間滿足一定的概率分布規律。預動作時間；隨機性；概率密度函數；累積分布函數；核密度估計0 引言近年來，隨著我國經濟水平的快速發展，各種各樣的建筑不斷涌現，如高層建筑、超高層建筑、大型地下建筑等，這些建筑往往具有人員密度大、可燃物較多等特點。一旦發生火災，建筑的安全疏散功能將會面臨巨大考驗，在疏散條件不利的情況下，容易造成
中國人民警察大學學報 2016年4期2016-10-20
- END樣本最近鄰密度估計的相合性
D樣本最近鄰密度估計的相合性李藝璇(湖北大學數學與統計學學院，湖北 武漢 430062)在END樣本下研究最近鄰密度估計的相合性，給出弱相合性、強相合性、一致強相合性以及它們的收斂速度的充分條件， 同時研究失效函數估計的一致強相合性.END樣本;最近鄰密度估計;相合性0 引言1 引理為了證明本文中定理，先給出幾個引理.引理1[4]設{X1，X2，…，Xn}是END變量.(1) 如果f1,f2,…,fn均為非降(或非增)函數，則隨機變量f1(X1),f2(X
湖北大學學報(自然科學版) 2016年5期2016-09-23
- 人群密度估計研究現狀及發展趨勢
彭月平人群密度估計研究現狀及發展趨勢武警工程大學姜源劉曼 武警工程大學西安交通大學彭月平隨著平安城市和社會安全需求的日益增長，人工甄別視頻監控的方式己經不能滿足需要，自動化的人群密度估計算法因此應運而生并迅速成為一個研究熱點。本文對人群密度估計算法的發展和研究現狀進行了綜述。從圖像預處理、人群密度估計算法、現存問題和發展難點等角度進行了總結；并對人群密度估計算法在當前大數據時代中存在的挑戰及發展趨勢展開思考。人群密度；密度估計；大數據1 引言近年來，隨著
電子世界 2016年12期2016-09-16
- 基于屬性加權核密度估計的樸素貝葉斯分類算法
于屬性加權核密度估計的樸素貝葉斯分類算法謝小軍1，陳光喜1，丁伯倫2(1.桂林電子科技大學 數學與計算科學學院，廣西 桂林541004；2.安徽工程大學機電學院，安徽 蕪湖241000)為了削弱樸素貝葉斯分類算法的屬性條件獨立性假設，提出了一種屬性加權核密度估計的樸素貝葉斯分類算法。該算法結合條件屬性與決策屬性的相關系數以及互信息得到新的屬性加權值，并將該加權值嵌入核密度估計的樸素貝葉斯分類算法。實驗結果表明，該算法提高了分類準確率。屬性加權；核密度估計；
桂林電子科技大學學報 2016年3期2016-09-08
- 風電場中基于核密度估計法的儲能系統容量配置
電場中基于核密度估計法的儲能系統容量配置宋志惠，許 玥中國葛洲壩集團國際工程有限公司前言儲能系統具有動態吸收能量并適時釋放的特點，能有效彌補風電的間歇性、波動性缺點，改善風電場輸出功率的可控性，提升穩定水平。在并網風電場中配置適量的儲能系統，對風電場的輸出功率進行調節，可提高風電場出力的可控性，使得風電場成為靈活可控的電源。1 儲能系統實時調節風電場輸出功率以跟蹤功率預測值根據風電場的實際輸出功率和電網給風電場下達的發電指令目標（功率預測值），儲能系統通過
科學中國人 2015年11期2015-12-28
- 加權核密度估計及其在滬深300股指收益率上的應用
18)加權核密度估計及其在滬深300股指收益率上的應用宋文選(浙江工商大學統計與數學學院，浙江杭州 310018)由于金融數據的特殊性，對于其時變概率密度的估計和相應的累計分布函數的估計，可以通過非參數運用加權的核密度估計來捕捉每個時刻金融收益率的密度變化情況，這種方法中的重要參數，如帶寬，可以通過最大似然函數和交叉檢驗進行估計.診斷檢驗可以通過向前一步預測的累計分布函數進行驗證.對于這種追蹤時變密度變化的方法，適用那些密度變化相對緩慢的數據上，并且該方法
泰山學院學報 2015年3期2015-07-28
- 物種敏感度分布的非參數核密度估計模型
布的非參數核密度估計模型王穎1,2，馮承蓮2，黃文賢3，劉躍丹4，馬燕2,5，張瑞卿6，吳豐昌2,*1. 北京師范大學水科學研究院，北京 100875 2. 中國環境科學研究院 環境基準與風險評估國家重點實驗室，北京100012 3. 北京師范大學數學科學學院，北京 100875 4. 環境保護部華南環境科學研究所 廣東省水與大氣污染防治重點實驗室，廣州510065 5. 青島理工大學環境與市政工程學院 生物環保與綠色化工研究中心，青島266033 6.
生態毒理學報 2015年1期2015-06-27
- 耙吸挖泥船耙頭密度估計器研究與分析
吸挖泥船耙頭密度估計器研究與分析王柳艷1，田雨2，俞孟蕻1（1.江蘇科技大學電子信息學院，江蘇 鎮江 212003；2.長沙理工大學，湖南 長沙 410114）針對新型耙頭的挖掘模式，利用黑箱模擬法與在線滾動優化預測理論，設計了一種耙頭吸入密度估計器，采用現場實測數據進行了仿真實驗。結果表明，該密度估計器可以較為準確地預測耙頭底部的吸入密度，在疏浚作業中實時提供連續的混合物吸入密度信息，及時指導操作人員針對不同工況調整疏浚參數，滿足高效疏浚的需求。耙吸挖泥
中國港灣建設 2014年11期2014-04-07
- 基于改進CAMShift的運動目標跟蹤算法
出將非線性核密度估計、Kalman濾波和CAMShift相結合的抗遮擋的目標跟蹤解決方案。2 核密度估計和CAMShift跟蹤算法2.1 核密度估計核密度估計是一種概率密度估計方法[9]。既不需要事先假定特征密度分布的形式，也不需要設置模型參數及參數優化。只要樣本充足，核密度估計就能漸進收斂于任何一個概率密度函數[10]。核密度估計的目的是在已知一定數量的樣本點的情況下，盡量地逼近一個未知概率密度分布函數[11]。在核密度估計中發揮作用的單元是眾多具有相同
計算機工程與應用 2014年11期2014-04-03
- END樣本最近鄰密度估計的一致強相合速度
本下的最近鄰密度估計問題，目前尚未見文獻報道.基于此，本文考慮END樣本最近鄰密度估計的一致強相合速度問題，在更弱的條件下，得到了與NA序列相同的結論，從而推廣了文獻［7］的結果.本文用“?”表示“O”.1 引 理2 主要結果注1 1）定理1在更弱的條件下，得到了與NA樣本情形下相同的結論；2）由推論1可知，fn（x）的一致強相合收斂速度幾乎為n－1／6，該結論與NA樣本情形下是相同的，但與獨立情形的n－1／4不同.［1］Loftsgaarden D O，
吉林大學學報（理學版） 2014年3期2014-03-06
- 刪失樣本α混合序列遞歸核密度估計的一致強相合性及速度
)式定義的核密度估計的窗寬是固定的,要使對f的擬合效果更好,涉及最優窗寬的選擇問題;同時當樣本容量n增加時,需要重新計算估計量,這樣需要的計算量會很大.然而我們知道遞歸核密度估計量中窗寬不是固定的,因此對(1)式進行改進,給出K-M估計下的f的遞歸核密度估計量fn:(2)(3)這樣可以利用計算機編程進行遞歸,當樣本容量n增加時,不用重新計算估計量.本文中在刪失數據α混合序列條件下進行討論,下面給出α混合的定義:α(m)(A∩B)-P(A)P(B)|},如果
湖北大學學報(自然科學版) 2013年4期2013-11-20
- 概率密度估計中的核非方法及應用研究
歸估計和概率密度估計。在解決學習問題的傳統理論中，模式識別和回歸估計都是建立在概率密度估計的基礎上的。概率密度估計通常采用參數估計和非參數估計的方法[1]。參數方法是根據經驗，假定總體的分布為某種特定的形式，如高斯分布、瑞利分布等，而未知總體分布的某些具體參數值，然后再用樣本計算出這些未知的參數值。但在實際應用中，樣本數據總是有限的，有時并不能確定總體的具體分布。當對總體的分布形式無法做出大致正確的判斷時，需要采用一種非參數方法更為合理，直接從樣本入手進行
山東工業技術 2013年10期2013-08-16
- 核實數據下的遞歸核密度估計
)的遞歸型核密度估計:由于遞歸型核密度估計在添加樣本點時, 不必重新計算所有項, 只需計算添加項, 因此使計算更方便. 基于此, 本文考慮借助于核實數據, 構造一遞歸型概率密度估計量, 并研究其漸近正態性.1 主要結果于是在一些正則條件下,f(x)可被如下遞歸核估計量一致估計:定義AppendixA條件:(A·f):f(x)是k階有界可導的;(A·K):K(·)在有界支撐集上是k階非負有界的核函數;定理1在AppendixA條件下, 有證明:(3)這里C為
吉林大學學報（理學版） 2012年5期2012-12-04
- ND樣本最近鄰密度估計的一致強相合性
D樣本最近鄰密度估計的一致強相合性劉艷，吳群英（桂林理工大學理學院，廣西桂林541004）設X1，X2，…，Xn是同分布的負相依（ND）樣本，具有共同的密度函數f（x），利用相應的Bernstein不等式，將負相關（NA）樣本最近鄰密度估計的一致強相合性推廣到ND樣本，得到其最近鄰密度估計的一致強相合性.負相依序列；最近鄰密度估計；一致強相合性；Bernstein不等式概率密度估計和非參數非線性回歸是非參數估計中兩大問題.最近鄰密度估計（NN－估計）是由L
華僑大學學報（自然科學版） 2012年5期2012-09-07
- 多維密度核估計的漸進正態性及穩健漸進正態性研究
態性是非參數密度估計的一個非常重要的研究方向，其中非參數概率密度核估計作為非參數密度估計的重要方法，受到越來越多的學者的重視。Hardel、Miiller、Silverman、Scott等都曾致力于多維密度核估計的研究，Schuster、Singh、Susan,Walter、陳桂景、趙林成、楊振海等人得到了較好的相合速度的結果。其中Loftsgarden和Qnesenberry提出了最近鄰估計，Devroye和Wagner討論了一種窗寬依賴于樣本的核估計。
統計與決策 2011年19期2011-09-05
- 基于核密度估計算法的飛機載荷譜統計技術
89)基于核密度估計算法的飛機載荷譜統計技術湯阿妮(中國飛行試驗研究院，西安 710089)受到實際條件限制，現階段的飛機載荷譜實測均采取小子樣實測方法，小子樣實測數據是取自真實母體的一個簡單樣本，很難保證數據的充分性、完整性.傳統的均值統計法無法對數據缺陷進行彌補.為了克服小子樣數據不足問題，將核密度估計技術用于載荷譜統計，取得了良好效果.介紹了核密度估計的相關理論基礎，并以某型機下沉速度譜的統計為例，詳細介紹了將核密度估計方法用于載荷譜統計的數學過程.
北京航空航天大學學報 2011年6期2011-03-15