密度估计
- 基于核密度估计的谐波分布特征表述方法
波电流采用核密度估计法计算谐波电流的概率密度函数，与直接对样本谐波电流进行频率直方分析相比，核密度估计的应用，可以更好地展现谐波电流在区间的概率密度分布特征，提高了谐波电流概率区间分布刻画的准确度，为后续的谐波治理提供了更为精准的参考依据，有利于提高电力系统的电能质量。1 核密度估计核密度估计（kernel density estimation, KDE）是在概率论中用来估计未知的密度函数，属于非参数检验方法之一，由Rosenblatt(1955)和Ema
云南电力技术 2023年6期2024-01-12
- 双任务交互下的四段监督人群计数网络
,人群计数和密度估计作为最基本的人群分析方法在近几年也得到了广泛研究.传统的人群计数方法包含基于检测的方法[1]和基于回归的方法[2],分别通过检测后计数和直接特征回归来估计图中总人数,其在人群分布相对稀疏和均匀的场景下表现尚可,却严重囿于密集场景下的人群遮挡问题和由相机视角造成的多尺度问题.此外,这些方法均仅使用计数标签预测总人数,并不关注人群的具体分布状态,这为各个场景下的人群状态理解带来了局限性.Pham等人[3]将图片分块,然后通过随机森林方法学习
小型微型计算机系统 2023年10期2023-10-18
- 基于核密度估计的构架应力谱外推与疲劳寿命分析
非参数法（核密度估计法）。由于均值频次和幅值频次一般具有明显的分布特点，早期的参数法通常采用威布尔分布拟合幅值频次，正态分布拟合均值频次[4]。然而，假设样本分布特征受主观影响较大，对于分布复杂且随机的样本会产生较大的拟合误差[5]。为避免对样本分布的假设，Dressler K等[6]首先将核密度估计运用到载荷谱的外推中，提出了基于雨流矩阵的核密度估计外推方法；宋清椿等[7]将该理论运用到农业机械构架应力谱编制中，得到了反映构架真实服役情况的载荷谱；牛文铁
起重运输机械 2023年1期2023-03-15
- 随机相关性影响的多部件系统剩余寿命预测
局部最优。核密度估计方法不附加任何假设，是一种非参数估计方法，它从数据本身出发来研究样本的分布特征。同时与深度学习等方法相比，核密度估计方法能够清楚地表征系统退化特征的变化。因此，在预测与健康管理领域具有较高的关注度[8]。Hu等[9]提出非参数核密度估计方法来估计风速的概率密度函数，验证了该方法的准确性和灵活性。Wang等[10]将核密度估计方法引入鲁棒随机配置网络，以减少噪声数据或离群点对最终学习模型的影响。Zhang等[11]提出基于核密度估计的非线
振动与冲击 2022年21期2022-11-21
- 自适应带宽核密度估计在旋转机械劣质监测数据识别中的应用
极值分布及核密度估计在气体压缩机监测过程中异常数据的识别能力，发现核密度估计在数据流异常时识别准确率最高。值得注意的是，核密度估计的精度主要取决于带宽的选择，不同的带宽获得的分布特点不同，其阈值也不同。为了自适应选择带宽，李国庆等[14]采用渐进积分误差法为扩散核函数选取自适应最优带宽,提高了光伏出力模型的局部适应性。CHEN等[15]提出了自适应加权局部在线密度估计，实现核密度带宽的自适应选择。牛文铁等[16]采用四叉树算法实现了自适应带宽核密度估计。上
中国机械工程 2022年20期2022-10-31
- m-NOD样本最近邻密度估计的相合性
定义为最近邻密度估计是一种较常用的非参数概率密度估计方法，目前已取得许多研究成果。在相依样本方面，Boente和Fraiman［2］研究了基于φ-混合和α-混合样本的最近邻密度估计的强相合性；Chai［3］得到了基于φ-混合平稳过程的最近邻密度估计的强相合性、弱相合性、一致强相合性及其收敛速度；Liu和Zhang［4］建立了φ-混合样本的最近邻密度估计的相合性和渐近正态性；Yang［5］研究了负相关（NA）样本的最近邻密度估计的弱相合性、强相合性、一致强相
廊坊师范学院学报(自然科学版) 2022年3期2022-10-11
- 一种轴承核密度估计的剩余寿命预测研究
出一种轴承核密度估计的非参数剩余寿命预测模型，该方法不对数据分布附加任何假设，而是从数据本身研究数据分布的特点，避免了大多数数据驱动方法需要模型假设和参数估计的问题。该模型在核估计窗宽的选取上引入局部窗宽因子构建自适应窗宽模型。模型通过计算样本点的密度来自适应选择样本点窗宽，提高了核密度估计窗宽选择的可靠性，从而提高了预测精度。最后通过轴承磨损试验验证了所提模型的适应性和准确性。1 核密度估计模型的构建核密度估计方法不利用数据分布的先验知识，不对数据分布进
机电工程技术 2022年7期2022-08-26
- 基于B样条的概率密度函数非参数估计
的样本，概率密度估计就是从观测数据中构造密度函数的估计.概率密度函数估计方法主要有三类：参数化方法、非参数化方法和半参数估计方法.参数概率密度函数估计，总是假设概率密度函数的参数形式已知[5]，但在实际问题中参数形式的假设可能会产生误导的结论或结果.而本文要讨论的非参数密度估计可以避免概率建模和推理中的参数假设，从而为上述问题提供了新的解决思路[6].非参数密度估计方法不需要对点样本分布的参数形式做事先的假设，而仅仅从采样数据本身对概率密度函数做出估计.半
大学数学 2022年3期2022-06-24
- 一种基于杂波稀疏度改进的杂波密度估计方法
确估计。杂波密度估计方法可分为单帧杂波密度估计方法和多帧杂波密度估计方法。多帧杂波密度估计方法[13-14]利用多帧历史测量信息估计当前帧测量的杂波密度，能有效降低目标测量对杂波密度估计的影响。单帧杂波密度估计方法可以分为基于航迹和基于测量集2类。基于航迹的传统杂波密度估计方法[15]提出利用门限内测量的平均杂波个数与门限超球体体积的比值计算杂波密度但容易导致估计结果不稳定。基于空间稀疏度的杂波密度估计(Spatial Clutter Measuremen
无线电工程 2022年3期2022-03-29
- 多维性能极限状态下概率地震需求分析的多元相关核密度估计法
提出了基于核密度估计的分析方法。该方法不需要人为假定EDP 分布类型，并且得到的易损性曲线与蒙特卡洛（MC）法更为接近。但文中仅针对单一EDP 建立了易损性曲线，没有考虑多种EDP 联合作用下结构的破坏形式；并且文中仅涉及了地震易损性，并未考虑场地危险性，因此研究内容并不完善。本文考虑结构的多维性能极限状态，提出基于多元核密度估计的概率地震需求分析法。这种方法不对EDP 的分布类型进行人为假定，并在传统核密度估计中引入对随机变量相关性的描述，使结果更具一般
振动工程学报 2022年6期2022-02-15
- 基于核密度估计的拖拉机传动轴载荷外推方法
数法是基于核密度估计(Kernel density estimation，KDE)的思想对雨流矩阵进行外推，可以直接得出任意载荷的密度值，克服分布函数拟合的缺陷，为多峰复杂载荷的精确拟合提供了解决办法。李莺莺等[7]采用非参数估计方法对挖掘机液压泵载荷进行外推，得到全生命周期内每个载荷循环可能出现的频次，而且可以保证每个迟滞回环的结构不被破坏。张晓晨等[8]选择基于载荷扩展的非参数外推方法分别对液压挖掘机的4个作业段进行外推，获得全寿命下的长期载荷谱。李研
中国农业大学学报 2021年10期2021-11-05
- 基于改进非参数核密度估计的光伏出力概率分布建模方法
析精度低。核密度估计模型是一种数据驱动的统计模型，是基于历史数据的统计学方法，从而掌握特定地区或特定光伏出力的随机分布特征[5-6]。文献[7]创建了一种基于正交级数密度估计的光伏出力概率建模方法，能够准确模拟在不同地区不同时段下光伏出力的分布规律，并且在应用中表现出高适用性、计算简便等性能优势。文献[8]基于解集与条件核密度估计理论构建了光伏出力的时序概率模型，能够计及太阳辐射度的小时辐射和日总辐射之间的加和特性，适用于多种现实场景。文献[9]提出将数据
燕山大学学报 2021年5期2021-10-11
- 基于改进核密度估计的电动出租车快速充电行为研究
随机森林和核密度估计组成的集成模型对充电持续时间、充电能量消耗的预测；基于监督学习方法进行电动汽车充电行为的聚类分析，如Shen等[4]使用K均值聚类算法将充电行为分为3类；基于深度学习模型进行充电负荷预测研究，如Zhu等[5]使用RNN模型预测公用充电站的逐时充电负荷。目前充电行为特征变量的概率建模主要基于传统参数估计模型，然而该方法需要提前假设服从某种分布，然后依据历史样本数据估计该分布的参数，如果假设的概率分布与实际情况不符合，就会导致计算偏差较大。
交通运输系统工程与信息 2021年4期2021-08-28
- 基于贝叶斯序列分割的高维时间序列在线分类算法
法[7]使用密度估计算法评估时间序列之间的相似性，实现快速的在线分类处理。密度估计的准确性是此类时间序列分类算法的关键部分，核密度估计(Kernel Density Estimation,KDE)[8]是最为常用的一种方法，但该方法无法应用于高维数据，而其他的非参数化密度估计方法[9]对高维数据的时间效率较低，难以满足在线密度估计的要求。动态时间规整解决了时间序列的不对准问题，对低维度数据流的效果较好，但是高维时间序列包含丰富的时空信息，动态时间规整则忽略
计算机应用与软件 2021年8期2021-08-12
- 人群密度估计现状与发展趋势探讨
1.3 基于密度估计的方法基于密度估计的方法不仅可以一定程度上消除遮挡与背景杂波的影响，而且也能解决回归模型无法得到人群空间信息的问题。Lemptisky等人[3]通过学习局部特征与密度图之间的线性映射将空间信息引入到密度估计模型中。Pham等人利用随机森林建立了图像与密度图之间的非线性映射，取得了不错的结果。2 基于CNN的方法传统方法特别是基于密度估计的方法使人群密度估计任务的效果得到了提升，但是其使用的特征往往受制于人工提取烦琐复杂的缺点，无法适应尺
科学与信息化 2021年17期2021-06-28
- 基于核密度波动的异常检测算法
卒中数据。核密度估计是一种常用非参数统计模型，是从数据本身出发，对数据特征和分布进行描述。Xu等人[10]运用核密度估计方法获得对交通流量数据最优估计的概率密度函数，然后建立信念函数来检测数据中的异常值。Latecki[11]为克服数据点间的欧式距离过小导致的密度估计值较大的情况，运用局部密度估计代替欧氏距离计算密度估计值。这些方法的研究与应用足以证明核密度估计方法在异常检测领域的优越性。在基于核密度估计的异常检测算法中，常常认为异常点具有相对较低的核密度
计算机工程与应用 2021年12期2021-06-23
- 基于非参数核密度估计法的车辆大数据服役载荷外推方法
于参数法概率密度估计，研究了某大型营运客车在用户道路载荷条件下轴头和质心三向加速度幅值、前悬稳定杆扭转和平衡梁弯曲应变幅值的概率密度分布。赵礼辉等[8]基于参数法概率密度估计，建立了用户使用条件下轻型商用车年行驶里程、行驶车速和载重等的概率密度分布模型。在用户实际使用过程中，车辆承受的载荷环境复杂多变，通常难以用固定形式的概率密度分布函数对载荷的分布进行拟合，导致参数法概率密度估计应用的局限性。非参数法概率密度估计不需要假设变量的分布函数形式，概率密度估计
中国机械工程 2021年11期2021-06-23
- 浅析人群密度检测算法及其在机场的应用
0）1 人群密度估计算法人群密度估计算法的发展历程可归结为3个阶段：一是基于检测的方法。早期研究大部分集中在基于检测的方法，使用类似移动窗口的检测器来检测并统计人数。这些方法要求训练有素的分类器，从整个人体中提取低级特征，例如Haar 小波和HOG（方向梯度直方图）。然而，由于大多数目标对象被遮盖，它们在高度拥挤的场景上表现不佳。二是基于回归的方法。因基于检测的方法无法适用于高度拥挤的场景，学者们尝试研究基于回归的方法来学习提取自裁剪图像中特征之间的相互关
数字通信世界 2021年5期2021-06-04
- 基于MATLAB 的核密度估计研究
统计研究中，密度估计一直是一个极其重要的热门研究问题。 其研究成果被广泛应用到经济学、社会学以及生物统计等领域[1-4]。 特别是当前大数据时代，如何对数据进行高效地分析处理以便找出数据之间的特征规律就显得尤其重要。密度估计作为数据分析的一种有效工具，能够高效地找到数据所蕴含的分布规律，这为后续数据分析处理提供了重要的参考依据。密度估计研究的本质问题是如何高效地利用观测数据找到数据的分布规律。常规密度估计方法分为参数估计和非参数估计两类。参数估计方法需要事
科技视界 2021年4期2021-04-13
- 一种基于改进Unet的虾苗密度估计方法
net的虾苗密度估计算法。鉴于现有虾苗数据集不足，收集并标记了一个针对虾苗计数的数据集（Dlou_Shrimp）。在该数据集上对所提出的算法进行了测试，实验结果表明该算法可以解决虾苗计数中的遮挡与粘连问题，可为其他领域的密度估计提供全新的思路。关键词：虾苗计数;密度估计;神经网络;深度学习中图分类号：TP273+.4 文献标识码：A 文章编号：2096-4706（2021）17-0012-06Abstract： Smart ocean is the b
现代信息科技 2021年17期2021-04-05
- 基于自适应带宽核密度估计的载荷外推方法研究
深入，基于核密度估计法的非参数估计方法被应用于载荷外推中，该方法既可很好地保留载荷数据本身的分布规律，又能实现对任意载荷分布的拟合。李凡松等[12]采用基于自适应带宽的核密度估计方法进行载荷外推，每一个数据点都有其自身对应的带宽，该方法相较于固定带宽的核密度估计方法具有更好的拟合效果。本文针对核密度估计载荷非参数外推方法中带宽的选择问题，结合改进的四叉树分割算法，对核密度估计的带宽计算进行优化，提出一种改进的自适应带宽核密度估计的载荷外推方法。以玉米收获机
农业机械学报 2021年1期2021-02-01
- 非线性自回归模型误差密度估计的Berry-Esseen界
机变量序列核密度估计的Berry-Esseen 界可达O((nhn)-1/2)； 文献[10-11]研究了不同情形下的Berry-Esseen界问题. 本文基于文献[9], 给出非线性自回归模型误差密度估计的Berry-Esseen界.下面给出模型(1)的误差核密度函数. 假设核函数K(·)是上给定的Borel可测函数, 窗宽hn>0是与n有关的常数, 满足模型(1)的误差密度估计为(2)下面给出几个基本假设.(3)(H3) 假设K是上的有界变差函数,K″
吉林大学学报（理学版） 2021年1期2021-01-18
- 鱼类目标的密度估计模型
度学习在人群密度估计方面取得了优越的发展并应用于公共安全事业中。人群密度估计事先获得人群图像的密度图，密度图表示了场景中人群分布情况，对密度图积分或求和就能获得场景中的人群总数。目前人群密度估计在ShanghaiTech[23]、UCSD[24]、UCF_CC_50[25]等开源数据集上都获得了较高的 估计精度。虽然人群密度估计取得了较大成功，但是基于深度学习的密度图估计方法目前并没有在水产养殖业中尝试过。基于此，本文提出一个用于鱼类目标密度估计的网络结构
哈尔滨工程大学学报 2020年10期2020-12-15
- 基于核微分同胚变换的实时剩余寿命预测
模型。基于核密度估计(Kernel Density Estimation, KDE)的实时剩余寿命预测方法，从数据本身出发研究其分布特征，不对数据分布形式做任何假设,可避免现有许多数据驱动方法寿命预测时需要模型结构假设及参数估计的问题。但预测模型中的核密度估计，大多利用的是传统核密度估计[12-16]，定义域是整个实数域。在许多实际情况下，研究变量往往并不是在整个实数域都有定义，而是存在一个边界或两个边界的有界区间。传统核密度估计在用于有界区间变量的概率密
计算机集成制造系统 2020年10期2020-11-16
- 基于一类二元多小波函数的密度估计
个基本问题。密度估计分为参数估计和非参数估计，对于后者，直方图估计、核估计以及k-近邻估计等都是研究的重点[1-2]。随着小波理论的完善，加上其具有诸如正交性、紧支性、多分辨分析(MRA)等优良特性，使得小波分析的应用成为近年来非参数统计与计量研究的热点。1988年，Doukhan[3]首先提出了小波密度估计的概念。随后，许多学者对此进行研究，并给出了收敛阶的证明[4-5]。但由于单小波不能同时满足正交性、对称性及紧支性，在实际应用中造成了很大困扰，基于此
北京化工大学学报（自然科学版） 2020年4期2020-10-11
- 基于核密度估计的实时剩余寿命预测
样本模型。核密度估计方法是一种数据驱动的方法，但该方法对数据分布的形式不作任何假定，是从数据本身出发研究数据分布特征的非参数估计方法[15-16]。核密度估计方法常用于分类中，Zhang等[17]提出一种对旋转机械的故障类型进行区分的方法，对表征类型故障的特征，通过加入测试样本前后概率密度相对熵之间的比较，来判断属于哪种类型的故障，其中利用核密度估计的方法求概率密度;李存华等[18]提出一种基于核密度估计的数据聚类分析方法，对基于网格数据重心分箱后的数据点
计算机集成制造系统 2020年7期2020-08-21
- 基于深度特征的人群密度估计方法
。其中，人群密度估计是人群分析中十分重要的一部分。人群密度估计是指对图像或视频帧中的一定区域内所包含的人数进行估计，通过人群密度情况来反映该区域内的人群聚集情况。人群密度估计问题一般使用人群密度等级分类的方式予以解决，其大致步骤为：首先，通过对人群图像中一定区域进行人群特征提取；然后，利用提取的特征训练分类器；最后，使用训练得到的分类器对给定图像的人群密度等级进行划分。1 相关工作在人群密度估计领域，已经有许多人进行了相关的研究，并提出了一些解决方法。这些
浙江工业大学学报 2020年3期2020-06-01
- 一种改进的可适应变宽核密度估计器
8060概率密度估计[1-2]是统计模式识别领域的一个重要研究方向，如何基于已有的数据集获得其未知的概率分布对于众多有监督机器学习算法的训练有至关重要的作用，例如贝叶斯分类器[3]、概率神经网络[4]和改型决策树[5]等．帕尔森窗口法[6]是一种经典的概率密度估计方法，又称核密度估计法．它是利用多个正态分布的叠加平均去拟合未知的概率分布，其中正态分布的均值为已知的数据点，方差为窗口宽度．窗口宽度对于概率密度估计的效果起着至关重要的作用：较小的窗口宽度将导致
深圳大学学报（理工版） 2019年6期2019-11-21
- 基于非参数核密度估计与Copula方法的山东省小麦收入保险定价研究
表明非参数核密度估计更加灵活，且能够体现出单产损失数据的非对称性和左偏性特点。文献[8]分别采用参数法和非参数法厘定了我国粮食单产纯费率，发现非参数核密度法厘定的费率结果更为准确，更加符合实际。在确定了单产、价格边缘分布的基础上，如何确定其联合分布至关重要，Copula理论的出现及发展使这一问题得到解决。Tejeda通过Copula方法发现农作物单产与价格之间存在微弱负相关性，并得出在风险“对冲效应”下，收入保险相较于产量保险具有更低费率的结论[3]。随后
山东科技大学学报(自然科学版) 2019年5期2019-10-19
- NSD样本最近邻密度估计的强相合性
x)的最近邻密度估计为又设F(x)是密度函数f(x)的分布函数,其对应的Fn(x)是样本X1,X2,···,Xn的经验分布函数.最近邻密度估计(nearest neighbor估计,简记为NN估计)的概念是由Loftsgarden等[1]在1965年提出来的.关于最近邻密度估计的性质,在独立样本情形下已有许多研究结果[1−4].在相依样本情形下,兰冲锋[5−6]研究了END样本最近邻密度估计的强相合速度、NQD样本最近邻密度估计的一致强相合速度,曾翔[7]
应用数学 2019年4期2019-10-16
- 岩体结构面模拟的统计方法改进研究
计方法中，核密度估计方法[11]在样本不能较好服从已知分布的情况下，可以模拟得到与样本较一致的随机数。鉴于此，本文针对目前结构面模拟中存在的问题，利用现场采集的结构面数据，使用定量方法确定结构面要素的分布类型及数据带宽，通过核密度估计方法提高结构面模拟精度，并针对传统蒙特卡洛方法，提出了新的工作思路，以简化工作流程。1 研究区概况本文采集数据源于我国西南某在建大型水电站坝基右岸岩体(见图1)。该水电站坝址位于金沙江下游，高原深谷地貌，呈不对称“V”字形峡谷
水力发电 2019年4期2019-07-25
- 新建住宅与二手住宅价格指数关系的研究分析*
计方法——核密度估计在统计学中，往往需要根据样本数据去推断总体的分布，即密度函数。如果采用参数估计的方法，则要先假定总体分布的具体形式，如总体服从正态分布N(μ，δ2)，然后利用样本数据去估计参数μ和δ2，从而得到总体的密度函数。但若真实总体与假定分布相差甚远，则根据参数估计法得出的统计推断可能具有较大偏差。而非参数估计[5]的方法可以在不假设总体分布的情况下进行密度函数的估计，从而降低误差。选取非参数估计中的核密度估计对新建住宅和二手住宅的销售价格指数进
重庆工商大学学报（自然科学版） 2019年1期2019-04-17
- 互联网金融产品收益率的对比分析
利用非参数核密度估计方法，根据天天基金网统计的两款基金每七日年化收益率数据，对余额宝和云商宝的收益进行了对比分析，为更好地认识并运用互联网金融产品提供参考。一、非参数估计方法—核密度估计方法当需要研究某类现象的规律时，学者通常的做法是利用从总体中随机抽取的样本数据去估计总体的概率密度函数，进而对特定随机变量进行研究分析。密度函数的估计方法分为两种：参数估计和非参数估计。参数估计的核心在于预先假定总体服从于某个己知的、只含有少数未知参数的数学分布，然后利用样
太原城市职业技术学院学报 2018年12期2019-01-21
- 基于核密度估计的互联网金融产品收益率对比分析*
计方法——核密度估计对股票收益率进行拟合取得了显著不错的成果。非参数估计一般不对数据的分布作任何假定，估计的结果更加稳健[8]。在已有传统金融产品研究的基础上，本文使用非参数估计方法中的核密度估计对互联网金融产品——余额宝和财富宝二者收益率进行估计及对比。1 核密度估计在统计学中，往往需要根据样本数据去推断总体的分布，即密度函数。如果采用参数估计的方法，则要先假定总体分布的具体形式，如总体服从正态分布N(μ，σ2)，然后利用样本数据去估计参数(μ，σ2)，
重庆工商大学学报（自然科学版） 2018年4期2018-07-10
- 人数统计与人群密度估计技术研究现状与趋势
数统计和人群密度估计领域。自动可靠地获取监控中的人数或者人群密度，不仅能对一些人群异常情况进行自动预警和报警，而且还能用于人群模拟、人群行为和人群心理学的研究。人数统计和人群密度估计属于智能监控范畴，目前已有较多的工作对智能监控和人群分析方面进行了总结和阐述。黄凯奇等人[1]从底层、中层、高层对智能监控计数进行了分类，并分析了一些典型算法的优缺点以及总结了待解决的问题和难点；文献[2-4]阐述了很多人群分析技术，文献[2]从人群特征提取、人群建模和人群事件
计算机工程与科学 2018年2期2018-03-06
- 基于核密度估计的AM-MCMC算法在径流模拟中的应用
08)基于核密度估计的AM-MCMC算法在径流模拟中的应用童坤1，2，刘恒1，耿雷华1，徐澎波1(1.南京水利科学研究院 水文水资源与水利工程科学国家重点实验室, 南京 210029； 2.中国科学院南京地理与湖泊研究所 中国科学院流域地理学重点实验室，南京 210008)无资料或资料稀缺地区的径流概率模拟， 是目前水文研究难点问题之一。 基于此, 利用Kernal核密度估计法估算出流量的月径流概率密度函数， 采用基于自适应采样算法(Adaptive Me
长江科学院院报 2018年1期2018-01-10
- 基于网络约束方法的交通事故空间点格局分析
用的方法是核密度估计方法[15-17]。核密度估计采用钟形密度函数进行交通事故点分布分析，被拓展到网络空间，即网络核密度估计，然而，网络核密度估计作为描述性分析方法，其估计结果缺少定量的统计检验[18-21]。因此，本文以武汉市交通事故展开研究，将核密度估计进行道路网络空间扩展，提出网络核密度估计方法探究交通事故的空间分布模式；并使用网络Moran's I方法对核密度估计结果进行统计显著性评价，揭示交通事故易发路段，以期为城市公共交通的健康发展提供科学参考
地理信息世界 2017年6期2017-10-17
- 基于图像特征与竞争型神经网络的蟹苗密度估计
经网络的蟹苗密度估计张 帆 徐建瑜(宁波大学信息科学与工程学院 浙江 宁波 315211)蟹苗的密度估计在蟹苗养殖中有着重要的意义。但现有的基于图像处理的密度估计算法不能对蟹苗图像进行准确地密度估计，因此提出一种基于图像特征与竞争型神经网络的蟹苗密度估计算法。首先引入背景建模与噪声处理得到前景图像像素数；然后使用阈值区分高密度图像和低密度图像；最后对阈值上下图像分别采用基于全局特征的密度等级分类算法和基于局部特征的线性回归算法。其中蟹苗图像的密度等级由竞争
计算机应用与软件 2017年8期2017-08-12
- END样本最近邻密度估计渐近正态性的收敛速度
D样本最近邻密度估计渐近正态性的收敛速度李艺璇(湖北大学数学与统计学学院,湖北 武汉 430062)在END样本下研究最近邻密度估计的渐近正态性.在适当的条件下给出最近邻密度估计渐近正态性的收敛速度,这个速度几乎达到n-1/2.END序列;最近邻密度估计;渐近正态性0 引言END的概念是Lin[2]于2009年提出的，是一类比NOD[3]更弱的相依变量,不仅可以取为负相依,还可以取为正相依, 在保险与金融数学、复杂性系统、可靠性理论、生存分析等领域都有着广
湖北大学学报(自然科学版) 2017年4期2017-07-07
- 基于正交级数的光伏电源输出功率概率模型
较为广泛的核密度估计模型，该模型的核心问题在于最优带宽h的求取。文献［9］采用穷举法求得积分均方误差最小时的h。文献［10］将积分均方误差作为目标函数，在求目标函数最小的基础上加上拟合优度检验作为约束条件求得最优带宽。现有的研究表明，核密度估计对于光伏输出功率的估计有一定的正确性，但对模型进行不同的误差分析将得到不同的h，目前尚未有统一的计算带宽值的方法，也无法保证计算方法的适用性。本文提出了一种基于正交级数密度估计的光伏输出功率非参数估计方法，无需假定数
电力自动化设备 2017年3期2017-05-22
- 高斯核密度估计的背景建模运动目标检测
54)高斯核密度估计的背景建模运动目标检测燕 莎1，潘 永2(1.西安理工大学，陕西 西安 710082；2.西安热工研究院有限公司，陕西 西安 710054)针对视频图像中光照的渐变和突变等引起的动态背景和图像前景中运动目标(物体)存在阴影等问题，提出了高斯核密度估计的背景建模运动目标检测方法。实验结果表明，该方法采用了非参数密度估计理论，像素特征的概率分布不需要预先假设，同时估计出来的像素特征的概率密度函数更符合真实的背景像素的概率分布，能够处理多样性
探测与控制学报 2017年1期2017-03-23
- 基于核密度估计的K-means聚类优化
10)基于核密度估计的K-means聚类优化熊开玲1，彭俊杰1，杨晓飞2，黄 俊2(1.上海大学 计算机工程与科学学院，上海 200444；2.中国科学院 上海高等研究院 公共安全中心，上海 201210)K-means聚类算法作为一种经典的聚类算法，应用领域十分广泛；但是K-means在处理高维及大数据集的情况下性能较差。核密度估计是一种用来估计未知分布密度函数的非参数估计方法，能够有效地获取数据集的分布情况。抽样是针对大数据集的数据挖掘的常用手段。密度
计算机技术与发展 2017年2期2017-02-22
- 基于指尖角度集核密度估计手势特征提取
指尖角度集核密度估计手势特征提取林海波周庭张毅(重庆邮电大学信息无障碍工程研发中心重庆 400065)针对手势识别实时性和鲁棒性不足的问题，提出基于指尖角度集核密度估计的特征提取方法。通过对一般手势定义指尖角度集并提取指尖角度集核密度估计特征。为解决形状匹配的相位漂移问题和进一步提高实时性，对该特征集有效区间归一化和均匀采样得到指尖角度集核密度估计序列。基于互相关系数形状匹配算法进行手势识别。实验分析表明，采用该特征提取方法的任意手势识别实时性和鲁棒性比现
计算机应用与软件 2016年9期2016-11-09
- 人员疏散预动作时间的随机性研究
机性。采用核密度估计的方法，以实际火灾案例中人群疏散预动作时间为样本进行分析，用统计学规律表征预动作时间的随机性。研究表明：人员疏散预动作时间满足一定的概率分布规律。预动作时间；随机性；概率密度函数；累积分布函数；核密度估计0 引言近年来，随着我国经济水平的快速发展，各种各样的建筑不断涌现，如高层建筑、超高层建筑、大型地下建筑等，这些建筑往往具有人员密度大、可燃物较多等特点。一旦发生火灾，建筑的安全疏散功能将会面临巨大考验，在疏散条件不利的情况下，容易造成
中国人民警察大学学报 2016年4期2016-10-20
- END样本最近邻密度估计的相合性
D样本最近邻密度估计的相合性李艺璇(湖北大学数学与统计学学院，湖北 武汉 430062)在END样本下研究最近邻密度估计的相合性，给出弱相合性、强相合性、一致强相合性以及它们的收敛速度的充分条件， 同时研究失效函数估计的一致强相合性.END样本;最近邻密度估计;相合性0 引言1 引理为了证明本文中定理，先给出几个引理.引理1[4]设{X1，X2，…，Xn}是END变量.(1) 如果f1,f2,…,fn均为非降(或非增)函数，则随机变量f1(X1),f2(X
湖北大学学报(自然科学版) 2016年5期2016-09-23
- 人群密度估计研究现状及发展趋势
彭月平人群密度估计研究现状及发展趋势武警工程大学姜源刘曼 武警工程大学西安交通大学彭月平随着平安城市和社会安全需求的日益增长，人工甄别视频监控的方式己经不能满足需要，自动化的人群密度估计算法因此应运而生并迅速成为一个研究热点。本文对人群密度估计算法的发展和研究现状进行了综述。从图像预处理、人群密度估计算法、现存问题和发展难点等角度进行了总结；并对人群密度估计算法在当前大数据时代中存在的挑战及发展趋势展开思考。人群密度；密度估计；大数据1 引言近年来，随着
电子世界 2016年12期2016-09-16
- 基于属性加权核密度估计的朴素贝叶斯分类算法
于属性加权核密度估计的朴素贝叶斯分类算法谢小军1，陈光喜1，丁伯伦2(1.桂林电子科技大学 数学与计算科学学院，广西 桂林541004；2.安徽工程大学机电学院，安徽 芜湖241000)为了削弱朴素贝叶斯分类算法的属性条件独立性假设，提出了一种属性加权核密度估计的朴素贝叶斯分类算法。该算法结合条件属性与决策属性的相关系数以及互信息得到新的属性加权值，并将该加权值嵌入核密度估计的朴素贝叶斯分类算法。实验结果表明，该算法提高了分类准确率。属性加权；核密度估计；
桂林电子科技大学学报 2016年3期2016-09-08
- 风电场中基于核密度估计法的储能系统容量配置
电场中基于核密度估计法的储能系统容量配置宋志惠，许 玥中国葛洲坝集团国际工程有限公司前言储能系统具有动态吸收能量并适时释放的特点，能有效弥补风电的间歇性、波动性缺点，改善风电场输出功率的可控性，提升稳定水平。在并网风电场中配置适量的储能系统，对风电场的输出功率进行调节，可提高风电场出力的可控性，使得风电场成为灵活可控的电源。1 储能系统实时调节风电场输出功率以跟踪功率预测值根据风电场的实际输出功率和电网给风电场下达的发电指令目标（功率预测值），储能系统通过
科学中国人 2015年11期2015-12-28
- 加权核密度估计及其在沪深300股指收益率上的应用
18)加权核密度估计及其在沪深300股指收益率上的应用宋文选(浙江工商大学统计与数学学院，浙江杭州 310018)由于金融数据的特殊性，对于其时变概率密度的估计和相应的累计分布函数的估计，可以通过非参数运用加权的核密度估计来捕捉每个时刻金融收益率的密度变化情况，这种方法中的重要参数，如带宽，可以通过最大似然函数和交叉检验进行估计.诊断检验可以通过向前一步预测的累计分布函数进行验证.对于这种追踪时变密度变化的方法，适用那些密度变化相对缓慢的数据上，并且该方法
泰山学院学报 2015年3期2015-07-28
- 物种敏感度分布的非参数核密度估计模型
布的非参数核密度估计模型王颖1,2，冯承莲2，黄文贤3，刘跃丹4，马燕2,5，张瑞卿6，吴丰昌2,*1. 北京师范大学水科学研究院，北京 100875 2. 中国环境科学研究院 环境基准与风险评估国家重点实验室，北京100012 3. 北京师范大学数学科学学院，北京 100875 4. 环境保护部华南环境科学研究所 广东省水与大气污染防治重点实验室，广州510065 5. 青岛理工大学环境与市政工程学院 生物环保与绿色化工研究中心，青岛266033 6.
生态毒理学报 2015年1期2015-06-27
- 耙吸挖泥船耙头密度估计器研究与分析
吸挖泥船耙头密度估计器研究与分析王柳艳1，田雨2，俞孟蕻1（1.江苏科技大学电子信息学院，江苏 镇江 212003；2.长沙理工大学，湖南 长沙 410114）针对新型耙头的挖掘模式，利用黑箱模拟法与在线滚动优化预测理论，设计了一种耙头吸入密度估计器，采用现场实测数据进行了仿真实验。结果表明，该密度估计器可以较为准确地预测耙头底部的吸入密度，在疏浚作业中实时提供连续的混合物吸入密度信息，及时指导操作人员针对不同工况调整疏浚参数，满足高效疏浚的需求。耙吸挖泥
中国港湾建设 2014年11期2014-04-07
- 基于改进CAMShift的运动目标跟踪算法
出将非线性核密度估计、Kalman滤波和CAMShift相结合的抗遮挡的目标跟踪解决方案。2 核密度估计和CAMShift跟踪算法2.1 核密度估计核密度估计是一种概率密度估计方法[9]。既不需要事先假定特征密度分布的形式，也不需要设置模型参数及参数优化。只要样本充足，核密度估计就能渐进收敛于任何一个概率密度函数[10]。核密度估计的目的是在已知一定数量的样本点的情况下，尽量地逼近一个未知概率密度分布函数[11]。在核密度估计中发挥作用的单元是众多具有相同
计算机工程与应用 2014年11期2014-04-03
- END样本最近邻密度估计的一致强相合速度
本下的最近邻密度估计问题，目前尚未见文献报道.基于此，本文考虑END样本最近邻密度估计的一致强相合速度问题，在更弱的条件下，得到了与NA序列相同的结论，从而推广了文献［7］的结果.本文用“≪”表示“O”.1 引 理2 主要结果注1 1）定理1在更弱的条件下，得到了与NA样本情形下相同的结论；2）由推论1可知，fn（x）的一致强相合收敛速度几乎为n－1／6，该结论与NA样本情形下是相同的，但与独立情形的n－1／4不同.［1］Loftsgaarden D O，
吉林大学学报（理学版） 2014年3期2014-03-06
- 删失样本α混合序列递归核密度估计的一致强相合性及速度
)式定义的核密度估计的窗宽是固定的,要使对f的拟合效果更好,涉及最优窗宽的选择问题;同时当样本容量n增加时,需要重新计算估计量,这样需要的计算量会很大.然而我们知道递归核密度估计量中窗宽不是固定的,因此对(1)式进行改进,给出K-M估计下的f的递归核密度估计量fn:(2)(3)这样可以利用计算机编程进行递归,当样本容量n增加时,不用重新计算估计量.本文中在删失数据α混合序列条件下进行讨论,下面给出α混合的定义:α(m)(A∩B)-P(A)P(B)|},如果
湖北大学学报(自然科学版) 2013年4期2013-11-20
- 概率密度估计中的核非方法及应用研究
归估计和概率密度估计。在解决学习问题的传统理论中，模式识别和回归估计都是建立在概率密度估计的基础上的。概率密度估计通常采用参数估计和非参数估计的方法[1]。参数方法是根据经验，假定总体的分布为某种特定的形式，如高斯分布、瑞利分布等，而未知总体分布的某些具体参数值，然后再用样本计算出这些未知的参数值。但在实际应用中，样本数据总是有限的，有时并不能确定总体的具体分布。当对总体的分布形式无法做出大致正确的判断时，需要采用一种非参数方法更为合理，直接从样本入手进行
山东工业技术 2013年10期2013-08-16
- 核实数据下的递归核密度估计
)的递归型核密度估计:由于递归型核密度估计在添加样本点时, 不必重新计算所有项, 只需计算添加项, 因此使计算更方便. 基于此, 本文考虑借助于核实数据, 构造一递归型概率密度估计量, 并研究其渐近正态性.1 主要结果于是在一些正则条件下,f(x)可被如下递归核估计量一致估计:定义AppendixA条件:(A·f):f(x)是k阶有界可导的;(A·K):K(·)在有界支撑集上是k阶非负有界的核函数;定理1在AppendixA条件下, 有证明:(3)这里C为
吉林大学学报（理学版） 2012年5期2012-12-04
- ND样本最近邻密度估计的一致强相合性
D样本最近邻密度估计的一致强相合性刘艳，吴群英（桂林理工大学理学院，广西桂林541004）设X1，X2，…，Xn是同分布的负相依（ND）样本，具有共同的密度函数f（x），利用相应的Bernstein不等式，将负相关（NA）样本最近邻密度估计的一致强相合性推广到ND样本，得到其最近邻密度估计的一致强相合性.负相依序列；最近邻密度估计；一致强相合性；Bernstein不等式概率密度估计和非参数非线性回归是非参数估计中两大问题.最近邻密度估计（NN－估计）是由L
华侨大学学报（自然科学版） 2012年5期2012-09-07
- 多维密度核估计的渐进正态性及稳健渐进正态性研究
态性是非参数密度估计的一个非常重要的研究方向，其中非参数概率密度核估计作为非参数密度估计的重要方法，受到越来越多的学者的重视。Hardel、Miiller、Silverman、Scott等都曾致力于多维密度核估计的研究，Schuster、Singh、Susan,Walter、陈桂景、赵林成、杨振海等人得到了较好的相合速度的结果。其中Loftsgarden和Qnesenberry提出了最近邻估计，Devroye和Wagner讨论了一种窗宽依赖于样本的核估计。
统计与决策 2011年19期2011-09-05
- 基于核密度估计算法的飞机载荷谱统计技术
89)基于核密度估计算法的飞机载荷谱统计技术汤阿妮(中国飞行试验研究院，西安 710089)受到实际条件限制，现阶段的飞机载荷谱实测均采取小子样实测方法，小子样实测数据是取自真实母体的一个简单样本，很难保证数据的充分性、完整性.传统的均值统计法无法对数据缺陷进行弥补.为了克服小子样数据不足问题，将核密度估计技术用于载荷谱统计，取得了良好效果.介绍了核密度估计的相关理论基础，并以某型机下沉速度谱的统计为例，详细介绍了将核密度估计方法用于载荷谱统计的数学过程.
北京航空航天大学学报 2011年6期2011-03-15