簡(jiǎn)介：在系統(tǒng)闡述洪水資源利用、風(fēng)險(xiǎn)管理和新興的計(jì)算統(tǒng)計(jì)學(xué)的基本概念和理論以及研究進(jìn)展基礎(chǔ)上，提出了水庫(kù)洪水資源利用風(fēng)險(xiǎn)管理的基本框架。以水庫(kù)分期汛限水位實(shí)現(xiàn)洪水資源利用時(shí)的防洪風(fēng)險(xiǎn)作為研究對(duì)象，對(duì)設(shè)計(jì)規(guī)劃階段防洪風(fēng)險(xiǎn)的風(fēng)險(xiǎn)識(shí)別、風(fēng)險(xiǎn)估計(jì)和風(fēng)險(xiǎn)評(píng)價(jià)中風(fēng)險(xiǎn)標(biāo)準(zhǔn)進(jìn)行深入的研究。在風(fēng)險(xiǎn)識(shí)別研究中，首先通過(guò)在各種計(jì)算方案下，公式計(jì)算、自助法和MC逼近方法估算PⅢ的X、CV和CS的標(biāo)準(zhǔn)差和置信區(qū)間的分析比較，驗(yàn)證了自助法的有效性。然后利用自助法、COPULA函數(shù)和隨機(jī)模擬方法分析和估算庫(kù)容、庫(kù)面積和泄流能力、頻率分析和設(shè)計(jì)洪水、隨機(jī)模擬模型中模型參數(shù)估計(jì)、模擬序列的隨機(jī)性和模型等因子的不確定性，并通過(guò)它們對(duì)調(diào)洪高水位或者風(fēng)險(xiǎn)率的影響進(jìn)行防洪風(fēng)險(xiǎn)識(shí)別。結(jié)果表明設(shè)計(jì)洪水中的時(shí)段量估算和隨機(jī)模擬模型中參數(shù)估計(jì)的不確定性是主要的不確定性因子，而這兩個(gè)不確定性都來(lái)源于抽樣誤差；自助法、COPULA函數(shù)和隨機(jī)模擬等計(jì)算統(tǒng)計(jì)學(xué)方法用于風(fēng)險(xiǎn)識(shí)別是可行、有效的，在風(fēng)險(xiǎn)識(shí)別中具有一定的推廣應(yīng)用價(jià)值。在風(fēng)險(xiǎn)估計(jì)研究中，建立了線性相關(guān)、秩相關(guān)、輾轉(zhuǎn)相關(guān)和峰量同頻率入庫(kù)洪水隨機(jī)模擬模型四個(gè)風(fēng)險(xiǎn)估計(jì)模型。它們既能很好地保持峰量的相關(guān)關(guān)系又能很好地保持峰量的統(tǒng)計(jì)特征，計(jì)算出的風(fēng)險(xiǎn)率也較合理。結(jié)果表明利用峰量相關(guān)關(guān)系來(lái)模擬入庫(kù)洪水是可行的；秩相關(guān)模擬是可以應(yīng)用于相關(guān)變量的隨機(jī)模擬中；且考慮到秩相關(guān)具有分布自由、單調(diào)增變換的不變性和可以描述非線性相關(guān)關(guān)系等穩(wěn)健特性，可以采用秩相關(guān)來(lái)描述總體服從非正態(tài)分布且各變量間非線性相關(guān)的變量間的復(fù)雜關(guān)系。在風(fēng)險(xiǎn)評(píng)價(jià)中風(fēng)險(xiǎn)標(biāo)準(zhǔn)研究中，構(gòu)造了一年中各分期中只要有一期超過(guò)防洪標(biāo)準(zhǔn)標(biāo)就算超過(guò)防洪標(biāo)準(zhǔn)的這一復(fù)合事件，并用它來(lái)表達(dá)分期下的防洪標(biāo)準(zhǔn)；在此基礎(chǔ)上，推導(dǎo)出了分期下的重現(xiàn)期公式即當(dāng)這一復(fù)合事件發(fā)生頻率等于1T時(shí)，分期設(shè)計(jì)洪水的防洪標(biāo)準(zhǔn)就是T年一遇；明確了分期設(shè)計(jì)頻率的物理意義；得出了以設(shè)計(jì)洪水來(lái)描述防洪標(biāo)準(zhǔn)時(shí)，可用各期洪峰或者洪量的聯(lián)合分布來(lái)描述分期設(shè)計(jì)洪水與防洪標(biāo)準(zhǔn)之間的關(guān)系這一結(jié)論。隨后，本文在各期間洪峰或者洪量獨(dú)立兩種假設(shè)下，推導(dǎo)出了洪峰、洪量或峰量同時(shí)起控制作用下三種類型水庫(kù)的分期設(shè)計(jì)洪水的設(shè)計(jì)頻率與防洪標(biāo)準(zhǔn)之間的關(guān)系式和重現(xiàn)期公式。最后以潘家口水庫(kù)為實(shí)例，分別在獨(dú)立和相關(guān)假設(shè)下、采用不同的COPULA函數(shù)來(lái)建立分期設(shè)計(jì)洪水的設(shè)計(jì)頻率與防洪標(biāo)準(zhǔn)之間的關(guān)系。前后汛期采用不同頻時(shí)的頻率組合和前后汛期同頻下的設(shè)計(jì)頻率的分析比較表明前后汛期采用相同設(shè)計(jì)標(biāo)準(zhǔn)時(shí)，在獨(dú)立假設(shè)下各期的設(shè)計(jì)標(biāo)準(zhǔn)遠(yuǎn)低于在相關(guān)假設(shè)下的標(biāo)準(zhǔn)；前后汛期采用不同設(shè)計(jì)標(biāo)準(zhǔn)時(shí)，在獨(dú)立假設(shè)下的前后汛期設(shè)計(jì)標(biāo)準(zhǔn)的組合和相關(guān)下的顯著不同；但不同的COPULA函數(shù)間結(jié)果都差別較??；前后汛期洪水峰量的相關(guān)性對(duì)設(shè)計(jì)洪水成果影響很大，不應(yīng)該盲目采用獨(dú)立這一假設(shè)。

簡(jiǎn)介：點(diǎn)擊查看更多基于統(tǒng)計(jì)學(xué)習(xí)的人工智能在數(shù)字游戲和數(shù)字娛樂(lè)上的應(yīng)用.pdf精彩內(nèi)容。

簡(jiǎn)介：人臉圖像質(zhì)量對(duì)人臉檢測(cè)，人臉識(shí)別等各種與人臉圖像相關(guān)的系統(tǒng)的執(zhí)行性能具有重大的影響。人臉圖像質(zhì)量評(píng)價(jià)與傳統(tǒng)的圖像質(zhì)量評(píng)價(jià)有很大的不同。本文針對(duì)人臉圖像質(zhì)量評(píng)價(jià)所做的研究工作可以歸納以下幾點(diǎn)1制定人臉圖像質(zhì)量標(biāo)準(zhǔn)，并請(qǐng)十位志愿者嚴(yán)格按照該標(biāo)準(zhǔn)對(duì)人臉圖像進(jìn)行質(zhì)量分類，取其平均值作為最終結(jié)果；2對(duì)LIBSVM算法作改進(jìn)和優(yōu)化，并引入并行計(jì)算技術(shù)，極大地提高了訓(xùn)練和測(cè)試的速度；3提取GAB小波特征，利用改進(jìn)后的LIBSVM算法訓(xùn)練分類器，使用具有層次結(jié)構(gòu)的決策二叉樹(shù)進(jìn)行多分類的人臉圖像質(zhì)量評(píng)價(jià)實(shí)驗(yàn)；4引入多分類器融合的方法，通過(guò)對(duì)多個(gè)較優(yōu)分類器的融合，一定程度上減小了分類誤差，提高了分類器的分類性能。課題研究中所實(shí)現(xiàn)的使用機(jī)器學(xué)習(xí)進(jìn)行無(wú)參考人臉圖像質(zhì)量評(píng)價(jià)的方法，對(duì)于無(wú)參考圖像質(zhì)量評(píng)價(jià)具有很好的指導(dǎo)意義，為今后的進(jìn)一步研究打下了良好的基礎(chǔ)。

簡(jiǎn)介：在所有的突發(fā)公共衛(wèi)生安全事件中，影響最嚴(yán)重的當(dāng)屬傳染病疫情的爆發(fā)。傳染病疫情的爆發(fā)不僅影響人們的正常出行，還容易造成社會(huì)大眾的心理恐慌，造成國(guó)家經(jīng)濟(jì)和社會(huì)方方面面的動(dòng)蕩局面。而傳染病預(yù)測(cè)預(yù)警技術(shù)的產(chǎn)生與發(fā)展，對(duì)防范傳染病爆發(fā)，及時(shí)有效的采取應(yīng)對(duì)措施就顯得尤為重要。在諸多統(tǒng)計(jì)學(xué)學(xué)習(xí)理論中，應(yīng)用于預(yù)測(cè)預(yù)警方面的方法有很多并且表現(xiàn)都不錯(cuò)。本文主要選取了三種常用的統(tǒng)計(jì)模型，選取傳染病中的結(jié)核病為對(duì)象，通過(guò)對(duì)收集到的結(jié)核病數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，應(yīng)用10折交叉檢驗(yàn)的方發(fā)比較得出在結(jié)核病預(yù)測(cè)預(yù)警方面表現(xiàn)比較好的模型。本文首先介紹了突發(fā)傳染病事件近些年來(lái)的狀況以及它給人們的生活帶來(lái)的影響。同時(shí)介紹了各個(gè)國(guó)家面對(duì)突發(fā)事件做出了哪些應(yīng)對(duì)措施，通過(guò)分析各個(gè)國(guó)家應(yīng)用不同統(tǒng)計(jì)方法預(yù)測(cè)傳染病模型的優(yōu)缺點(diǎn)，最終本文選擇了三種統(tǒng)計(jì)模型，以結(jié)核病為傳染病的代表，比較分析這三種模型在傳染病的預(yù)測(cè)預(yù)警方面的表現(xiàn)。其次，分別介紹了結(jié)構(gòu)方程模型、人工神經(jīng)網(wǎng)絡(luò)模型和隨機(jī)森林模型這三種模型的基礎(chǔ)理論知識(shí)。最后進(jìn)行實(shí)證分析。應(yīng)用R軟件程序語(yǔ)言，對(duì)收集到的大連市各個(gè)學(xué)校的結(jié)核病數(shù)據(jù)進(jìn)行數(shù)據(jù)處理分析。結(jié)果得到結(jié)構(gòu)方程模型可以將不可觀測(cè)的隱變量用多個(gè)可觀測(cè)的指標(biāo)表示出來(lái)，而且能很好的表示隱變量之間的因果關(guān)系。但結(jié)構(gòu)方程的局限性是它本身是一種驗(yàn)證性的模型，因此不同的模型可能出現(xiàn)不同的結(jié)果。人工神經(jīng)網(wǎng)絡(luò)的非線性處理能力很好，但是容易出現(xiàn)過(guò)擬合現(xiàn)象。隨機(jī)森林處理數(shù)據(jù)過(guò)程快，而且不容易發(fā)生過(guò)擬合現(xiàn)象。從人工神經(jīng)網(wǎng)絡(luò)和隨機(jī)森立的10折交叉驗(yàn)證結(jié)果顯示，隨機(jī)森林模型的擬合度更高，更穩(wěn)定。

簡(jiǎn)介：如何解決語(yǔ)言的歧義問(wèn)題一直困擾著自然語(yǔ)言處理技術(shù)的研究人員。語(yǔ)言的歧義最重要的一個(gè)表現(xiàn)就是一詞多義現(xiàn)象。如何根據(jù)歧義詞出現(xiàn)的上下文語(yǔ)言環(huán)境識(shí)別出正確詞義是詞義識(shí)別要解決問(wèn)題。在自然語(yǔ)言理解領(lǐng)域詞義識(shí)別是應(yīng)用基礎(chǔ)研究課題也是自然語(yǔ)言理解的重點(diǎn)和難點(diǎn)之一。早期的詞義識(shí)別研究以基于規(guī)則的方法為主近些年米隨著計(jì)算技術(shù)和存儲(chǔ)技術(shù)的改進(jìn)和提高統(tǒng)計(jì)學(xué)習(xí)方法越來(lái)越受到廣泛的歡迎迅速成為了主流的研究方法。有監(jiān)督的學(xué)習(xí)方法應(yīng)用于詞義識(shí)別可以獲得較高的識(shí)別精度但是該類方法需要有規(guī)模足夠大的訓(xùn)練樣本這樣的樣本不是容易獲得。無(wú)監(jiān)督的方法不需要人工標(biāo)注訓(xùn)練樣本但是詞義識(shí)別相對(duì)效果不是十分理想。本文分析了統(tǒng)計(jì)詞義識(shí)別研究需要解決的幾個(gè)關(guān)鍵性問(wèn)題。從詞典資源和語(yǔ)料庫(kù)資源的建設(shè)到詞義識(shí)別問(wèn)題的建模方法以及詞義分類問(wèn)題的特征選擇對(duì)所涉及的問(wèn)題都一進(jìn)行了討論。在這些基礎(chǔ)上本文最后給出了詞義類擴(kuò)展思想并探討了如何將其應(yīng)用于統(tǒng)計(jì)詞義識(shí)別的研究上。本文研究成果和創(chuàng)新如下1從詞義的可計(jì)算性角度探討詞義刻畫(huà)與詞義識(shí)別的關(guān)系探討如何通過(guò)科學(xué)控制詞義刻畫(huà)粒度來(lái)重新整合現(xiàn)有的詞典資源建設(shè)新的機(jī)讀詞典更好地為同義識(shí)別的應(yīng)用服務(wù)。實(shí)驗(yàn)分析說(shuō)明詞義刻畫(huà)粒度的大小直接影響了詞義識(shí)別的精度適當(dāng)控制詞義粒度再不產(chǎn)生二義性的前提下可以提高詞義識(shí)別的精度。本文提出在詞義再刻畫(huà)的基礎(chǔ)上整合現(xiàn)有詞典資源建設(shè)面向詞義計(jì)算的新的分類詞典2在探討而向詞義識(shí)別的特征選擇方法的基礎(chǔ)上提出以信息增益改進(jìn)貝葉斯模型的詞義識(shí)別新方法。實(shí)驗(yàn)中以樸素貝葉斯模型、最大熵方法和支持向量機(jī)建立的詞義分類器作為參照模型討論信息增益改進(jìn)貝葉斯模型的效果。實(shí)驗(yàn)結(jié)果顯示參照系中使用最大熵和支持向量機(jī)構(gòu)建的詞義分類器都比樸素貝葉斯模型強(qiáng)其中基于支持向量機(jī)的詞義分類器最好而經(jīng)過(guò)信息增益改進(jìn)的貝葉斯模型在詞義識(shí)別上表現(xiàn)更突出實(shí)驗(yàn)結(jié)果比SVM還要高出14個(gè)百分點(diǎn)獲得了對(duì)比實(shí)驗(yàn)中最優(yōu)的識(shí)別結(jié)果3從語(yǔ)料庫(kù)資源難于大規(guī)模建設(shè)的角度出發(fā)實(shí)驗(yàn)分析和探討了人造歧義詞技術(shù)的使用問(wèn)題并在此基礎(chǔ)卜提出替換詞的概念以及基于替換詞技術(shù)的詞義識(shí)別新方法。實(shí)驗(yàn)結(jié)果表明人造歧義詞技術(shù)可以幫助研究者緩解訓(xùn)練語(yǔ)料短缺的壓力源于此的替換詞技術(shù)可以讓研究者避開(kāi)人工標(biāo)注訓(xùn)練樣本實(shí)現(xiàn)一種無(wú)監(jiān)督的詞義識(shí)別方法。實(shí)驗(yàn)結(jié)果表明基于替換詞技術(shù)的詞義識(shí)別方法具有較高的識(shí)別精度4針對(duì)詞義識(shí)別訓(xùn)練語(yǔ)料規(guī)模不足夠大的問(wèn)題提出了詞義類擴(kuò)展思想和基于詞義類擴(kuò)展的詞義識(shí)別新方法。該方法通過(guò)詞義類擴(kuò)展可以在有限訓(xùn)練語(yǔ)料中獲得更多的詞義信息提高訓(xùn)練的效率改善詞義識(shí)別的效果此外詞義類擴(kuò)展技術(shù)可以從無(wú)詞義標(biāo)注無(wú)詞義標(biāo)記等先驗(yàn)知識(shí)的生語(yǔ)料中統(tǒng)計(jì)相關(guān)詞語(yǔ)信息以此來(lái)為小規(guī)模的訓(xùn)練樣本提供補(bǔ)充。實(shí)驗(yàn)結(jié)果表明基于詞義類擴(kuò)展思想的方法提高了訓(xùn)練語(yǔ)料的使用效率改善了有監(jiān)督詞義識(shí)別的效果這為增強(qiáng)小規(guī)模訓(xùn)練樣本的統(tǒng)計(jì)學(xué)習(xí)效果提供一個(gè)嶄新的思路。綜上所述本文在資源建設(shè)、詞義識(shí)別的建模、特征選擇以及如何突破訓(xùn)練語(yǔ)料規(guī)模的限制實(shí)現(xiàn)無(wú)監(jiān)督詞義識(shí)別和改善有監(jiān)督的詞義識(shí)別方法上都作了一些有益的嘗試取得了一些初步成果。隨著詞義識(shí)別研究的不斷深入會(huì)涌現(xiàn)出更多更好的新的解決思路和方案。

簡(jiǎn)介：點(diǎn)擊查看更多基于統(tǒng)計(jì)學(xué)習(xí)的視頻文字檢測(cè)與定位研究.pdf精彩內(nèi)容。

簡(jiǎn)介：與2D成像技術(shù)相比3D成像技術(shù)能給終端用戶帶來(lái)震撼和逼真的臨場(chǎng)體驗(yàn)因此在研究領(lǐng)域和應(yīng)用領(lǐng)域受到了極大的關(guān)注并被廣泛地應(yīng)用在3DTV、遠(yuǎn)程教育和醫(yī)療衛(wèi)生等行業(yè)中。近幾十年來(lái)大量的研究人員投入到3D成像技術(shù)的相關(guān)研究中這些技術(shù)大大加快了3D成像在生活中的應(yīng)用。然而一些不舒適的癥狀如頭暈、惡心等常有發(fā)生所以人們迫切需要一種標(biāo)準(zhǔn)來(lái)對(duì)3D成像技術(shù)進(jìn)行評(píng)價(jià)。立體圖像內(nèi)容本身、觀看終端顯示器或者觀看者本人都有可能引起視覺(jué)不舒適的癥狀本文重點(diǎn)從立體圖像本身內(nèi)容角度出發(fā)用統(tǒng)計(jì)的方法設(shè)計(jì)了一個(gè)立體圖像質(zhì)量客觀評(píng)價(jià)方案。論文首先介紹了立體圖像客觀質(zhì)量評(píng)價(jià)的研究背景、現(xiàn)狀以及與之相關(guān)的人眼視覺(jué)特性等知識(shí)在此基礎(chǔ)上提出了將基于統(tǒng)計(jì)學(xué)習(xí)的支持向量機(jī)SUPPTVECTMACHINESVM分別和主成分分析PRINCIPALCOMPONENTANALYSISPCA、獨(dú)立成分分析INDEPENDENTCOMPONENTANALYSISICA相結(jié)合實(shí)現(xiàn)立體圖像質(zhì)量客觀評(píng)價(jià)的方法。在該方法中PCA和ICA分別用來(lái)對(duì)立體圖像進(jìn)行預(yù)處理以獲得立體圖像的二階獨(dú)立特征和高階獨(dú)立特征達(dá)到去除冗余和降維的效果作為分類器基于統(tǒng)計(jì)理論的SVM被用于對(duì)提取出的統(tǒng)計(jì)特征進(jìn)行判斷從而實(shí)現(xiàn)對(duì)立體圖像質(zhì)量的客觀評(píng)價(jià)。本文采用的立體圖像樣本共371幅其中130幅不同等級(jí)的圖像作為訓(xùn)練樣本剩余241幅不同等級(jí)圖像作為測(cè)試樣本。另外本文提出對(duì)不同特征維數(shù)的ICA和PCA系統(tǒng)性能進(jìn)行比較。實(shí)驗(yàn)結(jié)果表明當(dāng)特征維數(shù)在12時(shí)ICA結(jié)合SVM的方法取得了9336％的識(shí)別率當(dāng)特征維數(shù)為18時(shí)PCA結(jié)合SVM的方法取得了9378的最高識(shí)別率。通過(guò)對(duì)兩者的比較我們找到了更加適合立體圖像質(zhì)量評(píng)價(jià)的方法同時(shí)也為PCA和ICA在立體成像技術(shù)中的應(yīng)用提供了一種新思路。

簡(jiǎn)介：隨著互聯(lián)網(wǎng)規(guī)模的日益擴(kuò)大，其承載的業(yè)務(wù)和應(yīng)用也相應(yīng)快速增長(zhǎng)，人們?cè)谙硎躀NTER帶來(lái)種種便利的同時(shí)，網(wǎng)絡(luò)安全問(wèn)題日漸突出，給網(wǎng)絡(luò)監(jiān)管提出了重大的挑戰(zhàn)。作為判別網(wǎng)絡(luò)運(yùn)行是否正常的關(guān)鍵，網(wǎng)絡(luò)流量的數(shù)據(jù)分析技術(shù)是通過(guò)及時(shí)發(fā)現(xiàn)網(wǎng)絡(luò)中的異常流量以采取相應(yīng)措施來(lái)保持網(wǎng)絡(luò)正常運(yùn)行的一種手段。因此，異常流量分析技術(shù)的研究在網(wǎng)絡(luò)管理中顯得尤為重要，對(duì)提高網(wǎng)絡(luò)的可用性和可靠性，保證網(wǎng)絡(luò)的服務(wù)質(zhì)量具有重大的意義。根據(jù)網(wǎng)絡(luò)流量數(shù)據(jù)的特點(diǎn)，本文研究了基于統(tǒng)計(jì)學(xué)習(xí)理論的網(wǎng)絡(luò)異常流量分析技術(shù)。首先，探討了目前網(wǎng)絡(luò)流量研究的主要內(nèi)容和發(fā)展趨勢(shì)，比較了現(xiàn)有的流量分析技術(shù)，并且分析其各自的優(yōu)缺點(diǎn)。針對(duì)現(xiàn)有方法存在的處理高維數(shù)據(jù)困難、樣本流量需求大、網(wǎng)絡(luò)特征分析算法復(fù)雜度高等問(wèn)題，利用支持向量機(jī)對(duì)小樣本集具有泛化能力強(qiáng)，分類精度高的優(yōu)點(diǎn)，深入論述該方法在異常流量分析中的適用性，提出應(yīng)用支持向量機(jī)進(jìn)行網(wǎng)絡(luò)異常流量的分類、識(shí)別和分析方法；其次，采用網(wǎng)絡(luò)偵聽(tīng)技術(shù)獲取網(wǎng)絡(luò)流量，解決了流量采集過(guò)程中對(duì)網(wǎng)絡(luò)設(shè)備影響大、存儲(chǔ)困難等問(wèn)題；然后，論證了應(yīng)用信息熵作為流量特征的原理，以及特征向量的預(yù)處理方法，簡(jiǎn)化了網(wǎng)絡(luò)流量數(shù)據(jù)的特征選擇與特征提取的步驟；最后，以P2P流量檢測(cè)為例，將支持向量機(jī)應(yīng)用到P2P流量和常規(guī)網(wǎng)絡(luò)流量的分類識(shí)別中，獲得較好的效果。并通過(guò)訓(xùn)練結(jié)合交叉驗(yàn)證法得到了合理的核函數(shù)參數(shù)和分類器，探討了主要參數(shù)的調(diào)整對(duì)支持向量機(jī)性能的影響。在上述研究的基礎(chǔ)上，本文設(shè)計(jì)了網(wǎng)絡(luò)異常流量分析系統(tǒng)，總體結(jié)構(gòu)采用模塊化設(shè)計(jì)，實(shí)現(xiàn)網(wǎng)絡(luò)數(shù)據(jù)處理、特征提取、訓(xùn)練、分類等功能，為網(wǎng)絡(luò)管理提供了重要的決策依據(jù)。

簡(jiǎn)介：點(diǎn)擊查看更多基于有限集統(tǒng)計(jì)學(xué)業(yè)的多目標(biāo)跟蹤算法研究.pdf精彩內(nèi)容。

簡(jiǎn)介：題（中、英文）（中、英文）目圖像處理技術(shù)與統(tǒng)計(jì)學(xué)方法圖像處理技術(shù)與統(tǒng)計(jì)學(xué)方法在自動(dòng)化年輪分析系統(tǒng)中的應(yīng)用在自動(dòng)化年輪分析系統(tǒng)中的應(yīng)用THEAPPLICATIONOFTECHNOLOGYOFIMAGEPROCESSINGSTATISTICALAPPROACHINAUTOMATICTREERINGSANALYSISSYSTEM作者姓名作者姓名陳佶陳佶牛海軍牛海軍教授教授軟件工程軟件工程提交論文日期提交論文日期二○一三年三月二○一三年三月HIROSHISAKOHIROSHISAKO教授教授代號(hào)代號(hào)分類號(hào)分類號(hào)學(xué)號(hào)學(xué)號(hào)密級(jí)密級(jí)1070110701TP3115TP3115公開(kāi)公開(kāi)10784905851078490585UDC編號(hào)編號(hào)學(xué)校指導(dǎo)教師姓名職稱學(xué)校指導(dǎo)教師姓名職稱工程領(lǐng)域工程領(lǐng)域企業(yè)指導(dǎo)教師姓名職稱企業(yè)指導(dǎo)教師姓名職稱論文論文類型類型技術(shù)論文技術(shù)論文西安電子科技大學(xué)西安電子科技大學(xué)學(xué)位論文獨(dú)創(chuàng)性聲明學(xué)位論文獨(dú)創(chuàng)性聲明秉承學(xué)校嚴(yán)謹(jǐn)?shù)膶W(xué)風(fēng)和優(yōu)良的科學(xué)道德，本人聲明所呈交的論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝中所羅列的內(nèi)容以外，論文中不包含其他人已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果；也不包含為獲得西安電子科技大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書(shū)而使用過(guò)的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中做了明確的說(shuō)明并表示了謝意。申請(qǐng)學(xué)位論文與資料若有不實(shí)之處，本人承擔(dān)一切法律責(zé)任。本人簽名日期西安電子科技大學(xué)西安電子科技大學(xué)關(guān)于論文使用授權(quán)的說(shuō)明關(guān)于論文使用授權(quán)的說(shuō)明本人完全了解西安電子科技大學(xué)有關(guān)保留和使用學(xué)位論文的規(guī)定，即研究生在校攻讀學(xué)位期間論文工作的知識(shí)產(chǎn)權(quán)單位屬西安電子科技大學(xué)。學(xué)校有權(quán)保留送交論文的復(fù)印件，允許查閱和借閱論文；學(xué)?？梢怨颊撐牡娜炕虿糠謨?nèi)容，可以允許采用影印、縮印或其它復(fù)制手段保存論文。同時(shí)本人保證，畢業(yè)后結(jié)合學(xué)位論文研究課題再撰寫(xiě)的文章一律署名單位為西安電子科技大學(xué)。（保密的論文在解密后遵守此規(guī)定）本學(xué)位論文屬于保密，在年解密后適用本授權(quán)書(shū)。本人簽名導(dǎo)師簽名日期日期

簡(jiǎn)介：統(tǒng)計(jì)學(xué)習(xí)理論是處理小樣本學(xué)習(xí)問(wèn)題的重要理論，但該理論是建立在概率空間上基于實(shí)隨機(jī)樣本的，它難以處理現(xiàn)實(shí)世界中客觀存在的非概率空間上基于非實(shí)隨機(jī)樣本的小樣本統(tǒng)計(jì)學(xué)習(xí)問(wèn)題。不確定空間是比概率空間更廣的空間，本文討論了不確定空間上基于復(fù)樣本的統(tǒng)計(jì)學(xué)習(xí)理論。首先，給出了復(fù)不確定變量及其分布函數(shù)、期望和方差的概念，證明了不確定空間上基于復(fù)樣本的MARKOV不等式、CHEBYSHEV不等式和KHINTCHINE大數(shù)定律；其次，引入了不確定空間上基于復(fù)樣本的復(fù)經(jīng)驗(yàn)風(fēng)險(xiǎn)泛函、復(fù)期望風(fēng)險(xiǎn)泛函、復(fù)經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則以及復(fù)嚴(yán)格一致收斂的定義，證明了不確定空間上基于復(fù)樣本的學(xué)習(xí)理論的關(guān)鍵定理；最后，討論了不確定空間上基于復(fù)樣本的學(xué)習(xí)過(guò)程一致收斂速度的界。

簡(jiǎn)介：隨著計(jì)算機(jī)技術(shù)和互聯(lián)網(wǎng)技術(shù)的發(fā)展，越來(lái)越多的用戶正在使用P2P軟件進(jìn)行資源下載、視頻觀看、信息共享等等。P2P系統(tǒng)用戶量快速增長(zhǎng)，已成為當(dāng)前網(wǎng)絡(luò)最重要的應(yīng)用之一。但是，P2P軟件的廣泛使用，給互聯(lián)網(wǎng)的網(wǎng)絡(luò)帶寬帶來(lái)了十分巨大的影響。有研究數(shù)據(jù)表明，目前P2P應(yīng)用使用的網(wǎng)絡(luò)流量已經(jīng)大大超出了HTTP協(xié)議產(chǎn)生的網(wǎng)絡(luò)流量，已經(jīng)成為網(wǎng)絡(luò)帶寬占用率最大的部分。針對(duì)P2P占用大量網(wǎng)絡(luò)流量的問(wèn)題，網(wǎng)絡(luò)運(yùn)營(yíng)商提出并使用了許多種方案對(duì)P2P應(yīng)用軟件流量的限制和網(wǎng)絡(luò)監(jiān)控，但是這些方法都無(wú)法改變目前運(yùn)營(yíng)商和P2P使用者之間的問(wèn)題。P2P網(wǎng)絡(luò)大流量問(wèn)題的本質(zhì)原因在于P2P應(yīng)用軟件使用的交換原理，P2P網(wǎng)絡(luò)強(qiáng)調(diào)網(wǎng)絡(luò)中的節(jié)點(diǎn)是絕對(duì)“平等”的，但是在物理空間鄰近的節(jié)點(diǎn)在邏輯網(wǎng)絡(luò)中不一定相近，跨地區(qū)的資源共享會(huì)導(dǎo)致網(wǎng)絡(luò)帶寬的浪費(fèi)。本文主要提出一種基于統(tǒng)計(jì)學(xué)習(xí)的節(jié)點(diǎn)選擇算法?；诮y(tǒng)計(jì)學(xué)習(xí)的原理，利用相似性度量的方法，使節(jié)點(diǎn)根據(jù)地理位置的相似度進(jìn)行聚類構(gòu)建鄰居網(wǎng)絡(luò)，對(duì)于同一鄰居網(wǎng)絡(luò)優(yōu)先選擇上傳能力強(qiáng)、穩(wěn)定性好的節(jié)點(diǎn)進(jìn)行資源下載。此外，本文對(duì)提出的算法進(jìn)行了仿真模擬實(shí)驗(yàn)，證明提出的算法思想可行，并且提高P2P系統(tǒng)的整體吞吐量、減少用戶的平均下載時(shí)間，從而有效的改善P2P系統(tǒng)的整體性能。

簡(jiǎn)介：人臉識(shí)別技術(shù)是模式識(shí)別和機(jī)器視覺(jué)領(lǐng)域最富挑戰(zhàn)性的研究課題之一也是近來(lái)研究的一個(gè)熱點(diǎn)問(wèn)題本文的主要工作體現(xiàn)如下首先通過(guò)對(duì)人臉圖像灰度直方圖的修正消除了光照強(qiáng)度差異對(duì)人臉識(shí)別的影響另外研究表明人臉的表情變化和少許遮掩只影響圖像中的高頻部分的變化由此本文采用兩種方法提取人臉圖像的低頻部分第一種是通過(guò)離散余弦變換的方法提取人臉圖像的相對(duì)穩(wěn)定的低頻子帶然后進(jìn)行反變換得到與低頻區(qū)域相同大小的圖像第二種是采用了小波變換的方法提取一次小波變換后的低頻子帶圖像通過(guò)這兩種變換既消除人臉圖像中表情及姿態(tài)對(duì)識(shí)別率的影響又減小了圖像的分辨率降低了運(yùn)算的復(fù)雜度其次本文分析了四種用于構(gòu)建投影子空間的算法他們分別是主分量分析法PCA平均臉?lè)‵ISHER臉?lè)ㄒ约盎谄骄樅途€形判別分析相結(jié)合的方法單純采用PCA方法來(lái)進(jìn)行人臉特征的提取得到的是人臉的最佳表示特征但對(duì)于分類來(lái)說(shuō)并不是最佳的LDA方法在提取特征的過(guò)程中充分利用了類別的信息可以得到最利于分類的人臉特征但由于人臉特征空間維數(shù)很高無(wú)法直接利用LDA方法提取分類特征為此本文采用了兩種算法第一種算法是FISHER臉?biāo)惴ㄋ紫韧ㄟ^(guò)PCA方法降低人臉特征空間的維數(shù)然后運(yùn)用LDA方法得到最利于分類的投影來(lái)實(shí)現(xiàn)對(duì)人臉的識(shí)別第二種算法首先應(yīng)用平均臉?lè)椒ń档腿四樚卣骺臻g的維數(shù)然后再運(yùn)用LDA方法得到最利于分類的投影來(lái)實(shí)現(xiàn)對(duì)人臉的識(shí)別試驗(yàn)證明采用后兩種方法得到的識(shí)別率較好最后本文采用了兩種不同結(jié)構(gòu)的人工神經(jīng)網(wǎng)絡(luò)構(gòu)建分類器進(jìn)行訓(xùn)練和識(shí)別一種是BP網(wǎng)絡(luò)另一種是RBF網(wǎng)絡(luò)對(duì)于BP網(wǎng)絡(luò)本文采用引入動(dòng)量項(xiàng)的自適應(yīng)變步長(zhǎng)來(lái)調(diào)整學(xué)習(xí)率的算法這樣可以有效地抑制網(wǎng)絡(luò)陷入局部極小縮短學(xué)習(xí)時(shí)間RBF網(wǎng)絡(luò)是一種特殊的兩層網(wǎng)絡(luò)具有全局近似性、極佳的近似能力、學(xué)習(xí)速度快、與其他網(wǎng)絡(luò)相比有更加緊湊的拓?fù)浣Y(jié)構(gòu)等顯著特點(diǎn)本文比較了自組織學(xué)習(xí)法梯度下降法和正交最小二乘法OLS三種RBF網(wǎng)絡(luò)的學(xué)習(xí)算法結(jié)果發(fā)現(xiàn)正交最小二乘法不僅簡(jiǎn)單易行、而且精度高、運(yùn)算速度快最適宜訓(xùn)練RBF網(wǎng)絡(luò)

簡(jiǎn)介：普通滑動(dòng)導(dǎo)軌接觸表面在細(xì)觀尺度上是兩粗糙表面相接觸。當(dāng)兩粗糙表面相互接觸時(shí)，最先接觸的是比較高的微凸體之間的接觸，滑動(dòng)導(dǎo)軌粗糙表面對(duì)導(dǎo)軌精度及摩擦磨損有很大的影響，所以滑動(dòng)導(dǎo)軌磨損研究對(duì)提高導(dǎo)軌性能有重大意義。本文主要的內(nèi)容有首先，采用TAYLHOBSON粗糙度輪廓儀通過(guò)實(shí)驗(yàn)對(duì)滑動(dòng)導(dǎo)軌試件進(jìn)行表面形貌測(cè)量與數(shù)據(jù)的采集，從而獲得滑動(dòng)導(dǎo)軌試件的評(píng)定參數(shù)。再依據(jù)評(píng)定參數(shù)，利用統(tǒng)計(jì)學(xué)方法對(duì)導(dǎo)軌表面形貌進(jìn)行形貌表征，建立了滑動(dòng)導(dǎo)軌結(jié)合面的統(tǒng)計(jì)學(xué)接觸模型微凸體實(shí)際接觸數(shù)量模型、實(shí)際接觸面積模型及實(shí)際接觸載荷模型。然后，根據(jù)滑動(dòng)導(dǎo)軌的摩擦磨損機(jī)理及其經(jīng)典磨損模型，運(yùn)用統(tǒng)計(jì)學(xué)原理構(gòu)建了滑動(dòng)導(dǎo)軌統(tǒng)計(jì)學(xué)的粘著磨損預(yù)測(cè)模型和磨粒磨損預(yù)測(cè)模型，從而為普通滑動(dòng)導(dǎo)軌的基本磨損計(jì)算提供了一種預(yù)測(cè)公式。再運(yùn)用商業(yè)數(shù)學(xué)軟件MATLAB分別對(duì)滑動(dòng)導(dǎo)軌結(jié)合面接觸模型及磨損預(yù)測(cè)模型進(jìn)行了數(shù)字仿真計(jì)算。得出了滑動(dòng)導(dǎo)軌表面真實(shí)接觸微凸體數(shù)量、接觸面積和接觸載荷與基準(zhǔn)間距之間的變化規(guī)律滑動(dòng)導(dǎo)軌粘著磨損預(yù)測(cè)模型與磨粒磨損預(yù)測(cè)模型中不同影響因素對(duì)粘著磨損量與磨粒磨損量的影響變化規(guī)律，為導(dǎo)軌的摩擦磨損研究提供了極大的幫助。最后，運(yùn)用MMU10端面摩擦磨損試驗(yàn)機(jī)對(duì)滑動(dòng)導(dǎo)軌試件進(jìn)行磨損實(shí)驗(yàn)，通過(guò)實(shí)驗(yàn)獲得了導(dǎo)軌磨損性能隨載荷與速度之間的變化關(guān)系并對(duì)磨損后的表面進(jìn)行了形貌觀測(cè)，探討了導(dǎo)軌面不同的磨損機(jī)理實(shí)際導(dǎo)軌滑動(dòng)過(guò)程中產(chǎn)生的磨損主要就是粘著磨損與磨粒磨損，通過(guò)對(duì)比數(shù)字仿真計(jì)算結(jié)果，可知建立的磨損預(yù)測(cè)模型能夠達(dá)到預(yù)測(cè)的目的。

簡(jiǎn)介：密級(jí)學(xué)校代碼10075分類號(hào)學(xué)號(hào)20111033歷史學(xué)碩士學(xué)位論文中國(guó)統(tǒng)計(jì)學(xué)社研究（19301949）學(xué)位申請(qǐng)人梁莎莎指導(dǎo)教師范鐵權(quán)教授學(xué)位類別歷史學(xué)碩士學(xué)科專業(yè)中國(guó)近現(xiàn)代史授予單位河北大學(xué)答辯日期二○一四年六月