提出了一类用于非线性时间序列建模的混合自回归滑动平均模型(MARMA).该模型是由K个平稳或非平稳的ARMA分量经过混合得到的.讨论了MARMA模型的平稳性条件和自相关函数.给出了MARMA模型参数估计的期望极大化(expectation maximization)算...提出了一类用于非线性时间序列建模的混合自回归滑动平均模型(MARMA).该模型是由K个平稳或非平稳的ARMA分量经过混合得到的.讨论了MARMA模型的平稳性条件和自相关函数.给出了MARMA模型参数估计的期望极大化(expectation maximization)算法.运用贝叶斯信息准则(Bayes information criterion)来选择该模型.MARMA模型分布形式富于变化的特征使得它能够对具有多峰分布以及条件异方差的序列进行建模.通过两个实例验证了该模型,并和其他模型进行比较,结果表明MARMA模型能够更好地描述这些数据的特征.展开更多
目的采用自回归移动平均混合模型(autoregressive integrated moving average model,ARIMA)预测未来月份流产数可行性,以期为计划生育相关工作决策提供指导。方法选择2013年1月至2016年12月份流产病例构建ARIMA模型,以贝叶斯信息准则(ba...目的采用自回归移动平均混合模型(autoregressive integrated moving average model,ARIMA)预测未来月份流产数可行性,以期为计划生育相关工作决策提供指导。方法选择2013年1月至2016年12月份流产病例构建ARIMA模型,以贝叶斯信息准则(bayesian information criterion,BIC)值最小为最优模型选择标准;以绝对误差平均值、相对误差平均值和决定系数(R^2)来评价模型精度。结果基于2013-2016年历史数据,以BIC值最小为优模型评价指标,最终ARIMA(0,1,1)×(1,0,1)12用于预测每月流产数有较好的拟合优度(BIC=564.07),且季节性自回归参数、非季节性移动平均参数及季节性移动平均参数均有统计学意义(P<0.0001)。模型精度评价显示,平均绝对误差、平均绝对百分比误差及决定系数分别为36.7、3.60%和0.751。结论本研究提示ARIMA(0,1,1)×(1,0,1)12模型可用于医院流产数预测。每月流产数较多,进一步加强计划生育措施以遏制流产数依旧很必要。展开更多
首先在多分辨四叉树上定义了一个广义多分辨似然比,刻画并且累积了SAR(syntheticaperture radar)图像中目标与背景在不同分辨率上的差异,从而增大了目标与背景之间的区分度。为了达到图像无监督分割目的,提出一个有效的空间变化混合多...首先在多分辨四叉树上定义了一个广义多分辨似然比,刻画并且累积了SAR(syntheticaperture radar)图像中目标与背景在不同分辨率上的差异,从而增大了目标与背景之间的区分度。为了达到图像无监督分割目的,提出一个有效的空间变化混合多尺度自回归(spatially variantm ixture m u ltiscale autoregressive简称SVMMAR)模型方法,利用该模型分别估计出每个分辨率上广义多分辨似然比中一组密度函数的参数。为了考虑被分类象素与周围象素之间的M arkov性,减弱对噪声的敏感性,利用开窗技术来确定中心象素点的类别。实验中与通常的分割技术作了比较,也表明该方法不论从分割的精度,对噪声的敏感度,还是从边缘的光滑度都表明该方法具有较强优势。展开更多
为改善混响背景下传统匹配滤波算法效果不佳问题,在分析其非平稳性、有色性和非高斯性的基础上,提出了混合高斯时变自回归模型(Gaussian mixture Tvar Model,GTM),推导了模型公式及其参数求解方法,形成了GTM回波检测算法。为对混响特性...为改善混响背景下传统匹配滤波算法效果不佳问题,在分析其非平稳性、有色性和非高斯性的基础上,提出了混合高斯时变自回归模型(Gaussian mixture Tvar Model,GTM),推导了模型公式及其参数求解方法,形成了GTM回波检测算法。为对混响特性及滤波效果进行定量描述进而验证算法性能,给出了一种定量衡量混响非平稳性、有色性、非高斯特性的滤波效果评价方法。通过实测混响分析表明,GTM模型能够较好地拟合实测混响的概率密度曲线和功率谱密度曲线,实现了混响背景下回波的有效检测并改善混响特性。展开更多
文摘提出了一类用于非线性时间序列建模的混合自回归滑动平均模型(MARMA).该模型是由K个平稳或非平稳的ARMA分量经过混合得到的.讨论了MARMA模型的平稳性条件和自相关函数.给出了MARMA模型参数估计的期望极大化(expectation maximization)算法.运用贝叶斯信息准则(Bayes information criterion)来选择该模型.MARMA模型分布形式富于变化的特征使得它能够对具有多峰分布以及条件异方差的序列进行建模.通过两个实例验证了该模型,并和其他模型进行比较,结果表明MARMA模型能够更好地描述这些数据的特征.
文摘目的采用自回归移动平均混合模型(autoregressive integrated moving average model,ARIMA)预测未来月份流产数可行性,以期为计划生育相关工作决策提供指导。方法选择2013年1月至2016年12月份流产病例构建ARIMA模型,以贝叶斯信息准则(bayesian information criterion,BIC)值最小为最优模型选择标准;以绝对误差平均值、相对误差平均值和决定系数(R^2)来评价模型精度。结果基于2013-2016年历史数据,以BIC值最小为优模型评价指标,最终ARIMA(0,1,1)×(1,0,1)12用于预测每月流产数有较好的拟合优度(BIC=564.07),且季节性自回归参数、非季节性移动平均参数及季节性移动平均参数均有统计学意义(P<0.0001)。模型精度评价显示,平均绝对误差、平均绝对百分比误差及决定系数分别为36.7、3.60%和0.751。结论本研究提示ARIMA(0,1,1)×(1,0,1)12模型可用于医院流产数预测。每月流产数较多,进一步加强计划生育措施以遏制流产数依旧很必要。
文摘首先在多分辨四叉树上定义了一个广义多分辨似然比,刻画并且累积了SAR(syntheticaperture radar)图像中目标与背景在不同分辨率上的差异,从而增大了目标与背景之间的区分度。为了达到图像无监督分割目的,提出一个有效的空间变化混合多尺度自回归(spatially variantm ixture m u ltiscale autoregressive简称SVMMAR)模型方法,利用该模型分别估计出每个分辨率上广义多分辨似然比中一组密度函数的参数。为了考虑被分类象素与周围象素之间的M arkov性,减弱对噪声的敏感性,利用开窗技术来确定中心象素点的类别。实验中与通常的分割技术作了比较,也表明该方法不论从分割的精度,对噪声的敏感度,还是从边缘的光滑度都表明该方法具有较强优势。
文摘为改善混响背景下传统匹配滤波算法效果不佳问题,在分析其非平稳性、有色性和非高斯性的基础上,提出了混合高斯时变自回归模型(Gaussian mixture Tvar Model,GTM),推导了模型公式及其参数求解方法,形成了GTM回波检测算法。为对混响特性及滤波效果进行定量描述进而验证算法性能,给出了一种定量衡量混响非平稳性、有色性、非高斯特性的滤波效果评价方法。通过实测混响分析表明,GTM模型能够较好地拟合实测混响的概率密度曲线和功率谱密度曲线,实现了混响背景下回波的有效检测并改善混响特性。
