簡介：在系統(tǒng)闡述洪水資源利用、風險管理和新興的計算統(tǒng)計學的基本概念和理論以及研究進展基礎上，提出了水庫洪水資源利用風險管理的基本框架。以水庫分期汛限水位實現洪水資源利用時的防洪風險作為研究對象，對設計規(guī)劃階段防洪風險的風險識別、風險估計和風險評價中風險標準進行深入的研究。在風險識別研究中，首先通過在各種計算方案下，公式計算、自助法和MC逼近方法估算PⅢ的X、CV和CS的標準差和置信區(qū)間的分析比較，驗證了自助法的有效性。然后利用自助法、COPULA函數和隨機模擬方法分析和估算庫容、庫面積和泄流能力、頻率分析和設計洪水、隨機模擬模型中模型參數估計、模擬序列的隨機性和模型等因子的不確定性，并通過它們對調洪高水位或者風險率的影響進行防洪風險識別。結果表明設計洪水中的時段量估算和隨機模擬模型中參數估計的不確定性是主要的不確定性因子，而這兩個不確定性都來源于抽樣誤差；自助法、COPULA函數和隨機模擬等計算統(tǒng)計學方法用于風險識別是可行、有效的，在風險識別中具有一定的推廣應用價值。在風險估計研究中，建立了線性相關、秩相關、輾轉相關和峰量同頻率入庫洪水隨機模擬模型四個風險估計模型。它們既能很好地保持峰量的相關關系又能很好地保持峰量的統(tǒng)計特征，計算出的風險率也較合理。結果表明利用峰量相關關系來模擬入庫洪水是可行的；秩相關模擬是可以應用于相關變量的隨機模擬中；且考慮到秩相關具有分布自由、單調增變換的不變性和可以描述非線性相關關系等穩(wěn)健特性，可以采用秩相關來描述總體服從非正態(tài)分布且各變量間非線性相關的變量間的復雜關系。在風險評價中風險標準研究中，構造了一年中各分期中只要有一期超過防洪標準標就算超過防洪標準的這一復合事件，并用它來表達分期下的防洪標準；在此基礎上，推導出了分期下的重現期公式即當這一復合事件發(fā)生頻率等于1T時，分期設計洪水的防洪標準就是T年一遇；明確了分期設計頻率的物理意義；得出了以設計洪水來描述防洪標準時，可用各期洪峰或者洪量的聯合分布來描述分期設計洪水與防洪標準之間的關系這一結論。隨后，本文在各期間洪峰或者洪量獨立兩種假設下，推導出了洪峰、洪量或峰量同時起控制作用下三種類型水庫的分期設計洪水的設計頻率與防洪標準之間的關系式和重現期公式。最后以潘家口水庫為實例，分別在獨立和相關假設下、采用不同的COPULA函數來建立分期設計洪水的設計頻率與防洪標準之間的關系。前后汛期采用不同頻時的頻率組合和前后汛期同頻下的設計頻率的分析比較表明前后汛期采用相同設計標準時，在獨立假設下各期的設計標準遠低于在相關假設下的標準；前后汛期采用不同設計標準時，在獨立假設下的前后汛期設計標準的組合和相關下的顯著不同；但不同的COPULA函數間結果都差別較??；前后汛期洪水峰量的相關性對設計洪水成果影響很大，不應該盲目采用獨立這一假設。

簡介：點擊查看更多基于統(tǒng)計學習的人工智能在數字游戲和數字娛樂上的應用.pdf精彩內容。

簡介：人臉圖像質量對人臉檢測，人臉識別等各種與人臉圖像相關的系統(tǒng)的執(zhí)行性能具有重大的影響。人臉圖像質量評價與傳統(tǒng)的圖像質量評價有很大的不同。本文針對人臉圖像質量評價所做的研究工作可以歸納以下幾點1制定人臉圖像質量標準，并請十位志愿者嚴格按照該標準對人臉圖像進行質量分類，取其平均值作為最終結果；2對LIBSVM算法作改進和優(yōu)化，并引入并行計算技術，極大地提高了訓練和測試的速度；3提取GAB小波特征，利用改進后的LIBSVM算法訓練分類器，使用具有層次結構的決策二叉樹進行多分類的人臉圖像質量評價實驗；4引入多分類器融合的方法，通過對多個較優(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。課題研究中所實現的使用機器學習進行無參考人臉圖像質量評價的方法，對于無參考圖像質量評價具有很好的指導意義，為今后的進一步研究打下了良好的基礎。

簡介：在所有的突發(fā)公共衛(wèi)生安全事件中，影響最嚴重的當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，還容易造成社會大眾的心理恐慌，造成國家經濟和社會方方面面的動蕩局面。而傳染病預測預警技術的產生與發(fā)展，對防范傳染病爆發(fā)，及時有效的采取應對措施就顯得尤為重要。在諸多統(tǒng)計學學習理論中，應用于預測預警方面的方法有很多并且表現都不錯。本文主要選取了三種常用的統(tǒng)計模型，選取傳染病中的結核病為對象，通過對收集到的結核病數據進行統(tǒng)計分析，應用10折交叉檢驗的方發(fā)比較得出在結核病預測預警方面表現比較好的模型。本文首先介紹了突發(fā)傳染病事件近些年來的狀況以及它給人們的生活帶來的影響。同時介紹了各個國家面對突發(fā)事件做出了哪些應對措施，通過分析各個國家應用不同統(tǒng)計方法預測傳染病模型的優(yōu)缺點，最終本文選擇了三種統(tǒng)計模型，以結核病為傳染病的代表，比較分析這三種模型在傳染病的預測預警方面的表現。其次，分別介紹了結構方程模型、人工神經網絡模型和隨機森林模型這三種模型的基礎理論知識。最后進行實證分析。應用R軟件程序語言，對收集到的大連市各個學校的結核病數據進行數據處理分析。結果得到結構方程模型可以將不可觀測的隱變量用多個可觀測的指標表示出來，而且能很好的表示隱變量之間的因果關系。但結構方程的局限性是它本身是一種驗證性的模型，因此不同的模型可能出現不同的結果。人工神經網絡的非線性處理能力很好，但是容易出現過擬合現象。隨機森林處理數據過程快，而且不容易發(fā)生過擬合現象。從人工神經網絡和隨機森立的10折交叉驗證結果顯示，隨機森林模型的擬合度更高，更穩(wěn)定。

簡介：如何解決語言的歧義問題一直困擾著自然語言處理技術的研究人員。語言的歧義最重要的一個表現就是一詞多義現象。如何根據歧義詞出現的上下文語言環(huán)境識別出正確詞義是詞義識別要解決問題。在自然語言理解領域詞義識別是應用基礎研究課題也是自然語言理解的重點和難點之一。早期的詞義識別研究以基于規(guī)則的方法為主近些年米隨著計算技術和存儲技術的改進和提高統(tǒng)計學習方法越來越受到廣泛的歡迎迅速成為了主流的研究方法。有監(jiān)督的學習方法應用于詞義識別可以獲得較高的識別精度但是該類方法需要有規(guī)模足夠大的訓練樣本這樣的樣本不是容易獲得。無監(jiān)督的方法不需要人工標注訓練樣本但是詞義識別相對效果不是十分理想。本文分析了統(tǒng)計詞義識別研究需要解決的幾個關鍵性問題。從詞典資源和語料庫資源的建設到詞義識別問題的建模方法以及詞義分類問題的特征選擇對所涉及的問題都一進行了討論。在這些基礎上本文最后給出了詞義類擴展思想并探討了如何將其應用于統(tǒng)計詞義識別的研究上。本文研究成果和創(chuàng)新如下1從詞義的可計算性角度探討詞義刻畫與詞義識別的關系探討如何通過科學控制詞義刻畫粒度來重新整合現有的詞典資源建設新的機讀詞典更好地為同義識別的應用服務。實驗分析說明詞義刻畫粒度的大小直接影響了詞義識別的精度適當控制詞義粒度再不產生二義性的前提下可以提高詞義識別的精度。本文提出在詞義再刻畫的基礎上整合現有詞典資源建設面向詞義計算的新的分類詞典2在探討而向詞義識別的特征選擇方法的基礎上提出以信息增益改進貝葉斯模型的詞義識別新方法。實驗中以樸素貝葉斯模型、最大熵方法和支持向量機建立的詞義分類器作為參照模型討論信息增益改進貝葉斯模型的效果。實驗結果顯示參照系中使用最大熵和支持向量機構建的詞義分類器都比樸素貝葉斯模型強其中基于支持向量機的詞義分類器最好而經過信息增益改進的貝葉斯模型在詞義識別上表現更突出實驗結果比SVM還要高出14個百分點獲得了對比實驗中最優(yōu)的識別結果3從語料庫資源難于大規(guī)模建設的角度出發(fā)實驗分析和探討了人造歧義詞技術的使用問題并在此基礎卜提出替換詞的概念以及基于替換詞技術的詞義識別新方法。實驗結果表明人造歧義詞技術可以幫助研究者緩解訓練語料短缺的壓力源于此的替換詞技術可以讓研究者避開人工標注訓練樣本實現一種無監(jiān)督的詞義識別方法。實驗結果表明基于替換詞技術的詞義識別方法具有較高的識別精度4針對詞義識別訓練語料規(guī)模不足夠大的問題提出了詞義類擴展思想和基于詞義類擴展的詞義識別新方法。該方法通過詞義類擴展可以在有限訓練語料中獲得更多的詞義信息提高訓練的效率改善詞義識別的效果此外詞義類擴展技術可以從無詞義標注無詞義標記等先驗知識的生語料中統(tǒng)計相關詞語信息以此來為小規(guī)模的訓練樣本提供補充。實驗結果表明基于詞義類擴展思想的方法提高了訓練語料的使用效率改善了有監(jiān)督詞義識別的效果這為增強小規(guī)模訓練樣本的統(tǒng)計學習效果提供一個嶄新的思路。綜上所述本文在資源建設、詞義識別的建模、特征選擇以及如何突破訓練語料規(guī)模的限制實現無監(jiān)督詞義識別和改善有監(jiān)督的詞義識別方法上都作了一些有益的嘗試取得了一些初步成果。隨著詞義識別研究的不斷深入會涌現出更多更好的新的解決思路和方案。

簡介：點擊查看更多基于統(tǒng)計學習的視頻文字檢測與定位研究.pdf精彩內容。

簡介：與2D成像技術相比3D成像技術能給終端用戶帶來震撼和逼真的臨場體驗因此在研究領域和應用領域受到了極大的關注并被廣泛地應用在3DTV、遠程教育和醫(yī)療衛(wèi)生等行業(yè)中。近幾十年來大量的研究人員投入到3D成像技術的相關研究中這些技術大大加快了3D成像在生活中的應用。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準來對3D成像技術進行評價。立體圖像內容本身、觀看終端顯示器或者觀看者本人都有可能引起視覺不舒適的癥狀本文重點從立體圖像本身內容角度出發(fā)用統(tǒng)計的方法設計了一個立體圖像質量客觀評價方案。論文首先介紹了立體圖像客觀質量評價的研究背景、現狀以及與之相關的人眼視覺特性等知識在此基礎上提出了將基于統(tǒng)計學習的支持向量機SUPPTVECTMACHINESVM分別和主成分分析PRINCIPALCOMPONENTANALYSISPCA、獨立成分分析INDEPENDENTCOMPONENTANALYSISICA相結合實現立體圖像質量客觀評價的方法。在該方法中PCA和ICA分別用來對立體圖像進行預處理以獲得立體圖像的二階獨立特征和高階獨立特征達到去除冗余和降維的效果作為分類器基于統(tǒng)計理論的SVM被用于對提取出的統(tǒng)計特征進行判斷從而實現對立體圖像質量的客觀評價。本文采用的立體圖像樣本共371幅其中130幅不同等級的圖像作為訓練樣本剩余241幅不同等級圖像作為測試樣本。另外本文提出對不同特征維數的ICA和PCA系統(tǒng)性能進行比較。實驗結果表明當特征維數在12時ICA結合SVM的方法取得了9336％的識別率當特征維數為18時PCA結合SVM的方法取得了9378的最高識別率。通過對兩者的比較我們找到了更加適合立體圖像質量評價的方法同時也為PCA和ICA在立體成像技術中的應用提供了一種新思路。

簡介：隨著互聯網規(guī)模的日益擴大，其承載的業(yè)務和應用也相應快速增長，人們在享受INTER帶來種種便利的同時，網絡安全問題日漸突出，給網絡監(jiān)管提出了重大的挑戰(zhàn)。作為判別網絡運行是否正常的關鍵，網絡流量的數據分析技術是通過及時發(fā)現網絡中的異常流量以采取相應措施來保持網絡正常運行的一種手段。因此，異常流量分析技術的研究在網絡管理中顯得尤為重要，對提高網絡的可用性和可靠性，保證網絡的服務質量具有重大的意義。根據網絡流量數據的特點，本文研究了基于統(tǒng)計學習理論的網絡異常流量分析技術。首先，探討了目前網絡流量研究的主要內容和發(fā)展趨勢，比較了現有的流量分析技術，并且分析其各自的優(yōu)缺點。針對現有方法存在的處理高維數據困難、樣本流量需求大、網絡特征分析算法復雜度高等問題，利用支持向量機對小樣本集具有泛化能力強，分類精度高的優(yōu)點，深入論述該方法在異常流量分析中的適用性，提出應用支持向量機進行網絡異常流量的分類、識別和分析方法；其次，采用網絡偵聽技術獲取網絡流量，解決了流量采集過程中對網絡設備影響大、存儲困難等問題；然后，論證了應用信息熵作為流量特征的原理，以及特征向量的預處理方法，簡化了網絡流量數據的特征選擇與特征提取的步驟；最后，以P2P流量檢測為例，將支持向量機應用到P2P流量和常規(guī)網絡流量的分類識別中，獲得較好的效果。并通過訓練結合交叉驗證法得到了合理的核函數參數和分類器，探討了主要參數的調整對支持向量機性能的影響。在上述研究的基礎上，本文設計了網絡異常流量分析系統(tǒng)，總體結構采用模塊化設計，實現網絡數據處理、特征提取、訓練、分類等功能，為網絡管理提供了重要的決策依據。

簡介：點擊查看更多基于有限集統(tǒng)計學業(yè)的多目標跟蹤算法研究.pdf精彩內容。

簡介：題（中、英文）（中、英文）目圖像處理技術與統(tǒng)計學方法圖像處理技術與統(tǒng)計學方法在自動化年輪分析系統(tǒng)中的應用在自動化年輪分析系統(tǒng)中的應用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教授教授代號代號分類號分類號學號學號密級密級1070110701TP3115TP3115公開公開10784905851078490585UDC編號編號學校指導教師姓名職稱學校指導教師姓名職稱工程領域工程領域企業(yè)指導教師姓名職稱企業(yè)指導教師姓名職稱論文論文類型類型技術論文技術論文西安電子科技大學西安電子科技大學學位論文獨創(chuàng)性聲明學位論文獨創(chuàng)性聲明秉承學校嚴謹的學風和優(yōu)良的科學道德，本人聲明所呈交的論文是我個人在導師指導下進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注和致謝中所羅列的內容以外，論文中不包含其他人已經發(fā)表或撰寫過的研究成果；也不包含為獲得西安電子科技大學或其它教育機構的學位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中做了明確的說明并表示了謝意。申請學位論文與資料若有不實之處，本人承擔一切法律責任。本人簽名日期西安電子科技大學西安電子科技大學關于論文使用授權的說明關于論文使用授權的說明本人完全了解西安電子科技大學有關保留和使用學位論文的規(guī)定，即研究生在校攻讀學位期間論文工作的知識產權單位屬西安電子科技大學。學校有權保留送交論文的復印件，允許查閱和借閱論文；學?？梢怨颊撐牡娜炕虿糠謨热荩梢栽试S采用影印、縮印或其它復制手段保存論文。同時本人保證，畢業(yè)后結合學位論文研究課題再撰寫的文章一律署名單位為西安電子科技大學。（保密的論文在解密后遵守此規(guī)定）本學位論文屬于保密，在年解密后適用本授權書。本人簽名導師簽名日期日期

簡介：統(tǒng)計學習理論是處理小樣本學習問題的重要理論，但該理論是建立在概率空間上基于實隨機樣本的，它難以處理現實世界中客觀存在的非概率空間上基于非實隨機樣本的小樣本統(tǒng)計學習問題。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樣本的統(tǒng)計學習理論。首先，給出了復不確定變量及其分布函數、期望和方差的概念，證明了不確定空間上基于復樣本的MARKOV不等式、CHEBYSHEV不等式和KHINTCHINE大數定律；其次，引入了不確定空間上基于復樣本的復經驗風險泛函、復期望風險泛函、復經驗風險最小化原則以及復嚴格一致收斂的定義，證明了不確定空間上基于復樣本的學習理論的關鍵定理；最后，討論了不確定空間上基于復樣本的學習過程一致收斂速度的界。

簡介：隨著計算機技術和互聯網技術的發(fā)展，越來越多的用戶正在使用P2P軟件進行資源下載、視頻觀看、信息共享等等。P2P系統(tǒng)用戶量快速增長，已成為當前網絡最重要的應用之一。但是，P2P軟件的廣泛使用，給互聯網的網絡帶寬帶來了十分巨大的影響。有研究數據表明，目前P2P應用使用的網絡流量已經大大超出了HTTP協(xié)議產生的網絡流量，已經成為網絡帶寬占用率最大的部分。針對P2P占用大量網絡流量的問題，網絡運營商提出并使用了許多種方案對P2P應用軟件流量的限制和網絡監(jiān)控，但是這些方法都無法改變目前運營商和P2P使用者之間的問題。P2P網絡大流量問題的本質原因在于P2P應用軟件使用的交換原理，P2P網絡強調網絡中的節(jié)點是絕對“平等”的，但是在物理空間鄰近的節(jié)點在邏輯網絡中不一定相近，跨地區(qū)的資源共享會導致網絡帶寬的浪費。本文主要提出一種基于統(tǒng)計學習的節(jié)點選擇算法?；诮y(tǒng)計學習的原理，利用相似性度量的方法，使節(jié)點根據地理位置的相似度進行聚類構建鄰居網絡，對于同一鄰居網絡優(yōu)先選擇上傳能力強、穩(wěn)定性好的節(jié)點進行資源下載。此外，本文對提出的算法進行了仿真模擬實驗，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間，從而有效的改善P2P系統(tǒng)的整體性能。

簡介：人臉識別技術是模式識別和機器視覺領域最富挑戰(zhàn)性的研究課題之一也是近來研究的一個熱點問題本文的主要工作體現如下首先通過對人臉圖像灰度直方圖的修正消除了光照強度差異對人臉識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離散余弦變換的方法提取人臉圖像的相對穩(wěn)定的低頻子帶然后進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這兩種變換既消除人臉圖像中表情及姿態(tài)對識別率的影響又減小了圖像的分辨率降低了運算的復雜度其次本文分析了四種用于構建投影子空間的算法他們分別是主分量分析法PCA平均臉法FISHER臉法以及基于平均臉和線形判別分析相結合的方法單純采用PCA方法來進行人臉特征的提取得到的是人臉的最佳表示特征但對于分類來說并不是最佳的LDA方法在提取特征的過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很高無法直接利用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臉算法它首先通過PCA方法降低人臉特征空間的維數然后運用LDA方法得到最利于分類的投影來實現對人臉的識別第二種算法首先應用平均臉方法降低人臉特征空間的維數然后再運用LDA方法得到最利于分類的投影來實現對人臉的識別試驗證明采用后兩種方法得到的識別率較好最后本文采用了兩種不同結構的人工神經網絡構建分類器進行訓練和識別一種是BP網絡另一種是RBF網絡對于BP網絡本文采用引入動量項的自適應變步長來調整學習率的算法這樣可以有效地抑制網絡陷入局部極小縮短學習時間RBF網絡是一種特殊的兩層網絡具有全局近似性、極佳的近似能力、學習速度快、與其他網絡相比有更加緊湊的拓撲結構等顯著特點本文比較了自組織學習法梯度下降法和正交最小二乘法OLS三種RBF網絡的學習算法結果發(fā)現正交最小二乘法不僅簡單易行、而且精度高、運算速度快最適宜訓練RBF網絡

簡介：普通滑動導軌接觸表面在細觀尺度上是兩粗糙表面相接觸。當兩粗糙表面相互接觸時，最先接觸的是比較高的微凸體之間的接觸，滑動導軌粗糙表面對導軌精度及摩擦磨損有很大的影響，所以滑動導軌磨損研究對提高導軌性能有重大意義。本文主要的內容有首先，采用TAYLHOBSON粗糙度輪廓儀通過實驗對滑動導軌試件進行表面形貌測量與數據的采集，從而獲得滑動導軌試件的評定參數。再依據評定參數，利用統(tǒng)計學方法對導軌表面形貌進行形貌表征，建立了滑動導軌結合面的統(tǒng)計學接觸模型微凸體實際接觸數量模型、實際接觸面積模型及實際接觸載荷模型。然后，根據滑動導軌的摩擦磨損機理及其經典磨損模型，運用統(tǒng)計學原理構建了滑動導軌統(tǒng)計學的粘著磨損預測模型和磨粒磨損預測模型，從而為普通滑動導軌的基本磨損計算提供了一種預測公式。再運用商業(yè)數學軟件MATLAB分別對滑動導軌結合面接觸模型及磨損預測模型進行了數字仿真計算。得出了滑動導軌表面真實接觸微凸體數量、接觸面積和接觸載荷與基準間距之間的變化規(guī)律滑動導軌粘著磨損預測模型與磨粒磨損預測模型中不同影響因素對粘著磨損量與磨粒磨損量的影響變化規(guī)律，為導軌的摩擦磨損研究提供了極大的幫助。最后，運用MMU10端面摩擦磨損試驗機對滑動導軌試件進行磨損實驗，通過實驗獲得了導軌磨損性能隨載荷與速度之間的變化關系并對磨損后的表面進行了形貌觀測，探討了導軌面不同的磨損機理實際導軌滑動過程中產生的磨損主要就是粘著磨損與磨粒磨損，通過對比數字仿真計算結果，可知建立的磨損預測模型能夠達到預測的目的。

簡介：密級學校代碼10075分類號學號20111033歷史學碩士學位論文中國統(tǒng)計學社研究（19301949）學位申請人梁莎莎指導教師范鐵權教授學位類別歷史學碩士學科專業(yè)中國近現代史授予單位河北大學答辯日期二○一四年六月