加拿大山猫数据的几种时序模型分析

本文利用四种时间序列模型,即自回归模型、组合模型、疏系数自回归模型、门限自回归模型,分别对时间序列分析中一组有名数据,即加拿大山猫数据,进行模型拟合,并对得到的四个模型及预报结果进行了分析和比较。     

基于SARIMA-SVM组合模型的战时军用物资需求预测

针对战时非平稳、非线性环境下预测难题,利用季节性差分自回归移动平均模型(SARIMA)和支持向量机模型(SVM)分别对线性和非线性时间序列的较强拟合能力,采用SARIMA对军用物资需求量时间序列数据进行线性建模,并用SVM对SARIMA模型残差进行非线性建模,将SARIMA模型与SVM模型组合对战时需求进行预测,结果表明,SARIMA-SVM组合模型预测精度明显优于单一模型,发挥了两种模型各自的优势,与滑动平均模型(MA)相比更具优势.该组合模型是切实可行的,可为战时军用物资供应提供决策依据.     

修正EWMA控制图在MAP中的应用

导弹测发控设备的计量保证方案中,数据存在自相关。依据时间序列模型得到的残差控制图在解决此类问题上的使用较为广泛。但是,时间序列模型往往是根据样本观测值拟合而来,模型自回归参数估计不准确。在模型存在错误的情况下,设计的控制限会过窄,导致虚假警报频生。针对此类问题,在模型下,研究了基于指数加权平均移动控制图(EWMA)在自相关以及自回归参数估计不足情况下的控制图性能。另外,给出了修正控制限后的控制图性能研究,比较得出修改控制限的重要性。同时,结合实例进一步验证了修改控制限的控制图具有更好的性能,降低了控制图虚发警报的概率。     

改进非等间距GM(1,1)-BP模型的导弹退化状态预测

为提高导弹退化状态预测的精度,结合导弹测试数据不等时间间隔的特点,提出了一种基于改进非等间距GM(1,1)-BP模型的导弹退化状态预测方法。对传统非等间距GM(1,1)模型的背景值和初始条件进行优化,引入新陈代谢思想,在此基础上,构造灰色模型拟合值与实际值的差值序列,进而建立差值序列的BP神经网络预测模型,还原得到最终预测值,提高了预测精度。此设计方法结合了灰色模型对趋向性数据的预测优势和BP神经网络强大的非线性拟合能力,达到了取长补短、相得益彰的效果。通过导弹测试数据的预测实例,验证了方法的有效性和优越性。     

基于测试数据时间序列的导弹故障预测

提出基于导弹测试数据的时间序列预测方法。以实际测试数据为例,建立了导弹故障预测模型。在对原数据序列分析基础上进行了趋势拟合,并进行了残差序列的识别及模型拟合,应用经过模型检验和参数检验后得到的组合模型进行参数预测,证明了不论是点预测还是区间预测,都能有效地提高导弹故障预测准确性。     

超低频大气噪声幅度概率的SαS分布法

为正确辨识超低频大气噪声的幅度概率分布类型,对其进行有效抑制,首先,假设实际大气噪声幅度概率分布服从SαS(symmetric α stable)分布,从而估计出分布的模型参数;然后,由此计算出该参数下SαS分布的理论幅度概率分布并生成服从SαS分布的随机样本;最后,采用与实际数据APD比较和做Q-Q图的方法验证了分布拟合的正确性。结果表明:SαS分布可以有效地描述出超低频大气噪声的幅度概率分布。     

中国国防支出的时间序列分析及政策阐释

文章选取1952年～2010年的中国国防支出数据,用CPI对当年价格的国防支出数据进行调整得到实际国防支出。借助Eviews6.0对实际国防费的时间序列进行平稳性检验,并分别建立时间趋势分解模型和ARMA模型。通过对拟合效果分析,认为1990年至今我国实际国防支出的波动周期变短、波动幅度变大。     

灰色直接迭代建模在武器故障预报中的应用

武器系统故障数据常呈现出非等时距、随机性及非准光滑特性,不满足GM(1,1)的建模条件。为此,引入故障信息序列的导数作为建模的白化值,并使用迭代优化算法进行参数优化,从而构建灰色直接迭代GM(1,1)模型。同时,直接迭代建模可有效利用数据第一点的信息,建模时不需累加生成变换和还原处理,算法简单可行,可以有效解决武器系统贫信息状态下的故障预报问题。仿真结果验证了该模型对于实际武器故障序列具有较高的拟合和预测精度。为了解和掌握武器质量状态的发展规律提供了可行的方法。     

中国国防费时间序列预测模型构建

文章综合运用B-J时间序列建模方法,对中国国防费时间序列平稳性进行了判别;采用单位根方法检验了时间序列的单整阶数;利用自相关函数和偏自相关函数判别了时间序列模型的自回归阶数(AR(p))和移动平均阶数(MA(q));构建了中国国防费时间序列模型,并进行了分析和预测。     

高可靠性软件的极值统计分析

提出了极值统计分析的方法.对于失效数据极值分布函数的拟合检验,采用了相关系数法;对于母体分布的参数估计,则分别采用了最小二乘估计(LSE)和极大似然估计(MLE);最后通过一个实例说明了统计过程,并用模拟的方法证明了最小二乘估计较好.     

基于DCT的帧内视频编码器的缓存控制技术

提出一种基于ＤＣＴ的帧内视频编码器的缓存控制技术。它根据视频图像各种子块的比例及其相应的Ｒ－Ｑ曲线确定量化因子，通过再编码，调整子块Ｒ－Ｑ曲线的拟合参数使其自适应视频图像的场景变化。同时本文提出了一个简单有效的图像子块分类方法，分类结果基本上与根据编码子块所需比特数分类子块的结果相一致。此法用于缓存控制的额外计算量小，并能扩展应用于Ｈ．２６１、ＭＰＥＧ等视频编码标准中。模拟结果表明，此法在视频序列的场景发生变化时，再编码次数少，输出码率恒定。     

一种基于DSP的雷达/电视视频图像压缩解压缩技术

在基于多媒体DSP处理器DM642并行处理平台上,提出一种雷达、电视视频图像压缩解压缩技术系统方案。采用多尺度小波分解技术和MPEG4压缩解压缩技术,分别对采样后的雷达视频、电视及红外视频数据压缩并分发到网络,由终端接收解压缩后融合实现多层多窗口综合显示。应用该方案可以实现舰载视频传感器和显控台以及武器系统的动态组合,提高装备的使用灵活性。     

一种开放式视频管理框架

对视频进行有效管理的依据是其“内容”。视频具有多模态性,其内容也具有层次性,可用三维模型来描述视频内容。据此,提出了一种开放式视频管理框架。在该框架中,视频中的各层内容与视频数据相对独立地存储与管理,用关联机制建立起视频数据与内容的联系。通过这种机制,能够形成视频数据与内容之间的多种逻辑描述,适用于对多种视频的管理,并且可以对视频进行“多模态查询”。     

监控视频运动目标的频繁轨迹模式挖掘

运用数据挖掘的方式分析运动轨迹数据在目前可以说是一种尝试。基于传统数据挖掘方法Apriori的思想,提出了一种监控视频运动目标的频繁轨迹模式挖掘算法。首先以特征点表示连续的运动目标轨迹,然后设计了一种轨迹相似度测量机制,最后基于相似度测量获得的轨迹段频率,将Apriori挖掘算法应用到2D运动轨迹数据,从中发现频繁轨迹隐含的一些感兴趣模式。实际的和人工生成的轨迹数据实验表明了算法的正确有效性。     

一种基于EDU模型的新闻视频摘要方法

现有的视频摘要技术缺乏一个统一、可扩充的视频摘要模型。针对该缺陷,提出了实体-描述-效用模型(简称EDU模型),该模型从视频实体出发,经过描述得到效用,并最终根据效用来生成视频摘要,该模型具有可扩展性。对EDU模型进行了详细阐述,并根据该模型,提出了新闻视频故事摘要生成的方法。实验结果表明,该方法具有令人满意的效果。     

小波变换在雷达视频压缩中的应用

针对工程应用中雷达视频数据量大、难于实时传输的问题,分析了雷达视频数据的信息冗余和信号相关等特点,提出了一种基于小波变换的雷达视频数据压缩算法,并用该算法对实际采集的某型雷达视频数据进行压缩、解压缩处理。结果表明:该算法具有较高的压缩比和较好的信号恢复质量,具有一定的实用价值。     

MPEG音频层Ⅲ解码算法的仿真及定点化

应用MPEG音频层Ⅲ压缩算法的MP3音乐格式 ,以其较高的压缩比及近乎CD的音质得到广泛流行。论文在完成MPEG音频层III解码算法C + +语言仿真的基础上 ,对算法进行了定点化 ,以实现基于定点DSP的音频层III实时解码     

基于DSP平台的H.324系统研究与实现

在分析H.324系统中双向视音频编解码所需要的运算量和存储容量的基础上,选择两片高速DSP芯片TMS320VC5509,合理分配资源,对视频编解码中关键代码进行优化,设计和实现了双向视音频编解码的实时H.324系统。特别是在定点DSP上采用了整数变换代替浮点DCT,消除了浮点运算,减少了运算量,给出了实验结果。     

辅助足球视频切分的音频自动分类与分段

视频伴随音轨的自动分类与分段是辅助视频切分的一种有效手段。从足球视频的特征入手,归纳总结出足球视频中三类主要的音频类型,既而提出了基于HMM并且结合一定平滑策略的音频自动分类和分段的框架,在实现音频分类分段的同时完成了足球视频的切分。初步的实验结果验证了该方法的有效性和鲁棒性。     

ViCowel：一种支持视频组播应用的可伸缩性小波视频编码方法

WebLearning+是作者开发的基于IP组播的协同学习环境,可伸缩性视频编解码及其自适应组播传输是系统研制中的核心技术。针对WebLearning+中自适应视频组播对编解码器的要求,提出了一种基于行扫描的可伸缩性小波视频编码方法ViCowel。实验结果表明该方法对于视频组播应用具有较好的适应性。