簡介：學校代碼10459學號或申請?zhí)?01412091316密級碩士學位論文基于數(shù)理統(tǒng)計學的烏孫墓葬研究作者姓名劉露露導師姓名孫危教授學科門類歷史學專業(yè)名稱考古學培養(yǎng)院系歷史學院完成時間2017年5月學位論文原創(chuàng)性聲明學位論文原創(chuàng)性聲明本人鄭重聲明所呈交的學位論文，是本人在導師的指導下，獨立進行研究所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的科研成果。對本文的研究作出重要貢獻的個人和集體，均已在文中以明確方式標明。本聲明的法律責任由本人承擔。學位論文作者日期年月日學位論文使用授權聲明學位論文使用授權聲明本人在導師指導下完成的論文及相關的職務作品，知識產(chǎn)權歸屬鄭州大學。根據(jù)鄭州大學有關保留、使用學位論文的規(guī)定，同意學校保留或向國家有關部門或機構送交論文的復印件和電子版，允許論文被查閱和借閱；本人授權鄭州大學可以將本學位論文的全部或部分編入有關數(shù)據(jù)庫進行檢索，可以采用影印、縮印或者其他復制手段保存論文和匯編本學位論文。本人離校后發(fā)表、使用學位論文或與該學位論文直接相關的學術論文或成果時，第一署名單位仍然為鄭州大學。保密論文在解密后應遵守此規(guī)定。學位論文作者日期年月日

簡介：人臉檢測FACEDETECTION是指在輸入圖象中確定所有人臉如果存在的位置、大小、位姿的過程。人臉檢測作為人臉信息處理中的一項關鍵技術，近年來成為模式識別與計算機視覺領域內(nèi)一項受到普遍重視、研究十分活躍的課題。人臉檢測方法主要劃分為基于知識的人臉驗證方法和基于統(tǒng)計的學習方法。基于知識的人臉驗證方法速度較快但檢測率低，而且往往對多姿態(tài)的人臉無能為力，而基于統(tǒng)計學習的方法檢測率高但速度較慢，對各種姿態(tài)的人臉都有一定檢測能力。本文結合了二者的長處，設計出了一套檢測率高，且對多姿態(tài)臉有一定檢測能力的系統(tǒng)。本文首先采用HIN標準選擇出了在不同色彩空間中膚色聚類特性最好的CB，CR，H，I分量，形成“混合膚色模型”，綜合利用色調(diào)、色度和亮度分量對膚色進行分割。然后利用區(qū)域的矩特性進行分析得到合法區(qū)域，大大縮小了下一步分類器的搜索范圍。本文采取的統(tǒng)計學習的方法是PAUL和VIOLA，在ROBUSTREALTIMEOBJECTDETECTION提出的。論文對原始算法做出了一些改進，首先應用了一種新的矩形特征，然后對原ADABOOST的權值更新規(guī)則進行了修改，提高了算法的魯棒性。

簡介：該文所采用的兩個主要分析工具即小波和統(tǒng)計學理論都是從不依賴于數(shù)學模型的角度來實現(xiàn)對過程的監(jiān)測其中小波是從信號處理和函數(shù)逼近的角度來處理過程數(shù)據(jù)而多元統(tǒng)計分析則用于建立過程監(jiān)測模型這是通過對過程數(shù)據(jù)的統(tǒng)計分析來實現(xiàn)的這兩種方法相互配合在整個過程監(jiān)測系統(tǒng)中承擔著不同的任務該文的主要內(nèi)容包括如下幾個方面①系統(tǒng)地介紹了過程監(jiān)測的基本概念和內(nèi)容對基于數(shù)學模型和不依賴于數(shù)學模型的故障診斷方法進行了比較指出了后者在流程工業(yè)監(jiān)測中的優(yōu)越性②針對過程變量的多率采樣問題提出了一種基于小波多尺度分析理論的誤差遞階補償算法實現(xiàn)對高頻采樣信號的重構并給出了算法的精度分析③指出了過程數(shù)據(jù)濾波的特點及要求闡述了小波閾值濾波和魯棒小波分解的思想對數(shù)據(jù)在線多尺度分解中的關鍵技術進行了研究給出了平移不變小波分解和區(qū)間小波分解的算法實現(xiàn)④采用小波閾值密度估計器研究了過程數(shù)據(jù)的概率密度函數(shù)逼近問題給出了適合工業(yè)應用的估計器網(wǎng)格結構、平滑參數(shù)和系數(shù)閾值的確定方法提出利用QQ圖迭代檢驗以消除粗差數(shù)據(jù)對密度估計的影響⑤對PCA監(jiān)測方法的特點及其內(nèi)涵進行了研究⑥提出了一種改進的PCA方法MPCA采用主元相關變量殘差統(tǒng)計量PVR代替通常的平方預測誤差SPE統(tǒng)計量用于對工業(yè)過程的監(jiān)測⑦基于MPCA監(jiān)測方法對故障的重構、識別以及分離等重要問題進行了系統(tǒng)和定量的分析⑧從過程監(jiān)測的角度出發(fā)闡述了化工過程有向圖模型的基本概念歸納了已有的各種傳感器設置方法并結合故障子空間方法的特點定性地研究了考慮故障可觀性與分辨率時的傳感器網(wǎng)絡設置問題⑨研究了過程趨勢的暫態(tài)事件定義和三角形原語描述以及過程信號的多尺度特征提取的實現(xiàn)方法提出了一個針對過程工業(yè)實際情況的、集成的過程監(jiān)測系統(tǒng)框架體系并闡述了其中各主要模塊的功能最后對過程監(jiān)測中的方法論進行了討論闡述了作者在該問題上的觀點并對未來的研究課題進行了展望

簡介：視頻包含了最豐富的信息而與此同時也意味著它需要巨大的存儲容量和存在著復雜的語義內(nèi)容用傳統(tǒng)的手工索引和順序查找方法在大量的視頻數(shù)據(jù)中查找所需的視頻片斷是一項繁瑣且耗時的工作很難滿足視頻數(shù)據(jù)庫的性能需求而用戶所需要的是通過內(nèi)容進行查找即通過一些給定的樣例或特征描述便可得到所期望的視頻片斷由于視頻數(shù)據(jù)的復雜結構和時間上的多變性使得通過內(nèi)容對視頻進行索引成為大家關注的熱點和難點問題研究人員已經(jīng)提出了各種各樣的方法與技術試圖解決這個難題基于內(nèi)容的視頻索引中的主要步驟有視頻分割、關鍵幀的選擇、靜態(tài)特征與動態(tài)特征的提取以及視頻聚類等論文中我們在視頻分割、關鍵幀選擇方面做了以下主要工作1、討論了視頻鏡頭邊緣檢測問題并對鏡頭分割中的常用算法進行了分析2、我們在分析、對比原有視頻字幕提取算法的基礎上提出了一種基于支撐矢量機的小波域視頻字幕檢測與提取算法它利用小波變換域中的統(tǒng)計特征和支撐矢量機分類器使得算法有較強的魯棒性和普適性3、視頻的關鍵幀表示適合于在有限的存儲空間或傳輸帶寬條件下對視頻進行檢索與瀏覽因此生成與具體條件相適應的關鍵幀就顯得至關重要為此本文提出了一種條件約束的關鍵幀選取算法它可以根據(jù)具體的要求動態(tài)調(diào)整所生成關鍵幀的幀數(shù)4、通過分析視頻關鍵幀構建了一個適合關鍵幀表示的數(shù)學模型在這個模型的基礎上我們提出了一種基于多克隆選擇的視頻關鍵幀選取算法該算法把選取關鍵幀的問題轉(zhuǎn)化為一個優(yōu)化的問題并用多克隆選擇算法求解仿真實驗表明本文的算法是可行的且有效的

簡介：隨著信息技術的發(fā)展和網(wǎng)絡的進一步普及，人們對資源安全的要求越來越高。傳統(tǒng)身份認證技術（如用戶名和口令）已經(jīng)無法滿足身份認證安全性的需要。因此，人們將目光轉(zhuǎn)投到克服傳統(tǒng)身份認證缺點的生物認證技術上。而擊鍵生物認證技術作為生物認證技術的一種，具有唯一性、隨身性等特點的同時，還有區(qū)別于其他生物認證技術的優(yōu)點，如容易采集、成本低、以及用戶接受度高等，因此具有更廣闊的應用前景。本文在對各種統(tǒng)計學方法進行深入研究的基礎上，建立了應用于擊鍵生物認證的模型。該模型主要是通過對用戶的擊鍵行為特征進行預測，進而達到對用戶的身份進行準確認證的目的。使用此模型即使在用戶的擊鍵行為發(fā)生變化時，也可以準確驗證用戶的身份。在此認證模型中，采用隱馬爾可夫模型HMM對用戶的擊鍵序列進行建模，進行擊鍵序列分析，并使用時間序列方法計算HMM中的狀態(tài)輸出值概率，在進行認證時使用改進的向前算法計算用戶的擊鍵狀態(tài)概率。通過一段時間內(nèi)采集用戶的擊鍵樣本數(shù)據(jù)，建立了擊鍵認證模型。之后采用固定文本分析法，以雙字符組的擊鍵持續(xù)時間作為研究對象，實現(xiàn)了應用該擊鍵模型的認證機制。此外，還使用其他方法建立了對比模型。根據(jù)實驗結果，分析了建立認證模型所使用的樣本數(shù)目、閾值等對擊鍵認證模型的影響，并得出結論在用戶的擊鍵行為穩(wěn)定不變，以及具有規(guī)律性變化兩種情況下，使用時間序列方法較使用其他方法建立的模型，求得的錯誤拒絕率和錯誤接受率低。尤其是在用戶的擊鍵行為具有規(guī)律性變化時，最大差值可以達到15％。而當用戶的擊鍵行為發(fā)生無規(guī)律變化時，使用這兩種方法求得的錯誤拒絕率都較高。

簡介：從2004年ESTREAM項目啟動以來TRIVIUM算法依靠著簡單的構造和極強的抗攻擊能力得到了最多的好評成功進入最終入選的算法之列。2009年9月EPRINT上刊登的論文ONTHEDESIGNOFTRIVIUM分析了TRIVIUM的線性化版本從令其內(nèi)部狀態(tài)變化矩陣對應本原多項式的設計思想出發(fā)揭示了其內(nèi)部狀態(tài)的抽頭位置被3整除的原因并進一步提出了TRIVIUM的改進版本使得它的1輪生成器UNIVIUM和2輪生成器BIVIUM分別對應1階和2階本原多項式。因為本原多項式在流密碼設計中具有非常重要的意義故對新版TRIVIUM算法的研究將會成為熱點。通過實驗的方式來比較新舊版本的性能差異可以深化對TRIVIUM類算法的認識了解新版TRIVIUM算法的改進意義對于新型流密碼發(fā)生器的設計具有重要指導作用。在上述論文的啟示下為了這一目的本文在描述TRIVIUM類算法的結構和使用MATHEMATICA平臺模擬其密鑰流產(chǎn)生方式的基礎上運用MELTEMSNMEZTURANALIDOGANAKSOY和CAGDASCALIK于ECRYPT網(wǎng)站提出的6個用于同步流密碼的統(tǒng)計學隨機性測試方法在WINDOWSXP平臺上使用MATHEMATICA軟件分別測試了原版TRIVIUM和新版TRIVIUM算法。這些統(tǒng)計學隨機性測試包括密鑰密鑰流相關性測試、初始向量密鑰流相關性測試、幀相關性測試、擴散性測試、內(nèi)部狀態(tài)相關性測試和內(nèi)部狀態(tài)密鑰流相關性測試。對于每一類型的實驗經(jīng)過大量測試以后將獲得的統(tǒng)計量觀測值和P值進行列表、作圖用對照的方式比較了新舊算法的隨機性特征。本文使用前5個測試檢測了新版TRIVIUM的288、96、72位狀態(tài)版本驗證了新版TRIVIUM算法具有優(yōu)良的隨機特性同時從新舊版TRIVIUM算法都未能通過最后的內(nèi)部狀態(tài)密鑰流相關性測試的角度展示了密鑰初始化階段的輪換操作和寄存器尾部的附加非零比特操作對于TRIVIUM類算法的重要性并使用72位TRIVIUM版本從載入偏輕碼重的IV和K開始通過逐漸改變初始化階段的輪換和附加比特個數(shù)逐個輸出其密鑰流序列的滿足分布的卡方觀測值再把它們做成圖表以揭示這一特性。同時發(fā)現(xiàn)了初始化階段缺失后密鑰流具有偏向性質(zhì)的成因并用實驗數(shù)據(jù)對此進行了驗證。而后提供并證明兩個統(tǒng)計學檢驗指標的實現(xiàn)方法最后就TRVIUM類算法提出一些設想給以后的研究提供參考。

簡介：本文以漢蒙統(tǒng)計機器翻譯為研究對象。針對蒙古語形態(tài)變化豐富這一特點，將形態(tài)因子引入到漢蒙統(tǒng)計機器翻譯中，通過因子化模型充分利用了蒙古語的形態(tài)信息；針對漢蒙平行語料庫規(guī)模較小這一問題，將基于詞典的詞對齊方法產(chǎn)生的詞對齊點融合到IBM詞對齊模型中，并利用蒙古語的詞干形態(tài)知識提高基于詞典方法的漢蒙詞對齊質(zhì)量，再利用融合后的詞對齊點訓練短語翻譯模型，進而用于基于短語的漢蒙統(tǒng)計機器翻譯，最終提高譯文質(zhì)量。在統(tǒng)計機器翻譯中，翻譯模型是唯一不可取代的模型，其重要性不言而喻。針對訓練過程造成的短語翻譯模型中短語翻譯對冗余問題，本文設計并實現(xiàn)了一種通用的基于統(tǒng)計方法的短語翻譯模型過濾器，這種過濾器可以根據(jù)不同的統(tǒng)計方法對翻譯模型進行降噪，在有效降低短語翻譯模型規(guī)模的同時對統(tǒng)計機器翻譯譯文的質(zhì)量影響甚微。關于本研究所提的每部分都有相關對比實驗，通過這些對比實驗來驗證本文所提方法的有效性，同時也探討了一些方法繼續(xù)深入研究的可能性。

簡介：密碼學中HASH函數(shù)能夠用于數(shù)據(jù)完整性和消息認證以及數(shù)字簽名，新近的對于MD5，SHA1等的碰撞攻擊5表明在一個HASH函數(shù)的內(nèi)部迭代過程中的隨機統(tǒng)計特性對其安全性也有一定程度影響，因此對于HASH函數(shù)迭代過程中輸出序列的隨機性進行分析對于研究HASH函數(shù)的安全性是有重要意義的。運用概率統(tǒng)計的思想方法來研究HASH函數(shù)的一些性質(zhì)必將為密碼分析人員提供一些新的攻擊密碼方案的新方法和新思路，也必將使得將概率統(tǒng)計應用于密碼學中成為一個新的研究熱點。而MD5等HASH函數(shù)的破譯也意味著研究SHA224、SHA256、SHA384及SHA512的密碼系統(tǒng)的迫切性和重要性。SHA256是使用最廣泛的一種HASH函數(shù)。本文針對SHA256，用已有統(tǒng)計檢測方法中的X2檢驗對其進行了隨機性測試包括頻數(shù)檢驗，跟隨檢驗，游程檢驗及雪崩效應的測試，對每種測試都取了兩種有代表性的輸入有規(guī)律的輸入和隨機的輸入。最后對測試結果進行了分析討論，得出結論1SHA256在進行迭代過程中，隨著迭代次數(shù)的增加，從整體上來看，所得到的輸出序列的隨機性是越來越好的。2在隨機性逐漸變好的過程中，第27輪，30輪，43輪和59輪與其對應的前一輪或者后一輪相比隨機性很不好。由以上結論可知，SHA256算法存在著一定的不足之處，這些結論也將為密碼分析人員提供有用的密碼攻擊方案的新方法和新思路。

簡介：HEBEIUNIVERSITY密級分類號學校代碼學校代碼10075學號20090886碩士學位論文碩士學位論文兩種乘積空間上的統(tǒng)計學習理論基礎學位申請人孫曉靜指導教師哈明虎教授田大增教授學位類別理學碩士學科專業(yè)應用數(shù)學授予單位河北大學答辯日期二〇一二年六月

簡介：車牌自動識別是模式識別領域一個實現(xiàn)困難、且尚未被完全解決的應用問題。本文對車牌自動識別中的關鍵技術一車牌檢測作了較為深入的研究。首先討論了幾種車牌圖像預處理方法，特別是為去除光照影響，實現(xiàn)了一種自適應灰度拉伸算法。然后，針對基于ADABOOST車牌檢測算法存在訓練時間太長及權重調(diào)整過適應等問題，實現(xiàn)一種基于雙閾值的ADABOOST快速訓練算法，給出了雙閾值的快速搜索方法，并使用該分類器實現(xiàn)了車牌檢測算法，測試了算法的性能。最后以圖像矩陣為分析對象，基于二維主分量分析TWODIMENSIONALPRINCIPALCOMPONENTANALYSIS，2DPCA，直接利用原始圖像矩陣構造圖像的協(xié)方差矩陣，通過提取協(xié)方差矩陣的特征向量構建特征矩陣，用FISHER分類器進行線性判別處理，試驗結果驗證了算法的性能。

簡介：點擊查看更多基于江蘇省研究生就業(yè)調(diào)查數(shù)據(jù)的統(tǒng)計學分析.pdf精彩內(nèi)容。

簡介：數(shù)學模型是對客觀對象活動規(guī)律的一種定量描述是表述對象行為和性能的一種重要形式建模方法涉及到最優(yōu)化方法、數(shù)理統(tǒng)計、人工智能、模式識別、機器學習、神經(jīng)網(wǎng)絡等多方面的理論和方法該文首先回顧了現(xiàn)行的建模方法由于優(yōu)化方法在建模中有相當重要的作用因此接著對具有全局尋優(yōu)性能的遺傳算法進行了較為深入的研究提出了基于優(yōu)生演進策略的遺傳算法EGA使尋優(yōu)性能有較大的提高并成功應用于化工領域中重油熱解模型參數(shù)的估計所提EGA方法為隨后的支持向量機參數(shù)優(yōu)化打下了良好的基礎該文緊接著還對統(tǒng)計學習理論SLT和支持向量機SVM技術進行了較為詳細的討論這是對神經(jīng)網(wǎng)絡方法發(fā)展到目前的一種新的突破在多個方面顯示出良好的性能該文在基于觀測數(shù)據(jù)的統(tǒng)計學習建模方法上提出了一些新思想、新方法

簡介：點擊查看更多廣西大廠中央資源數(shù)據(jù)庫管理應用系統(tǒng)與空間信息統(tǒng)計學應用研究.pdf精彩內(nèi)容。

簡介：點擊查看更多負荷建模中實測數(shù)據(jù)的統(tǒng)計學特性.pdf精彩內(nèi)容。

簡介：基于統(tǒng)計學習的模式識別方法是人工智能的一個重要研究領域。目前統(tǒng)計模式識別已經(jīng)得到了較深入的研究一些相關技術成果已成功高效地應用于各種不同的領域。雖然如此其中依然面臨著許多的挑戰(zhàn)許多問題都還需要進步的深入探索和研究特征降維和核方法就是其中倍受關注的兩個重要主題。本課題就其中的幾個關鍵挑戰(zhàn)進行了相關的研究所研究內(nèi)容主要由四個部分分述如下。第一部分由第二章組成。在這一部分中我們針對監(jiān)督局部保持特征提取SLPP算法的小樣本問題提出了推廣的監(jiān)督局部保持特征提取GSLPP算法。在小樣本情況下GSLPP算法定義的優(yōu)化問題可以等價的轉(zhuǎn)換到一個低維空間中來求解從而有效的克服了小樣本問題。而且在大樣本情況下GSLPP算法等價于SLPP算法。第二部分由第三章和第四章組成。在這一部分內(nèi)容中我們主要討論了最小類方差支撐向量機MCVSVM算法的改進問題。針對MCVSVM缺少考慮數(shù)據(jù)的局部結構信息的問題在第三章中我們提出了最小局部保持類方差支撐向量機MCLPVSVM算法。該算法不但繼承了傳統(tǒng)支撐向量機SVM和MCVSVM的優(yōu)點同時又充分利用了數(shù)據(jù)的內(nèi)在的幾何結構信息從而實現(xiàn)了泛化能力的進一步提高。同時在這一部分內(nèi)容的第四章中針對MCVSVM算法在小樣本數(shù)據(jù)情況下僅利用了類內(nèi)散度矩陣非零空間中的信息的問題我們討論了利用類內(nèi)散度矩陣零空間中的信息來提高其泛化能力的問題即首先在零空間中建立一種新的分類器NSC然后再把MCVSVM和NSC進行融合從而進一步提出了集成分類器EC。在EC算法中綜合利用類內(nèi)散度矩陣非零空間和零空間中的信息來進一步提高分類性能表現(xiàn)出了更強的泛化能力。第三部分由第五章組成。在這一部分內(nèi)容中我們依據(jù)支撐向量回歸SVR回歸算法可以通過構建SVM分類問題實現(xiàn)的基本思想把MCVSVM分類算法推廣到回歸估計中進而提出了最小方差支撐向量回歸MVSVR回歸算法。MVSVR繼承了MCVSVM魯棒性和泛化能力強的優(yōu)點同時其還可轉(zhuǎn)化為一個標準的SVR問題來求解并且在散度矩陣奇異情況下可以等價轉(zhuǎn)換到新的數(shù)據(jù)空間中求解。第四部分由第六章組成。在這一部分內(nèi)容中我們從理論上詳細分析了支撐向量數(shù)據(jù)域描述SVDD算法的原始優(yōu)化問題最優(yōu)解的性質(zhì)。我們首先把SVDD定義的原始優(yōu)化問題等價轉(zhuǎn)化為一個凸約束二次優(yōu)化問題然后從理論上證明了根據(jù)優(yōu)化問題最優(yōu)解所構建的超球圓心具有唯一性然而超球半徑在一定條件下卻存在不唯一性并且給出了半徑存在不惟一性的充分必要條件。我們還從對偶優(yōu)化問題的角度分析了超球的圓心和半徑性質(zhì)并且給出了SVDD算法中在根據(jù)優(yōu)化問題最優(yōu)解構建超球半徑不唯一情況下計算超球半徑方法。本文的主要內(nèi)容概括起來講第一部分探討了特征降維問題第二至第四部分探討了核方法問題。