基于Gabor变换和支持向量机的手写体字符识别算法

针对在手写字符识别中由于书写习惯和风格的不同造成字符模式不稳定的问题,将支持向量机SVM方法用于手写字符的识别.算法首先采用Gabor变换提取手写字符图像的特征参数,然后采用提取的特征训练SVM分类器.再应用SVM分类器分类和判别手写字符.实验表明这种方法具有良好的车牌识别效果,较强的鲁棒性,较大的应用价值.     

集合卡尔曼滤波在流域水文模型流量预报中的应用

针对流域降雨入渗过程,引入集合卡尔曼滤波(EnKF)理论,视整个边坡流域为一个随机动态系统,将边坡流域流量观测值作为系统的输出,用集合卡尔曼滤波模型来描述系统的状态;结合流域流量计算方法,实现水文模型参数的随机动态估计,在有效获得待估参数的同时还给出估计值的不确定性.通过数值算例表明,集合卡尔曼滤波可以有效地对含噪声的量测数据进行处理,能够跟踪水文模型的动态变化.相对于常用最优化算法,集合卡尔曼滤波同时给出反演结果和先验知识的后验分布,显示出更好的实时性和可靠性.     

����Kalman�˲���GEO�����˶�ѧ����

?????GEO????????????????????????????????????Kalman???????GEO?????????????????????????????????????η????????????????????????????????????????????????????????????????????????????????????з?????????????????????????????????????????Kalman???????????н????????????????к???????????????????????,????????????????Kalman????????????????????????????,???????Kalman???????????????????????????????????????????Kalman?????????????????????GEO?????????????     

GPS�����Ӳ�Ĺ�����Ԥ���о�

???GPS???????????????????ù??????????????????????????GPS?????????????????????????????????????????????????????????????????????????????????ó?Block IIR??M Rb???????????????Block IIR Rb?????Block IIR Rb???????????????Block IIA Rb???Cs?????????????????????Rb???2~3????????????????????????????????????????????????Rb?????1????????????1.9ns????????????С???????????     

顾及POI人口吸引力异质性的城市人口空间化方法

人口空间化是提升人口统计数据空间分辨率的常用手段,现有研究多基于统计建模思想建立多源数据与统计人口的数学模型以预测格网人口。兴趣点（Point of Interest, POI）作为精细人口估算的重要数据源,通常以数量/密度型指标形式参与回归建模,该方式忽略了类型相同但个体规模不同的POI与人口之间数量关系的差异,特征均质化处理造成POI语义细节的损失,导致中心城区人口低估与远城区高估。为此,本文基于随机森林模型,提出一种顾及POI人口吸引力异质性的城市人口空间化方法。该方法在表征POI空间多尺度重要性的基础上,引入移动定位数据构建人口吸引力指标;并基于非欧式滤 波修正格网人口权重,建模人口空间自相关,刻画水体等障碍物对局部空间连通性的影响。本文以武汉市为研究区域开展100 m格网验证,通过与POI密度型回归模型、公开人口数据集的对比和消融实验,展现了人口吸引力指标与权重修正的有效性。结果表明,本文方法平均绝对误差为WorldPop、GPW及对比模型的1/4~2/3,在精细人口空间化场景具有精度优势。此外,本文还讨论了移动定位数据采样率及格网粒度对建模精度的影响。     

基于灰关联分析方法卡尔曼滤波器的精度效能评估

针对综导系统卡尔曼滤波器的特点,深入研究了灰关联分析法在滤波器精度效能评估中的应用。给出卡尔曼滤波器进行灰关联分析的方法和步骤,并对某一类型的滤波器进行精度效能评估。仿真结果表明了该方法的可行性和有效性。     

Consideration of time-correlated errors in a Kalman filter applicable to GNSS

An algorithm for considering time-correlated errors in a Kalman filter is presented. The algorithm differs from previous implementations in that it does not suffer from numerical problems; does not contain inherent time latency or require reinterpretation of Kalman filter parameters, and gives full consideration to additive white noise that is often still present but ignored in previous implementations. Simulation results indicate that the application of the new algorithm yields more realistic and therefore useful state and covariance information than the standard implementation. Results from a field test of the algorithm applied to the problem of kinematic differential GPS demonstrate that the algorithm provides slightly pessimistic covariance estimates whereas the standard Kalman filter provides optimistic covariance estimates.     

观测值含有粗差的抗差粒子滤波算法

作为非线性滤波的代表,粒子滤波得到广泛应用。该算法通过随机生成的具有权重的样本（粒子）来计算后验概率密度。其中赋权的过程需要综合系统信息和观测信息,当观测值含有粗差时,会使粒子错误赋权影响滤波结果。提出一种新的基于抗差估计的抗差粒子滤波算法,通过计算粒子等价权,抑制观测值粗差的影响。模拟计算分析表明,当观测值含有粗差时,与标准粒子滤波相比,该方法能有效提高滤波精度。     

基于AR（p）的卡尔曼滤波在GPS变形监测中的应用

由于AR（p）模型结构比较简单且计算比较方便,在变形分析中,目前常采用此模型建立变形模型。然而单纯的AR模型把模型参数作为定值,变形数据拟合误差及变形预测误差可能会比较大。介绍了将卡尔曼滤波引入AR模型,利用观测数据建立AR模型,即建立观测方程;以AR模型的参数为状态向量建立状态方程。从而形成动态系统的卡尔曼滤波函数模型,动态计算出AR模型的参数以便预测。此方法快速、实时,且占有较少内存,充分利用了AR模型和卡尔曼滤波二者的优点。     

抗差卡尔曼滤波在聊城古建筑动态数据处理中的应用

古建筑在日照、风压等因素的影响下,易产生老化变形,一般会采用及时补救的方法,有时并没有分析其根本原因,本文在布设动态监控网,获得监控数据后,用抗差卡尔曼滤波对监控数据进行分析的方法,对变形方向进行预测,预测值与平差值的误差均在限差范围内,且变化方向大致相同,可以将它作为古建筑变形方向的预报,做到防患于未然。