摘要：文中首先从概率论角度对自然图像中的相似现象给出数学描述,进而得到主要结果之一——相似原理,它揭示了非局部加权平均算法的数学原理.然后依据该原理设计一种新的适合于高斯噪音和一致脉冲噪音之混合噪音的滤波方法,简称"MNF算法".实验结果表明,MNF算法不但在去除图像中混合噪音时其效果明显优于最近Garnett等人提出的Trilateral滤波方法及已有的其他方法,而且在去除脉冲噪音或高斯噪音时其效果亦可与已有之先进方法媲美.此外,文中对MNF算法的控制参数建议了简单计算公式,并使参数个数达到最小因而更便于应用.

摘要：产品销售时序通常具有正态高斯分布、幅值较大、奇异点等混合噪音,为此,设计了一种鲁棒损失函数,得到一种新的支持向量机,即鲁棒ν-支持向量机。它可以有效地压制销售时序的多种噪音和奇异点,具有很强的鲁棒性,而且比标准ν-支持向量机具有更简洁的对偶优化问题。最后进行了汽车销售预测的实例分析,结果表明,基于鲁棒ν-支持向量机的预测模型是有效可行的。