基于高斯过程回归的建筑物震陷量预测模型

城市抗震防灾系统是一个复杂开放巨系统,系统中由于灾情的动态演化导致的建筑物震陷量形成机理也日趋复杂。本文根据高斯过程理论和贝叶斯规则,对训练样本进行的“归纳推理学习”,即综合先验信息,调整各随机变量的后验分布,进而提出基于高斯回归过程的建筑物震陷量非线性预测模型。采用EP算法获得预测样本潜在函数的近似后验高斯分布,并对其超参数和协方差函数的选择进行了探讨,利用LSSVM模型、PLS模型和MLR模型等统计模型对建筑物实测震陷样本进行预测训练,通过模型的交叉验证分析及建模参数详细对比分析,验证了预测模型的科学性和可靠性,可为城市抗震防灾决策提供借鉴。     

基于不同核函数跨海大桥变形高斯过程预测精度分析

跨海大桥处于海洋复杂运动环境中,受到海浪、飓风等因素的扰动,常规桥梁变形时间序列模型不能全面反映其变形的内在驱动性.选取了高斯过程回归模型,根据青岛胶州湾跨海大桥某处桥墩30期挠曲变形实测数据,构建训练样本,通过训练样本获得跨海大桥变形的先验参数,对测试样本进行预测.为了避开跨海大桥变形模型非线性映射函数形式表达式及"高维数"等技术难题,引入了SE、NN、RQ三种单一核函数及SE、RQ形成的组合核函数,对这四种核函数分别进行变形值的高斯过程回归,并计算各种核函数模型的预测值相对误差,获得了跨海大桥变形值最优核函数预测值.同时,基于核函数高斯过程回归,实现了变形值间的非线性映射,解决了复杂模式预测问题.     

一种基于Bagging算法的高斯过程集成建模方法

针对单一高斯过程在化工过程软测量建模中存在估计精度不高的问题,利用Bagging和高斯过程回归算法,提出一种基于Bagging算法的集成高斯过程软测量建模方法.该算法使用Bagging技术从训练样本集中选取若干子训练样本集,利用该若干子集形成多个高斯过程模型,并通过加权组合方式进行集成,得到最终的模型输出.将该方法应用...     

基于高斯过程机器学习的冲击地压危险性预测

针对多种复杂影响因素条件下,如何有效预测冲击地压危险性这一类复杂的模式识别问题,提出一种基于高斯过程机器学习的冲击地压危险性预测新模型,通过对少量训练样本的学习,能很好地建立冲击地压危险性与其影响因素的非线性映射关系.算例结果表明,该模型科学可行、容易实现且预测精度高,具有良好的工程应用前景.     

三角稀疏回归分类器及其在稳健人脸识别中的应用

以稀疏表示为代表的回归分类方法对于高斯噪声具有较好的鲁棒性,但容易受到训练样本中离群点数据的影响导致欠拟合或过拟合.通过探索余弦函数对离群数据呈现的周期不敏感特性,使用余弦函数来刻画回归残差,并在复数域空间进行稀疏回归,提出了三角稀疏回归分类器(TSRC)模型.考虑到模型的非凸特性,普通的迭代算法难以获得全局最优解.因此,通过三角函数演算与核函数技巧将TSRC转化为一个凸优化问题,使用交替方向乘子法(ADMM)对模型进行求解,核函数的计算过程从核空间角度解释了模型对离群点鲁棒的本质原因,通过欧拉公式能够完全避开复数域的计算过程,从而起到加速的作用.在AR,Extend-YaleB及NUST-RF带有遮挡和光照变化的人脸识别数据集上进行了识别率与速度的实验,验证了所提出模型的有效性,在Extend-YaleB数据集上测试了所提出方法在不同尺度的训练样本下的运行效率,并与现阶段先进方法进行了对比.     

圆弧破坏型岩质边坡安全系数快速估计的高斯过程模型

高斯过程是新近发展起来的一种新的机器学习方法,对处理复杂非线性问题具有良好的适应性.针对边坡非线性系统的复杂性,为实现边坡安全快速设计和稳定性评价的工程实践要求,在高斯过程回归模型的基础上,提出了一种圆弧破坏型岩质边坡安全系数估计的高斯过程模型.该模型不必建立复杂的力学计算模型,而是利用高斯过程的自学习功能,通过对工程实例先验知识进行学习,建立圆弧破坏型岩质边坡安全系数与其各种影响因素之间的非线性映射关系,然后利用贝叶斯推理规则估计边坡安全系数.工程实例研究的结果表明,该模型是可行的,可以快速准确地给出具有概率意义的圆弧破坏型岩质边坡安全系数.     

基于样本融合的核稀疏人脸识别方法

针对基于小样本集人脸图像的识别能力低,计算复杂度高的问题,提出了一种基于样本融合的核稀疏表示方法(KSRMSF).该方法首先通过在原始样本集中添加镜像训练样本和对称训练样本,扩大了原始样本集的规模,接着使用基于高斯核函数的算法从扩充后的训练样本集中挑选若干个最近邻训练样本,利用这组最近邻样本的线性组合表示待识别的测试样本,根据L2范式的结果对测试样本进行分类,通过修改最近邻样本数获得更高的分类精度.实验结果表明该方法比同类识别算法有更好的识别效果.     

基于高斯混合模型-地球移动距离的点集配准算法

提出一种基于高斯混合模型与地球移动距离的点集配准算法.将待配准的两个点集均表示为高斯混合模型,其中高斯分布的数量为点集中点的数量,每个高斯分布的均值为点的坐标值,方差为通过优化算法得到的优化值.在配准过程中通过优化两个高斯模型之间的地球移动距离来达到最佳匹配效果.该方法对点集配准中常见的噪声、外点、结构缺失等问题具有较强的鲁棒性.公共数据集与真实车辆平台上的实验表明该算法优于目前流行的点集配准算法.     

一种改进的最大方差展开投影在非线性过程监测中的应用

针对复杂流程工业中固有的非线性将导致传统线性降维方法性能降低的问题,以及传统核方法的性能严重依赖于所选取的核函数形式的问题,提出了一种改进的最大方差展开投影非线性过程建模法。该方法利用流形学习中最大方差展开对核函数进行学习,同时保留了输入数据空间中的边界特性。利用最大角回归学习出一种映射,避免了传统最大方差展开法只能提供训练样本的低维嵌入,使得输入空间能够最大程度地接近于这种低维空间。数值仿真和化工流程仿真模型上的实验表明了该算法的有效性。     

迭代容积卡尔曼粒子滤波算法

针对标准粒子滤波算法粒子退化和贫化问题,提出了一种基于高斯-牛顿迭代思想的容积卡尔曼粒子滤波算法.该算法利用当前量测信息,使用容积数值积分原则通过以一组确定的点集和相应的权值直接计算非线性随机函数的均值和方差,避免了求导运算,并通过Gauss-Newton迭代方法对容积卡尔曼滤波(CKF)的非线性最小二乘问题进行求解,减小了线性化误差,以此来产生粒子滤波算法的重要性密度函数,使得迭代CKF产生的重要性密度函数更接近于真实后验概率分布,从而改进了滤波性能.仿真结果表明,与粒子滤波和CPF滤波相比,迭代CKF粒子滤波具有更高的估计精度.     

随机GP法在概念性水文模型参数优选中的应用

 在基于近似梯度及模式搜索法的基础上,提出了复合上述两种方法的GP局部优化方法。以Nash确定性系数为目标函数,对水文模型的参数空间随机搜索后采用GP方法优化,运用参数空间筛选策略,以获得全局最优解集。上述方法结合导数信息和随机性质的算法,使优化过程脱离局部极小解从而达到近似全局最优解集。杨楼单元流域应用新安江模型的实例研究结果表明,随机的GP优化方法可以成功的率定概念性水文模型参数。     

基于LM法的光束法平差巡视器导航定位

光束法平差是一种通过高斯牛顿法进行最优估计的方法,在利用相机图像进行巡视器导航定位时起着重要的作用.为获得在缺少足够控制信息的月面环境下的高精度定位信息,提出一种利用列文伯格-马夸尔特算法(LM算法)代替高斯牛顿算法,进行图像光束法平差的巡视器导航定位方法.根据LM算法的核心思想和巡视器图像的构网特征,构建光束法平差模型,并给出了合适的阻尼策略和验后权估计方法.实验结果表明,基于LM算法的光束法平差巡视器导航定位,可以克服高斯牛顿算法适用性弱的缺点,具有较高的定位精度和理想的收敛速率.     

基于T-S模糊故障树的下滑信标故障诊断分析

为解决实际仪表着陆系统下滑信标GP(Glidepath Beacon)故障时无法快速定位故障点的难题,本文提出基于T-S模糊故障树的故障诊断方法。通过对GP系统进行不同功能系统的划分,进行T-S模糊建模,为每个板件的故障可能性进行模糊数赋值,计算故障程度的隶属度,实现复杂系统的定量计算。建立起两种计算方法,分别为根据系统各板件的故障可能性及根据各板件当前的故障程度来计算系统的故障可能性。经对比,计算结果与实际情况相符,第一种算法适用于简单系统或复杂系统板件的故障诊断,第二种算法适用于大多数系统。可见此法在GP故障诊断方面具有有效性。     

基于先验知识和Kullback-Leibler距离的超分辨率图像重建

由给定观测模型和先验模型组合得到潜在高分辨率图像后验分布逼近值,将其作为先验知识进行迭代获得更多的后验逼近值。根据高分辨率图像分布情况得到一特定逼近值以最大程度减小后验分布与Kullback-Leibler距离之差。同时也进行了文中算法与其它超分辨率重建方法的对比研究,实验表明,本算法重建效果较好。     

基于图像分析的堆浸铀矿石颗粒参数辨识

采用数字图像处理技术对铀矿石颗粒参数进行测量,并确定铀矿石块度分布.首次将图像引导滤波器应用于矿石图像滤波,较好地滤除了图像噪声和保持矿石边缘细节信息.采用基于最大类间后验交叉熵准则的PCNN图像分割算法分割矿石图像,减少了矿石粘连现象.为了解决第一次分割后矿石粘连现象,采用基于凹点匹配的数字图像切割算法对粘连的矿石图像进行第二次分割,能有效分离粘连矿石图像.采用基于形状特征的颗粒参数测量法测量颗粒参数,提高了颗粒参数的测量精度,得到了矿石块度的统计分布图.实验数据表明,该方法测量误差较小,能满足实际需求.      

一种基于几何特征由粗到细点云配准算法

针对点云配准算法对初始位置敏感且收敛速度慢的问题,提出一种基于几何特征由粗到细点云配准算法。在粗配准阶段,通过投影法提取源点云和目标点云各4个轮廓点,然后利用曲率特征和轮廓点之间的距离寻找稳健的特征点对,计算得到初始刚性变换参数;细配准阶段,计算点云法向量及法向量夹角,以法向量为特征进行特征匹配,然后使用法向量夹角来启发搜索,使迭代最近点(iterative closest points, ICP)算法快速收敛。实验结果表明,所提出的由粗到细的配准算法鲁棒性强,具有较高的精度和速度。     

线性回归模型中度量影响的一种Bayes方法

从Ｂａｙｅｓ观点出发对线性回归模型定义了后验影响函数，对三种不同情况，导出了其分解式，研究了其性质。并把后验影响函数与其它影响函数作了比较。     

SW—GP组合算法在煤矿监测数据预警预报中的应用

为了更有效地利用煤矿监测数据进行煤矿安全事故的预警预报,提出滑动窗口-遗传程序设计组合算法实现了监测数据的动态预测。在程序设计时,数据采样采用滑动窗口技术实现,通过遗传程序设计算法实现系统的自适应建模。通过对监测数据的测试,证明了组合算法建立模型的预测值和实际结果具有很好的一致性。     

基于SVM分类的边缘提取算法

通过分析同类数据点在空间中的几何形态,从数据点集所构成几何形态的凹凸性着手,提出边界提取算法并对高维数据进行分类。针对现实生活中的高维数据,利用局部线性嵌入将数据进行降维处理,得到低维特征数据。在此基础上,对于单分类数据集,用数据集表面的点的近邻样本与过该点的切平面之间的关系寻找边界点;对于多分类数据集,利用贝叶斯后验概率来寻找边界重复的点,以此更快达到提取边界点的目的。由此可以粗略筛选出边界点。为去除不重要的边界点,降低分类误差,通过构造最优超平面和支持向量机对边界点赋予权重,并设置阈值去除不重要的边界点,由此达到用较少的边界点准确分类数据的目的。通过100个测试样本进行分类测试并计算其分类准确率,验证了此分类方法的可行性。     

]Modeling dynamic systems by using the nonlinear difference equations based on genetic programming

When acquaintances of a model are little or the model is too complicate to build by using traditional time series methods, it is convenient for us to take advantage of genetic programming (GP) to build the model. Considering the complexity of nonlinear dynamic systems, this paper proposes modeling dynamic systems by using the nonlinear difference equation based on GP technique. First it gives the method, criteria and evaluation of modeling. Then it describes the modeling algorithm using GP. Finally two typical examples of time series are used to perform the numerical experiments. The result shows that this algorithm can successfully establish the difference equation model of dynamic systems and its predictive result is also satisfactory. Foundation item: Supported by Foundation for University Key Teacher by the Ministry of Education of China Biography: Liu Min ( 1978-), female, Master candidate, research derection: application mathematics.