基于EM算法的工业机器人抓取控制研究

抓取是机器人的基本操作任务,通过待抓取物体的位姿变化对机器人关节数据自适应调整,提高机器人物体抓取成功率.本文基于EM算法的混合正态分布模型建立待抓取物体位姿观测变量和机器人关节变量之间的映射关系,并采用UR3机器人进行抓取试验.结果表明,采用该方法进行抓取控制只是在样本训练集的边缘抓取失败,抓取成功率为95.5％.基于EM算法的混合正态分布模型可以有效地对工业机器人抓取进行控制,具有比较高的抓取成功率.     

偏正态数据下半参数混合效应模型的贝叶斯估计

针对纵向数据服从非正态分布情况下混合效应模型的估计问题,提出偏正态分布半参数混合效应模型的贝 叶斯估计方法;假定个体测量误差服从偏正态分布,纵向指标与时间的关系采用 B 样条方法建模,在共轭先验下考 虑该模型的贝叶斯分析,基于 MH 算法与 Gibbs 抽样的混合算法获取未知参数、随机效应和非参数函数的贝叶斯估 计;数值模拟中,数据非正态分布条件下将偏正态方法得到的估计与传统半参数混合效应模型估计方法进行对比, 发现偏正态半参数混合效应模型在有限样本情况下表现更好,说明偏正态半参数混合效应模型与传统模型相比, 可以更好地拟合偏态数据,获得更加精准的参数估计;最后将该方法应用于 ADNI 数据中,研究了神经评分与基线 临床指标间的关系,得出了合理的结论,证明了方法的合理性。     

一种基于对数正态分布的图像阈值模型

为了更准确地拟合图像的目标与背景的灰度级分布并分割出图像的目标部分,采用基于参数的阈值估计方法,提出了基于对数正态分布的粒子群EM混合算法,设计了对数正态分布参数的粒子群算法、EM算法和粒子群EM混合算法,给出了对数正态分布参数的计算过程。研究结果表明:对数正态混合分布能够很好地拟合一类图像的目标与背景的灰度级分布,粒子群EM混合算法具有较好的收敛性。该研究成果有助于解决一类图像的目标与背景的分割问题。     

融合高斯混合模型和深度学习的目标跟踪

目标跟踪是计算机视觉的关键技术,但快速运动所导致的目标运动模糊会影响跟踪的精度.提出融合高斯混合模型和深度学习的目标跟踪算法,利用高斯混合模型对目标视频进行建模,在卷积神经网络中提取浅层和深层的图像特征,将两个特征的响应值融合后实现跟踪目标的定位.首先,根据高斯混合模型建立样本数据集,利用概率密度函数筛选数据,依据正态分布获得对应的高斯分量;其次,在深度学习框架下对高斯混合后获得的样本数据提取浅层和深层特征;最后,将提取的浅层与深层特征响应值进行融合,并更新目标模型,实现目标跟踪定位.该算法在VOT-2016公开的数据集进行实验,与6个视频跟踪算法对比分析.实验表明,所提的算法表现出较好的性能,特别是在快速运动的评价指标中,该算法的抖动模糊精度比ECO算法提高6. 25%.     

混合对数正态分布广义线性联合均值与散度模型的参数估计

由于对数变换的优良性质,所以对数正态分布应用十分广泛.该文研究提出混合对数正态分布下广义线性联合均值与散度模型,利用EM算法和Fisher-Scoring方法研究了模型参数的极大似然估计.最后,通过随机模拟和实例研究结果表明,提出的模型和方法是有用和有效的.     

数据分布特性对空调系统能耗预测的影响

空调系统能耗预测是实现智能调控、能源需求管理、系统节能的重要手段和前提之一,当前的空调系统能耗预测主要是基于机器学习算法。诸多机器学习算法的重要理论前提是数据的分布应尽量满足正态分布,然而空调系统的实际运行数据很少能满足正态分布特性,目前的研究鲜有涉及数据分布特性对空调系统能耗预测的影响。首先基于实际项目的空调系统能耗数据,从偏度和峰度两个指标分析了实际能耗数据分布与正态分布呈现出的偏离;然后通过对数变换对能耗数据进行数据变换,使能耗数据更接近于正态分布;接着以常见的4种能耗预测机器学习算法(广义线性回归算法、支持向量回归算法、人工神经网络算法、随机森林算法)对原始数据和经过数据变换后的数据分别进行空调系统能耗预测工作,分析负荷预测结果的RMSE和R~2统计量。结果对比发现,数据的分布特性对能耗预测有着重要的影响,合适的数据变换可以有效地提高空调系统能耗预测机器学习算法模型的预测效果。     

有限次分组排序算法

本文给出一种有限次分组快速排序算法并证明该排序算法处理均匀分布数据记录,正态分布数据记录及一般概率分布数据记录的平均时间复杂性为Ｏ（Ｎ）;给出四种快速 序算法分别关于均匀分布数据记录,正态分布数据记录,均匀波浪式分布数据记录和异常分布数据记录,进行排序的实验结果,表明有限次分组排序算法具有更快的效率。     

双峰数据分布的模拟

双峰数据是我们现实生活中存在的一种数据类型,双峰分布是由两个分布混合而成的.本文先讨论由两个正态分布混合而成的双峰分布.包括双峰数据的预处理,参数的确定,模型的建立及优化,并将这种动态模拟的方法应用于美国黄石公园老忠实泉的喷发时间和等待时间数据的统计分析.     

基于椭球等高分布混合模型的聚类方法

为解决有限混合分布模型的聚类分析中分量密度函数选择问题,通过研究广义多元分析理论,提出了基于椭球等高分布混合模型的聚类算法.首先,利用与正态分布有许多相似性质的椭球等高分布族来构造混合分布模型,并引入标签变量,将基于椭球等高分布混合模型的聚类转化为模型参数估计问题;然后,通过极大似然估计法和EM算法进行模型一般变量参数...     

接触电阻计算新方法

运用模糊系统对接触电阻进行建模.首先通过全因子法进行试验,得到足量试验数据,从试验数据中选出一部分能代表整个样本空间特征的数据作为训练数据训练模糊系统,剩下的作为测试数据对模糊系统进行测试,检测系统可靠性.然后在分析基本遗传算法与递推最小二乘算法特点的基础上,将二者结合形成混合算法,混合算法是在基本遗传算法之后进行递推最小二乘算法的运算.通过训练数据分别利用递推最小二乘算法、基本遗传算法、混合算法训练模糊系统,混合算法的收敛效果优于其他2种方法.通过训练数据建立基于回归分析的接触电阻模型.利用测试数据对各模型进行测试,并比较测试结果,混合算法训练模糊系统所得模型的测试效果是各模型中最好的.测试和比较结果说明若能得到足量训练数据,用混合算法训练模糊系统的方法对接触电阻进行建模是可行的.     

EM算法正确收敛性的探讨

该文对高斯混合体 EM算法的正确收敛性问题进行了理论研究 ,证明了高斯混合体 EM算法在混合密度的重叠度很小时 ,在其样本真解相一致的解的一个邻域内是一个压缩映射 .该文还得到了高斯混合密度的 EM算法正确收敛性条件 ,并对此进行了理论证明和数值验证 .理论分析和数值实验结果表明 ,高斯混合密度的 EM算法的正确收敛性与混合密度的重叠度密切相关 .     

基于小波概率密度函数估计的盲信号分离算法

利用概率密度函数的非线性小波估计方法,对混合信号的概率密度函数及其导数进行估计,由此估计信号的评价函数,从而给出了一种盲信号分离算法.该方法简单,可直接应用于所有以非线性函数代替评价函数的盲信号分离算法.计算机仿真结果表明了算法的有效性.     

高斯混合标签多伯努利滤波器的传感器控制策略

针对多目标跟踪优化中的传感器控制问题,提出一种基于高斯混合标签多伯努利滤波器的快速传感器控制策略,并将其用于基于目标威胁度评估的风险评估中.首先,给出高斯混合标签多伯努利滤波器的实现形式,并对两个高斯混合之间的柯西施瓦兹散度求解.其次,利用多伯努利部分替代传感器控制中标签多伯努利伪更新步骤,即在多伯努利更新过程中采用了...     

混合高斯噪声下的医学荧光染色图像去噪

中值滤波是比较常见的去噪方法,但如何选择最优滤波窗口则是决定图像去噪效果的关键性因素,尤其是针对无法获知无噪声的真实图像的医学图像,通过估计平滑后的误差来选择滤波窗口变得更加困难。本文通过Pilot估计针对医学荧光染色图像中的混合高斯噪声进行了估计,再通过广义SURE方法计算不同窗口下的估计误差,从而得到中值滤波的最优窗口大小,使得图像在尽可能保留纹理信息的情况下最大可能的去除了图像噪声。     

硬边光阑的复高斯函数展开及在高斯光束中的应用

将硬边光阑门函数展开成复高斯函数后，利用高斯光阑和薄透镜的ABCD矩阵形式，推导出了高斯光束通过内含硬边光阑的近轴ABCD光学系统传输的解析表达式，说明了展开式的物理含义．通过二组复高斯函数展开系数与直接对Collins公式数值积分结果进行比较，说明所得的解析结果和新数据的优点．     

Multiscale modeling for classification of SAR imagery using hybrid EM algorithm and genetic algorithm

A novel method that hybridizes genetic algorithm (GA) and expectation maximization (EM) algorithm for the classification of synthetic aperture radar (SAR) imagery is proposed by the finite Gaussian mixtures model (GMM) and multiscale autoregressive (MAR) model. This algorithm is capable of improving the global optimality and consistency of the classification performance. The experiments on the SAR images show that the proposed algorithm outperforms the standard EM method significantly in classification accuracy.     

高熔点煤灰添加硼砂助熔的理论和实验研究

将硼砂按不同比例分别掺入两种煤灰中,对混合灰样熔融特性进行实验研究.同时利用Gaussian软件对混合煤灰中矿物质相变进行量子化学计算,结果表明:莫来石分子中氧原子电负性很高,很容易与电子受体结合形成新的化学键,导致晶格结构发生改变形成新物质,添加硼砂助熔剂,其机理是加入的阳离子(Na+)促使莫来石晶格转变为低熔点的霞石,从而达到降低灰熔融温度.实验结果与理论计算结果相一致.     

基于平稳小波域GSM模型的SAR图像去噪

为解决SAR图像处理中传统方法存在的图像边缘模糊、失真等问题,将平稳小波变换和高斯混合尺度模型（GSM）相结合,建立了基于平稳小波分解系数的邻域模型,并利用Bayes最小均方估计进行局部去噪,最后对各个方法的滤波结果用评估参数进行客观评价。实验结果表明,该方法具有比空域滤波及标准小波方法更优的去噪性能。     

股票异常波动检测的自适应Gauss过程算法

基于Gauss过程机器学习算法, 通过分析股票样本的历史数据噪声问题, 给出相应的股票样本数据回归预测模型, 解决了股票异常数据的检测问题； 并用蚁群算法, 解决了Gauss过程机器学习算法的参数自适应问题. 实验结果表明, 该算法与其他算法相比, 可在保证近似准确性的基础上, 大幅度提高计算效率, 提升用户满意度.     

基于高阶统计量方法的ARMA模型功率谱估计在设备故障诊断中的应用

为了消除或衰减加在机械故障信号上的有色高斯噪声,更好地对信号功率谱进行估计,提出了基于高阶统计量方法的ARMA模型功率谱估计方法。该方法依据是高阶统计量对高斯噪声不敏感的特性。仿真结果表明,该方法能有效的抑制高斯有色噪声的干扰。