基于多重分形模型的非高斯信号建模

在小波域中，研究了基于β分布、点集分布和β分布与点集分布的混合多重分形模型（β－MWM．pm-PWM和β－pmMWM）；运用相关性检测和多重分形奇异谱检验方法分析了这3种模型对实际的水声非高斯信号的逼近性能。探讨了非高斯信号的多重分形分布特性，将研究结果应用于水声噪声的分析中，发现其多重分形分 布与环境有密切的关系；应用于水声噪声的识别研究中，取得了较好的实验结果。     

基于GEMS算法的潜变量高斯图模型结构学习

考虑了潜变量高斯图模型下的结构学习(模型选择)问题,即存在潜变量时可观测变量间相互关系的估计问题.简要介绍了高斯图模型及潜变量高斯图模型下的LVglasso方法,给出了GEMS(广义期望模型选择)算法结合LVglasso下潜变量图模型选择的算法步骤.通过模拟,发现GEMS结合LVglasso方法在模型选择速度上比EM(...     

基于自适应惩罚的潜变量高斯图模型结构学习

采用自适应惩罚似然方法解决含潜变量高斯图模型的结构学习问题.模拟结果表明,自适应惩罚显著优于非自适应惩罚,可有效降低估计偏差,更准确地估计给定潜变量时观测变量间的条件独立性关系.     

基于高斯模型的多重超声回波信号重数估计

精确估计多层材料超声回波信号的重数在超声检测上有着要意义。将小波变换方法用于多层材料超声回波参数估计中,根据高斯模型以超声回波信号的小波变换为基础、利用智能人工蜂群算法,估计出多重超声回波信号的各个参数。采用Akaike Information Criterion(AIC)准则,对叠加的两重和三重超声回波信号的重数进行估计。仿真结果表明,本算法可以实现多重超声回波信号重数的有效估计。用实验测试获得的回波对算法的性能进行了验证,结果证明了该算法的可行性和实用性。     

基于高斯混合模型的EM学习算法

本文研究了一类基于无监督聚类学习的算法——EM算法的算法实现．EM算法通常用于存在隐含变量时的聚类学习，由于引入了隐含变量，导致算法难以保证收敛和达到极优值．本文通过将该算法应用于高斯混合模型的学习，引入重叠度分析的方法改进EM算法的约束条件，从而能够确保EM算法的正确学习．     

有向图上的合作对策模型

讨论有向图上最小树形图对策模型。证明了核心解集非空及置换凸性，给出了一种有效联盟结构分解。     

正相依结构下的多重生命模型

根据正相依的性质,讨论了连生状态和最后生存者状态在正相依多重生命模型结构下剩余寿命的分布函数和生存概率．得到正相依结构下的可靠性上界和下界．     

基于自适应学习速率混合高斯模型的背景消除

背景消除是智能视觉监控和自动目标识别与跟踪首先要解决的问题。采用混合高斯模型对背景图像进行建模,并应用图像的相关性与各点的置信度对背景模型的学习速率进行快速更新,完成背景模型的重建。与其他方法比较,该方法能够有效地对新背景进行快速的学习和适应,达到动态背景下运动目标实时跟踪的要求。     

基于自适应学习速率混合高斯模型的背景消除

背景消除是智能视觉监控和自动目标识别与跟踪首先要解决的问题.采用混合高斯模型对背景图像进行建模,并应用图像的相关性与各点的置信度对背景模型的学习速率进行快速更新,完成背景模型的重建.与其他方法比较,该方法能够有效地对新背景进行快速的学习和适应,达到动态背景下运动目标实时跟踪的要求.     

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%.     

基于自适应学习速率混合高斯模型的背景消除

背景消除是智能视觉监控和自动目标识别与跟踪首先要解决的问题。采用混合高斯模型对背景图像进行建模，并应用图像的相关性与各点的置信度对背景模型的学习速率进行快速更新，完成背景模型的重建。与其他方法比较，该方法能够有效地对新背景进行快速的学习和适应，达到动态背景下运动目标实时踉踪的要求。     

基于自适应学习速率混合高斯模型的背景消除

背景消除是智能视觉监控和自动目标识别与跟踪首先要解决的问题.采用混合高斯模型对背景图像进行建模,并应用图像的相关性与各点的置信度对背景模型的学习速率进行快速更新,完成背景模型的重建.与其他方法比较,该方法能够有效地对新背景进行快速的学习和适应,达到动态背景下运动目标实时跟踪的要求.     

多重分层抽象模型

基于G-KRA模型框架, 对已有的流片段概念进行扩展,  提出3种不同类型的流片段组, 并引入现象和目的的概念, 定义了流片段（组）的现象不可区分性. 根据流片段（组）的现象不可区分性合并流感知过程获得的某些流片段, 建立了流片段集合与现象集合间及现象集合与目的集合间的映射关系, 并形式化地描述了基于多重知识流片段集合的分层过程, 为客观世界基于多重知识的分层抽象过程提供了可共享和重用的知识库及转换机制.     

随机相关结构下单因子混合高斯模型的CDO定价问题

CDO是近十年来发展最为迅速的信用衍生产品之一,其核心问题为如何对CDO分券层进行定价.基于此,通过引进混合高斯分布建立了随机相关结构条件下的单因子混合高斯定价模型,进一步给出了单个资产违约的概率分布,据此得出了整个资产池累积违约损失的概率分布,并分别得出了基于伯努利随机相关结构和对称随机相关结构条件下的具体表达形式.在分析CDO分券层损失面的预期损失和收益面的预期收入的基础上,利用无套利定价原理得出了CDO分券层的合理信用价差.     

高斯混合模型心音信号自动识别

为了提高心音信号自动识别的准确性,该文提出一种高斯混合模型心音信号自动识别方法。首先收集心音信号进行预处理,提取心音信号的Mel频率倒谱系数作特征参数,采用高斯模型库进行心音信号自动实别,最后利用仿真实验对其性能进行测试和分析。实验结果表明,该文方法可以准确描述心音信号变化特点,相对其他心音信号自动识别方法,其识别率大幅提高,可应用于心脏疾病的诊断中。     

高斯云模型的雾化特性

高斯云模型是通过运用高斯分布和高斯隶属函数的普适性,用3个相互独立的参数共同表达一个定性概念的数字特征,反映概念的随机性和模糊性.随着超熵不断增大,高斯云呈现出雾化状态,高斯云雾化后云滴表现出既离散又抱团的特性,能很好地表示演化计算中的变异与遗传.1     

一维反铁磁的高斯模型

利用求严格解和坐标空间重正化群两种方法,研究了只考虑近邻相互作用的一维反铁磁高斯模型,发现一维反铁磁高斯系统同一维铁磁高斯系统一样,也存在有限大小温度的相变,利用傅里叶变换的方法计算出了严格的配分函数,进而求出了系统的自由能,由自由能函数的奇异点,得到了系统的临界温度．应用坐标空间重正化群和自旋重标相结合的方法求出了系统的临界温度,得到了与严格计算相同的结果．     

基于产品BOM的赋权有向图模型的实现

产品BOM(Bill of Material)中结点可能在不同层次重复出现,传统的树形结构不便于表达这些结点之间的关系.作者在分析传统产品BOM树模型的局限性的基础上,研究了产品BOM的本质结构,提出了产品BOM赋权有向图通用模型,给出了其相应的关系数据库实现,研究了产品BOM赋权有向图模型的维护方法,讨论了基于企业实际的模型属性扩展,给出了其遍历和搜索的思想、相关算法以及编程语言实现方法,为PDM(Product Data Management)/CAPP(Computer Aided Process Planning)/CAD(Computer Aided Design)/MRPⅡ(Manufacturing Resource Plan)/CIMS(Computer Integrated Manufacturing System)/ERP(Enterprise Resource Plan)系统集成提供了前提和基础.     

基于概率有向图模型的船舶进出港航路规划

为降低港口水域内的船舶航行风险,提高港口生产效率,提出基于概率有向图模型的船舶进出港航路规划算法.采用基于密度的聚类方法,对船舶进出港的历史轨迹进行分类,从而提取出船舶在港内的正常航行模式,并采用基于网格划分的方法对轨迹进行离散.以网格为节点及相邻网格为有向边,建立概率有向图模型.给定航路的起始点和目的地,动态搜索船舶可能的航行路径进行航路规划.分别选取100条进港轨迹和100条出港轨迹对模型进行验证,结果表明:模型输出的进港规划航路与船舶真实航迹间的平均航路偏差为0.18,出港规划航路与真实航迹间的航路偏差为0.28.本模型生成的航路结合了多数船舶的进出港航行规律,其适航性能满足要求.     

高斯光束反馈下多重激光自混合干涉特性分析

多重激光自混合干涉是多重光反馈引起一次和二次反馈光引发二级干涉条纹的干涉现象。文中利用孔阑传输线的分析方法,将高斯光束在外腔中二次反射过程等效为光束依次穿过一系列同轴孔阑的传输过程。根据高斯光束在孔阑上的光强分布,将作为激光器的前端面作为边界条件,积分得到一次和二次反馈光强,推导高斯光束反馈下的多重激光自混合干涉公式,进一步模拟分析外腔长度与二级干涉条纹幅度的相互关系,并进行实验验证。结果表明减小外腔长度有助于增大二级干涉条纹幅度,增强多重激光自混合干涉。