非高斯噪声下的参数自适应高斯混合CQKF算法

研究非高斯噪声环境下的高斯混合滤波方法,进行纯方位跟踪系统的目标跟踪。利用改进的参数自适应方法,调整位移参数的大小,从而修正了高斯混合模型,提出了在非高斯噪声下的参数自适应高斯混合CQKF算法;基于非高斯噪声下的离散系统模型,分析了高斯混合CQKF算法中建模过程的局限性,并结合初值优化方法,提出了利用参数自适应方法修正高斯混合滤波模型的方法,从而克服了高斯混合滤波的局限性,提高了滤波精度。仿真实验表明在非高斯噪声下参数自适应高斯混合CQKF算法比原算法有更高的滤波精度。      

过程混合的高斯过程模型混合采样推理

提出了基于Dirichlet过程混合的高斯过程模型揭示复杂动态系统结构数据的多态性的内在机制.针对均值结构与协方差结构稀疏性的差异性,设计了参数先验与非参数先验来构建基于Polya urn与过松弛层采样的混合采样框架体系.该混合采样方案不但能够在统一的Metropolis Hasting(M H)概率评价准则下实现,而且能够最大限度地克服高斯随机走步的缺陷,方便、快速地获得马尔科夫样本链的展开.仿真结果表明,混合采样算法比高斯过程回归模型及高斯过程函数回归混合模型具有更广泛的适应性及更好的预测效果.     

基于高斯混合模型的光照自适应背景减法

采用带有光照自适应的基于高斯混合模型的背景减法提取移动物体的图像.通过只更新感兴趣的高斯分布减少运算量;对基于改进的高斯混合模型算法提取的图像,当光照快速变化时进行光照补偿.实验结果表明,改进的高斯混合模型算法,对光照快速变化的场景有较好的适应性,提取的图像效果较好.     

高斯与非高斯混合有色噪声中的谐波恢复

提出了一种用于在高斯与非高斯混合有色噪声中进行谐波恢复的新方法。首先利用Hilbert变换将实数观测值变换成复数形式,然后应用一种特殊的高阶累计量识别非高斯噪声的AR参数并对含噪观测值进行预滤波后,再应用基于统计量的方法进行谐波恢复。文中提出的方法能够用来恢复高斯与非高斯混合有色噪声中的一维实数谐波信号,而不用考虑谐波信号是否存在相位耦合和非高斯噪声是否对称分布,仿真实验可以证明。     

基于EM算法的高斯混合密度参数估计

描述最大似然参数估计问题,介绍如何用EM算法求解最大似然参数估计.首先给出EM算法的抽象形式,然后研究EM参数估计方法的一个应用:求高斯混合密度的参数.推导出高斯混合密度参数的迭代公式.     

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...     

基于三支决策的高斯混合聚类研究

针对隶属关系不明确的情况,即样本点属于多个类别的概率接近,高斯混合模型聚类存在较大的误判风险的问题,将三支决策思想融入高斯混合模型中,提出一种基于三支决策的高斯混合聚类算法.新算法计算出数据对象属于各个类簇的后验概率作为决策评价函数,用于确定聚类结果的正域和边界域.由于新算法对边界对象采取了比一般高斯混合聚类算法更加谨慎的操作,避免了直接做出对象属于某一类或不属于某一类的决策所需承担的风险,从而有效减小了误判代价.实验进一步表明,所提出的算法不仅继承了高斯混合聚算法的特点,具有良好的聚类性能,而且还对于非球形数据簇表现出优良的聚类效果.     

基于复高斯混合模型的鲁棒VAD算法

针对语音激活检测的鲁棒性问题,提出在非平稳噪声环境下使用基于复高斯混合模型的鲁棒语音激活检测算法.算法中假设纯净语音谱满足复高斯混合模型,先验信噪比利用预先训练好的复高斯混合模型计算得到.复高斯混合模型的引入一方面提高了语音激活检测的性能,另一方面避免了使用基于最小均方误差语音增强的先验信噪比估计过程.实验中使用NOISEX-92噪声库来验证系统在噪声环境下的性能.结果表明,该种算法在非平稳噪声环境下具有良好的检测性能.     

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%.     

基于高斯混合模型的无线传感器网络定位算法

针对距离误差对定位结果的影响, 提出一种基于高斯混合模型的无线传感器网络定位算法. 该算法将高斯混合模型方法引入到无线传感器网络的定位问题中, 通过高斯混合模型分析找出误差较大的距离信息并将其剔除, 对剩余距离信息使用三边测量定位法进行定位求解, 同时结合加权定位算法进行位置估计. 仿真实验结果表明, 改进算法能提高定位精度, 且定位结果更稳定.     

改进的模糊C均值算法用于掺杂橄榄油的分类和半定量研究

针对橄榄油的掺杂检测问题,提出了基于粒子群优化算法的模糊C均值分类算法,可以同时进行分类和半定量分析,并建立了新的目标函数评价算法.结果表明改进的模糊C均值算法简单、快速、有效.     

食用油品质检测方法的综述

介绍了检测食用油品质的几种方法,并进行了评述。近年来,食品安全问题备受关注,掺假食用油和地沟油重返餐桌的问题被不断曝光,引发了人们对食用油质量安全的担忧。目前,传统食用油质量的检测方法均存在着一定缺陷,并给不法分子带来可乘之机,而现代的一些仪器分析方法尚不成熟。近年来利用食用油中脂肪酸和的DNA分析油脂是否掺假的方法值得人们深入研究,为开发出更加合理的食用油测定方法提供了思路。     

基于近红外光谱的纯花生油掺伪快速鉴别方法研究

针对目前国内缺乏快速鉴别花生油掺伪鉴别技术的现状,提出基于近红外光谱的纯花生油掺伪快速鉴别方法.实验分别配制了掺入大豆油、菜籽油、棕榈油和调和油的4类掺伪花生油样品共40个,纯花生油样品5个,采集样品近红外全谱,通过支持向量机技术建立纯花生油掺伪鉴别模型.结果表明,选取径向基函数为支持向量机核函数,通过网格搜索和k折校验法确定核参数γ为1,惩罚参数c为1 024,建立纯花生油掺伪鉴别模型的识别率和预测率均达到100%,基于近红外光谱的花生油掺伪快速检测技术具有较好的可行性和实用性.     

芝麻油掺假快速检测新方法的研究

本试验对芝麻油掺假定性和定量检测的新方法进行了研究，筛选了检测用的特异显色剂和最佳条件。此新方法既能检测芝麻油掺假，又能检测出掺假植物油的品种。目视定量检测试验误差为±５％．     

食用油真伪鉴别方法研究进展

受经济利益驱使,食用油掺假造假现象频发,不仅扰乱市场秩序、侵犯消费者权益,甚至危害消费者的身体健康.食用油种类真实性鉴别技术为打击食用油掺假造假,保护消费者安全,维护市场秩序,加强政府监管提供了有效的技术支撑.从理化成分分析、分子生物学和智能感官仿生学三方面综述了食用油真伪鉴别方法的研究进展,以期为今后食用油真伪鉴别提供研究思路.     

联苯双酯和齐墩果酸对 ANIT 致小鼠、大鼠 肝损伤的作用研究

摘要: 目的 观察联苯双酯和齐墩果酸对异硫氰酸-1-萘酯(α-naphthyl isothiocyanate,ANIT)橄榄油溶液致肝损伤小 鼠、大鼠的保 护 作 用。方 法 先 给 予 小 鼠、大鼠联苯双酯和齐墩果酸,然 后 对 小 鼠、大鼠分别灌胃给以 100 mg·kg － 1 、80 mg·kg － 1 ANIT 造成肝损伤,48 h 后测其空腹血清中的 ALT、AST、TBIL、DBIL、GGT、ALP,并剖取肝、 脾,称湿重,计算其脏器指数。结果 齐墩果酸具有降低小鼠 ALT、AST 和 TB 值,联苯双酯反而增加小鼠 ALT、AST 和 TB 值。联苯双酯具有降低大鼠 ALT、AST 和 ALP 值,齐墩果酸则不降低大鼠 ALT 和 AST 值。结论 齐墩果酸 对 ANIT 致肝损伤小鼠具有保肝作用,联苯双酯对 ANIT 致肝损伤大鼠具有保肝作用。     

氢氧化钠/聚丙烯酸钠固体碱的合成及其催化酯交换反应性能

采用原位聚合担载的方法制备了聚丙烯酸钠担载 NaOH 的氢氧化钠/聚丙烯酸钠(NaOH/NaPAA)固体碱催化剂,研究了固体碱催化剂的吸水性、保水性和碱性,并考察了其催化橄榄油与甲醇的酯交换反应催化活性和耐水性。结果表明,NaOH 担载量对 NaOH/NaPAA 固体碱催化剂的吸水倍率影响明显,随着 NaOH 担载量增加,吸水倍率呈先上升后降低的趋势;担载量为7.5 mmol时,吸水倍率呈现最大值,且具有良好的保水性能;碱量随 NaOH 担载量的增加而增大,碱强度达15.0 - < 18.4;催化橄榄油与甲醇酯交换反应,NaOH/NaPAA 固体碱催化剂显示了高酯交换活性和耐水性;在反应温度为 60 ℃、醇油物质的量比为 6:1、催化剂质量分数为 3 %、反应时间为 2h 的条件下,对于不含水的原料油,甲酯产率达到 96.10 %,原料油含水量增大到2% 时,甲酯产率仍可达到 87.26%。     

一种混合噪声图像去噪的平滑算法

提出了一种新的混合滤波算法,对混有高斯和椒盐噪声的图像进行去噪处理.该算法首先对受椒盐噪声污染的像素点,采用自适应中值滤波算法进行去除;然后利用高阶统计量针对高斯噪声的不敏感特性,对受高斯噪声污染的像素点,采用其周围梯度和最小的几个点的灰度平均值来代替其灰度值去除噪声.实验结果表明,该算法能够在去除高斯和椒盐噪声的同时,保留更多的图像细节信息,特别是对感染较大噪声的图像有更好的去噪效果.     

基于Davinci-DM6467的高斯混合模型算法的实现

针对智能监控中运动目标检测的问题,提出了基于Davinci-DM6467的高斯混合模型像素级的背景分割策略。对彩色图像建立高斯混合模型,根据场景中象素点的稳定性来调整模型参数的更新速率;通过和马氏阈值进行对比来判断是不是要更新背景模型;通过和背景阈值进行对比来判断哪几个模型是属于背景区域。经验证性实验测试,结果表明,高斯混合模型在运动检测中实时性好,对环境有较强的鲁棒性。