高斯核密度估计连续后验Logit模型找矿方法

针对证据权模型存在连续型数据需要划分为二态数据并要检验自变量之间的条件独立性的问题,提出了连续后验Logit二分类模型,并据此提出了高斯核密度估计连续后验Logit模型找矿方法,该方法用连续型数据直接计算有矿后验Logit,无需转换连续型数据为二态数据,也无需检验变量之间条件独立性,减少了工作步骤,可以提高定量找矿的精度和工作自动化程度。利用化探数据对广西丹池成矿带的锡矿预测与已知矿产空间分布具有较好的对应关系,证明该方法是可行和有效的。

高斯核密度估计方法检测健康数据异常值

针对智能穿戴设备普及背景下,利用运动手环采集的活动数据存在未知异常数据的问题,提出一种基于高斯核密度估计的健康数据异常值检测方法。首先采用t-分布邻域嵌入算法对数据集进行特征提取,增强数据局部结构能力;接着利用高斯核局部密度代替局部异常因子算法中的局部可达密度,提出基于高斯核密度估计离群因子(GKDELOF)算法,推导分析了该算法判断阈值的稳定性;最后在UCI标准数据集上进行仿真实验,验证算法的准确性,并在选取的真实运动手环所采集的活动数据集上进行实验分析。实验结果表明,该方法能够解决由活动复杂多样性造成的健康数据稀疏问题,准确检测出异常值。

基于高斯核密度估计法的路灯窃电检测方法

散落在道路周围的路灯易被窃电,而路灯窃电检测与普通用户窃电检测有显著差异。路灯负荷一般由专用变压器供电,是一种仅有供电计量、没有下级用户计量的特殊负荷,因此很难识别因窃电造成高损耗的路灯专变。在深入分析路灯专变负荷特性的基础上,提出了一种基于高斯核密度估计法的路灯窃电检测方法。首先,分析路灯负荷的用电特性。然后,计算了路灯负荷的不同计量时间间隔用电量数据的累积波动量,通过直方图阈值法初步设置阈值将用电负荷分类后,再利用高斯核密度估计法求取最优阈值。最后,以长沙某地区路灯专变负荷对所提方法进行验证,结果表明所提方法能有效地检测出窃电用户。

基于相位统计信息特征的相移键控类信号识别

为解决非协作通信中,相移键控类信号由于相位相似,导致在复杂环境下的分类识别困难的问题,本文在高斯噪声下通过对信号相位信息概率密度的推导,并使用高斯核密度估计的方法得到了一种恢复信号相位信息特征的方法。通过仿真实验将该方法从加性高斯噪声推广到加性Alpha稳态分布噪声中。在该方法下,本文提出的特征对BPSK、QPSK、OQPSK、π/4_DQPSK、8 PSK 5类信号在Alpha噪声下可以准确识别。研究表明:使用支持向量机方法可以在信噪比0 dB以上时使信号的总体识别率达到90%以上。

基于DL和GKDE的松花江流域土壤侵蚀类型的概率评价研究

[目的]为科学判别流域尺度土壤侵蚀类型并给出相应的发生概率。[方法]构建基于深度学习(deep learning,DL)的松花江流域土壤侵蚀模数(erosion modulu,EM)计算模型,并计算不同类型的侵蚀模数。以降雨、气温、风速3个侵蚀模数影响因子为随机变量,利用数值模拟和高斯核密度估计法(gaussian kernel density estimation,GKDE)构建EM概率评价方法,给出不同土壤侵蚀强度组合的发生概率。[结果]EM计算模型验证期的R^(2)均>0.86。流域内平均每年有74.47%发生微度水蚀与微度风蚀;12.86%的面积发生轻度及以上水蚀与微度风蚀;12.56%的面积发生轻度及以上风蚀与微度水蚀;0.11%的面积水蚀强度与风蚀强度均在轻度及以上。36个典型像元中,发生微度水蚀与微度风蚀的平均概率为57.45%;发生微度水蚀与轻度风蚀的平均概率为30.26%;发生微度水蚀与中度风蚀的平均概率为8.03%;发生轻度水蚀与微度风蚀的平均概率为2.11%;发生微度水蚀与重度风蚀的平均概率为2.08%;发生其余强度组合的平均概率在0.05%以下。[结论]构建的松花江流域EM计算模型精度较高,揭示了松花江流域土壤侵蚀类型空间分布特征,并给出不同土壤侵蚀强度组合的发生概率,为松花江流域土壤侵蚀治理提供依据。

利用一维投影分析的无参数多密度聚类算法

针对DBSCAN(Density Based Spatial Clustering of Applications with Noise)算法对参数敏感且无法适用于多密度数据集聚类的缺点,提出一种改进的基于一维投影分析的无参数多密度聚类算法PFMDBSCAN(Parameter Free Multi-Density Clus-tering Using One-dimensional Projection Analysis).算法首先对数据集进行一维投影,并对投影后的数据进行高斯核密度估计,据此采用极值策略得到多个局部密度估计值,将每个局部密度估计值转换为参数后依次调用DBSCAN进行聚类,最终得到完整的聚类结果.该算法达到了聚类无参数化且能适用于多密度的目标.实验表明,本文提出的无参数算法对单密度和多密度数据集都有较好的聚类效果,能适用于任意形状、任意密度的数据集,且具有较强的抗噪性.与近期文献中提出的无参数多密度聚类算法APSCAN相比,不仅聚类效果更好,且计算复杂性更低.

基于变权组合模型的中长期负荷概率密度预测

单一模型或固定权重组合模型进行中长期负荷预测时,可能存在预测精度不高和预测误差不稳定的问题;且由于诸多不确定因素对中长期负荷预测的影响,确定的点预测结果不能很好地反映中长期负荷的波动性。针对上述问题,提出基于变权组合模型的中长期负荷概率密度预测方法,即在传统固定权重组合模型的基础上,考虑本次的预测结果,对模型权重进行自适应调整;利用变权组合模型对中长期负荷进行区间预测,最后再用高斯核密度估计方法求取区间概率密度函数。实际算例结果表明:与常规方法相比,该方法在预测精度上有所提高,预测误差波动范围进一步减小。

改进S变换谱估计的动态手势肌电特征处理

手语是各种手势动态变化的一种复杂运动模式,手势特征处理效果直接关系到手语识别的准确性。本文提出一种基于改进S变换谱估计的动态手势肌电特征处理新方法。对采集的表面肌电信号进行S变换,引入优化因子调节时频分辨率并生成改进S变换谱;定义谱的时间和频率分量为二维随机变量,以改进S变换谱元素为二维随机变量样本,通过高斯核密度估计得到二维核密度函数。仿真和实验均表明,改进S变换谱估计方法有效抑制了白噪声,并使动态手势的肌电暂态突变特征得到加强。与经验模态分解、自排序熵、奇异值排序熵等方法对比,基于该方法的动态手势识别率分别提高了10.0%、6.67%和11.67%,特征处理方法的效果明显。

成渝地区空间经济结构时空演变、驱动因素及分布动态演进

基于2011—2020年四川省15个地级市和重庆市中心城区及20个区(县)的面板数据,分析成渝地区空间经济结构演化特征;建立动态空间嵌套和动态空间半参数模型,挖掘其驱动要素;使用高斯核密度估计法刻画经济结构动态演化趋势。结果表明:成渝地区经济结构不断优化,中部“塌陷”问题得到一定程度缓解;成渝地区总体上并没有形成第三产业“回流效应”,并且第三产业对经济发展的贡献乏力,而城镇化和人力资本水平开始持续接力;成渝地区存在“城镇化水平”阈值效应,省际间及第三产业发达与落后地区间驱动因素存在异质性;成渝地区总体上城镇化水平与第三产业发展存在正向“M”型非线性关系,政府干预可以缩短边际递减效应持续性,市场配置可以延长边际递增效应时效性;四川省除成都市以外的地区经济开始后起发展,而重庆市则表现平平;成渝地区各区域之间产业结构不仅存在横向“拔河效应”,其内部二、三产业也存在纵向动态“拔河效应”;成渝地区局部区域的经济发展出现了极化趋势,但这种差异在不断缩小。

基于签到活跃度和时空概率模型的自适应兴趣点推荐方法

针对现有兴趣点(POI)推荐算法对不同签到特征的用户缺乏自适应性问题,该文提出一种基于用户签到活跃度(UCA)特征和时空(TS)概率模型的自适应兴趣点推荐方法UCA-TS。利用概率统计分析方法提取用户签到的活跃度特征,给出一种用户不活跃和活跃的隶属度计算方法。在此基础上,分别采用结合时间因素的1维幂律函数和2维高斯核密度估计来计算不活跃和活跃特征的概率值,同时融入兴趣点流行度来进行推荐。该方法能自适应用户的签到特征,并能更准确体现用户签到的时间和空间偏好。实验结果表明,该方法能够有效提高推荐精度和召回率。

基于系统发育的燕山东麓植物群落的构建机制

群落构建机制对解释植物物种共存、多样性的维持与发展至关重要。本文以燕山山脉东麓的植物群落为研究对象,野外调查了374个植物样方(20 m×30 m)。通过多元回归树、植物群落亲缘关系指数、高斯核函数密度估计等研究,重点探究了植物群落构建的机制。研究结果表明,燕山东麓的植物群落可划分为以荆条(Vitex negundo var.heterophylla)、槲栎(Quercus aliena)、蒙古栎(Quercus mongolica)、栓皮栎(Quercus variabilis)和白蜡树(Fraxinus chinensis)为优势的5个群系。植物最大树高这一功能性状表现出了较强的系统发育信号,此区域植物功能性状保守性较强。荆条灌丛、槲栎、蒙古栎群系的群落构建过程以环境过滤为主导,栓皮栎群系的群落构建过程以负密度制约为主导,白蜡树群落的构建机制有由环境过滤向负密度制约过渡的趋势。另外,本文引用高斯核密度分布估计对亲缘关系指数的分布进行估计,直观、真实地反映了亲缘关系指数的个体值及整体趋势,为探讨群落构建的生态位机制和中性理论间的争论提供更直接的证据。

离线垃圾短信过滤中社会网络行为模式的分析与应用

随着手机短消息服务的发展,垃圾短信呈爆炸性的增长趋势,给人们的日常生活带来了不便,也给通信运营商带来了损失.本文利用短信用户之间的联系构建短信社会网络,分析用户在短信社会网络中的关系及其行为模式,从中抽取出具有类别区分度的社会网络特征,提出了一种新的离线垃圾短信过滤模型.模型针对海量短信数据处理时存在的时空效率的瓶颈问题,提出了线性特征统计算法LFSA,并结合高斯核密度估计和贝叶斯分类器,对短信进行分类过滤.我们使用某省通信运营商提供的30亿条短信数据对模型进行测试,做实验分析.实验结果表明,我们提出的模型能满足运营商的各项性能指标要求,并已部署和应用.