Revisiting the Evaluation of a Multidimensional Gaussian Integral

The evaluation of Gaussian functional integrals is essential on the application to statistical physics and the general calculation of path integrals of stochastic processes. In this work, we present an elementary extension of an usual result of the literature as well as an alternative new derivation.

关于Log Gaussian Mixture Cox过程模型的研究

Log Gaussian Cox过程模型(简称LGCP模型)常用来描述关于空间变化的随机过程,但是它不能很好地拟合强度取对数后是非高斯过程情况下的数据。因此,通过将它的强度取对数后看成是一个混合高斯过程来改进LGCP模型,并研究改进后模型的性质。采用极大似然估计法和MCMC方法来估计模型参数,以及用AIC准则作模型选择。最后通过实例验证,结果显示改进后的模型能够有效地拟合数据。

采用改进最大相关熵自适应迭代容积卡尔曼滤波算法的锂离子电池荷电状态估计

针对非高斯噪声干扰下传统滤波算法在估计锂离子电池荷电状态(SOC)时存在不稳定以及精度低的问题,提出一种改进的最大相关熵自适应迭代容积卡尔曼滤波(IMCC-AICKF)算法,用于估计锂离子电池荷电状态。所提算法将加权最小二乘方法与最大相关熵准则(MCC)相结合,定义了一种新的代价权函数作为优化准则,通过优化噪声最小协方差矩阵来减小滤波误差,保证长时间滤波的收敛性和稳定性;再与自适应迭代容积卡尔曼滤波(AICKF)算法相结合,对过程噪声协方差和测量噪声协方差进行更新来提高估计的准确性和鲁棒性。基于两种电池数据,在非高斯噪声干扰下,运用所提算法对电池SOC进行估计,仿真结果表明:与容积卡尔曼滤波(CKF)算法和最大相关熵容积卡尔曼滤波(IMCC-CKF)算法相比,IMCC-AICKF算法对荷电状态估计的最大绝对误差、平均绝对误差和均方根误差都是最小的,且平均绝对误差和均方根误差均小于1%;在给定初始值错误的情况下,IMCC-AICKF算法可以准确收敛到真实值,具有较好的鲁棒性。所提算法在非高斯噪声下能实现更准确的估计,是一种估计精度高且鲁棒性好的SOC估计方法。

最大相关熵准则下改进扩展卡尔曼滤波的车辆状态估计

针对传统卡尔曼滤波在非高斯环境下对车辆状态估计鲁棒性和精度差的问题,提出最大相关熵准则(MCC)下改进自适应迭代扩展卡尔曼(AIEKF)滤波算法(MC-AIEKF),建立横-纵耦合的三自由度车辆模型,利用易测得的车载传感器信息设计了包含横摆角速度、质心侧偏角、纵向车速的状态观测器。在双移线和正弦扫频输入工况下通过Simulink/CarSim仿真试验平台对提出的算法进行了验证。结果表明,在非高斯环境下,相比于扩展卡尔曼滤波(EKF)和AIEKF,MC-AIEKF算法估计精度高,鲁棒性好,在实际的车辆状态估计中MC-AIEKF具有更强的适用性。

有偏量测下基于最大相关熵卡尔曼滤波的目标跟踪方法

针对传感器存在系统偏差且噪声非高斯条件下目标状态估计精度较差的问题,提出一种有偏量测下基于最大相关熵卡尔曼滤波(Maximum Correntropy Kalman Filter,MCKF)的目标跟踪方法。该方法通过引入差分机制,利用目标相邻时刻的有偏量测之差构建差分量测方程,有效克服了系统偏差的影响。随后基于最大相关熵准则(Maximum Correntropy Criterion,MCC)量化估计误差的高阶矩信息,并以差分量测为先验条件推导出有偏量测下算法的滤波迭代方程。仿真结果表明,当系统观测值受传感器系统偏差和非高斯噪声干扰时,与现有方法相比,所提方法具有更好的跟踪性能。

非高斯环境下基于最大相关熵的平滑估计器设计

针对Kalman平滑估计器在非高斯噪声环境下性能衰退问题,本文提出了一种基于最大相关熵准则作为最优估计标准的平滑估计方法,将其应用于固定滞后问题的状态估计,称之为固定滞后最大相关熵平滑估计器(FLMCS).首先,使用矩阵变换,给出最大相关熵Kalman滤波器的另一种形式;然后,以此为基础,通过引入新的状态变量来增广系统,并推导出所提平滑估计器的在线迭代方程;进一步比较平滑前后状态估计误差协方差,从理论上分析算法性能改进效果;最后,通过算例仿真验证所提平滑估计器在非高斯噪声干扰下的有效性和优越性.

基于最大相关熵卡尔曼滤波的UWB室内定位算法

随着无线通信技术的不断发展,室内定位技术逐渐成为关注的热点。然而,在复杂的室内环境中,如非高斯噪声等条件下,传统的超宽带(ultra wide band,UWB)定位算法往往存在定位精度低、鲁棒性差等问题。该算法将最大相关熵准则引入卡尔曼滤波(Kalman filter,KF)算法的代价函数中,并对测量噪声进行建模,因此能够给异常量测值分配较小的权重以减轻其对于状态估计的影响,相对于传统的卡尔曼滤波算法具有更强的鲁棒性。在仿真实验中,采用了多个基站对运动目标进行定位,结果表明,非高斯环境下,相比于卡尔曼滤波和无迹卡尔曼滤波(unscented Kalman filter,UKF),新算法能够有效地提高室内定位的精度和鲁棒性。

基于高斯混合模型的谐波责任估计方法

针对不完全可观系统提出一种基于高斯混合模型的谐波责任估计方法。依据谐波测量电压的概率分布特性估计各谐波负荷的谐波责任,规避因引入不可测的线路参数对量化谐波责任造成的困难。先根据测得的谐波电压样本训练高斯混合模型;然后,基于贝叶斯信息准则和Kullback‐Leibler散度比率确定混合模型中的高斯分量的数量及位置范围,并通过Z检验实现谐波电压样本的异常检测;最后,通过IEEE 14节点测试系统检验了所提方法的有效性。

非高斯噪声背景下的目标辐射线谱自适应增强方法

针对非高斯噪声背景下因噪声二阶矩发散导致常规自适应线谱增强方法的权值迭代不收敛,无法有效增强水下目标辐射线谱信噪比的问题,提出了基于最大相关熵准则的自适应线谱增强方法。该方法基于窄带线谱信号和宽带非高斯噪声在广义时间相关半径上的差异,采用参考信号与输出信号的相关熵作为惩罚函数进行自适应滤波器权值的迭代优化,有效提升了目标辐射线谱的输出信噪比。仿真结果表明,该方法能够实现在非高斯噪声背景下对线谱信号的有效增强,相比于基于奇异谱分析和基于香农熵的两种非高斯噪声背景适配的线谱增强方法,在低信噪比条件下该方法可将信噪比增益分别提升12 dB和5 dB。海试数据处理结果也验证了所提方法的可行性和可靠性。

基于改进区域生长法分割CT图像肝肿瘤的研究

针对腹部内存在组织器官多、解剖结构复杂、组织器官边界模糊等特点,该文提出改进区域生长法分割CT图像肝肿瘤。算法根据肝肿瘤CT值与正常肝组织CT值差异遍历整幅图像预判种子点位置。种子区域的生长结合局部区域像素的均值和局部区域像素梯度均值。通过对不同类型的CT图像肝肿瘤进行分割,并以面积迭代度和误分率评判分割效果。研究结果表明,改进算法的面积迭代度是0.98±0.16、误分率是0.08±0.03,明显高于传统区域分割法(面积迭代度是0.78±0.32、误分率是0.35±0.18)。因此,改进区域生长法可以较好地实现肝组织中感兴趣区域的提取,并保持肝组织的完整,为后续肝脏肿瘤的三维重构和外科手术治疗提供准确的临床数据。

混合型多属性决策的HB-SIR方法

针对权重已知且属性值为精确数、区间数、三角模糊数和梯形模糊数的混合型多属性决策问题,提出了一种新的混合型级别高于方法(hybrid superiority and inferiority ranking,HB-SIR)。该方法依据混合型多属性决策矩阵构建正负理想方案,将混合型多属性决策矩阵转化成标准优势和劣势差异信息矩阵,进而通过高斯准则计算各个方案的优势指数和劣势指数,构建优势矩阵和劣势矩阵,并使用简单加权(simple additive weighting,SAW)方法计算出方案的优势流和劣势流,据此获得方案的部分或完全排序。最后,通过一个算例验证了该方法的有效性。

基于梅尔频率倒谱系数与翻转梅尔频率倒谱系数的说话人识别方法

为提高说话人识别系统的识别率,提出了基于梅尔频率倒谱系数(MFCC)与翻转梅尔频率倒谱系数(IMFCC)为特征参数的特征提取新方法。该方法利用Fisher准则将MFCC和IMFCC相结合,构造了一种混合特征参数。实验结果表明,新的混合特征参数与MFCC相比,在纯净语音库及噪声环境中均具有较好的识别性能。

苯取代定位效应的量子化学研究

采用RHF／6-31G(d)方法优化分子构型,在此基础上研究取代定位效应,对14种苯的取代物进行了苯环上C原子所带总电荷量的计算,给出一个直观的苯的取代定位和活化(钝化)作用的判断标准.此法对芳基亲电取代反应有一定的预见性．

一种新的基于高斯混合模型的线性判别分析

Fisher准则函数的前提条件就是假设每类样本数据满足单峰高斯分布,即各类样本在模式空间的分布近似椭球状,但是当训练样本数据较多且呈多峰分布时,传统的Fisher准则函数并不能准确反映样本数据的分布,显然基于Fisher准则函数的线性判别分析得到的最优判别矢量集也不是最优的。针对这种情况,通过引入高斯混合模型的概念,提出了一种新的基于高斯混合模型的线性判别分析方法,同时也给出了在该模型下的最优判别矢量集的直接求解方法,并通过实验证明了该算法的有效性。

基于高斯滤波器及费舍尔准则的特征提取方法

针对梅尔倒谱系数与翻转梅尔倒谱系数在语种识别应用中的不足,采用高斯滤波器代替三角滤波器,提出一种新的梅尔倒谱系数提取方法,解决传统梅尔倒谱系数提取中邻近滤波器相关性较弱的问题,并结合Fisher准则构造出最优混合特征参数,采用高斯混合模型分别对不同混合特征进行语种识别。实验结果表明:基于高斯滤波器及Fisher准则的改进梅尔倒谱系数混合特征参数作为语种识别特征具有较高的识别准确率。

基于图像信噪比选择优化高斯滤波尺度

该文提出了一种选择优化高斯滤波尺度的算法。首先对图像的信噪比进行估计,以此来评估图像受噪声退化的程度;然后在样本图像中加上不同程度的噪声,利用最优化准则得到相应的最优高斯滤波尺度;最后在统计意义上研究最优化高斯尺度和图像信噪比之间的关系,通过数据拟合,可得到基于图像信噪比来选择高斯滤波尺度的算法。在Canny边界探测和非线性扩散滤波上的应用实验,显示了新算法的有效性。

基于随机kNN图的批量边删除聚类算法

建立邻接图上的批量边删除聚类算法通用框架,提出基于高斯平滑模型的批量边删除判定准则,定义了适于聚类的邻接图的一般性质,提出并证明在kNN图基础上引入随机因子构造的随机kNN图,可以增强顶点之间的局部连通性,使聚类结果不再强烈依赖于某条边或某些边的保留或删除.RkNNClus算法简洁高效,依赖参数少,无需指定类簇数目,模拟和真实数据上的实验均有证明.

混凝土结构预应力服役离散性分析与性能评价方法

依据工程实测数据,验证了单筋有效预应力概率分布特征,提出了基于高斯混合理论的结构预应力系统概率分析模型,确定了峰度、偏度和函数差值控制的正态显著性判定准则,建立了适用于工程抽样的高斯混合模型正态化简化分析方法.以95%保证率为约束参数,建立了基于实测数据的结构有效预应力性态和服役性能评价方法.结果表明:结构有效预应力概率分布可采用单个正态或多个子分布高斯混合模型近似表征;以95%保证率为约束参数,可协调估计精度与实测效率之间的矛盾,满足工程测试需求,实现了预应力服役离散性的科学量化分析.

基于Contourlet变换的稳健性图像水印算法

提出了基于Contourlet变换的数字图像水印算法。与小波变换不同的是,Contourlet变换采用类似于线段(contoursegment)的基得到一种多分辨、局部化、方向性的图像表示。水印信号通过基于内容的乘性方案加载到Contourlet变换系数。在采用零均值广义高斯分布拟合Contourlet变换系数的基础上,提出采用极大似然估计实现水印的盲检测。依据Neyman-Pearson准则,在给定虚警率的情况下对判决准则进行了优化。实验结果表明在保证水印隐蔽性的前提下,水印对常见的信号处理手段以及几何变换具有很好的稳健性。

利用模型选择确定视觉词袋模型中词汇数目

视觉词袋(Visual Bag-of-Words)模型在图像分类、检索和识别等计算机视觉领域有了广泛的应用,但是视觉词袋模型中词汇数目往往是根据经验确定或者采用有监督的交叉学习选取。提出一种确定视觉词袋模型中词汇数目的无监督方法,利用模型选择的思想来解决问题。使用高斯混合模型描述具有不同词汇数目的视觉词袋,计算各模型贝叶斯信息准则的值,选取贝叶斯信息准则最小值对应的词汇数目。与交叉验证的监督学习在图像分类实验的对比结果说明该方法准确有效。