融合BERT与改进深度自动编码器的专利聚类

针对传统的向量表示方法的多义词局限性以及深度聚类容易出现特征嵌入与聚类过程分离的问题,提出一种融合BERT与改进深度自动编码器的专利聚类方法。利用BERT对专利文本进行向量初始化,提出将高斯混合模型(GMM)与自动编码器相联系,构建一个单隐含层自编码器的聚类模块(CM),将其嵌入到深度自动编码器(DAE)中构成DAE-CM模型。实验结果表明,CM与GMM具有等效性,DAE-CM模型与现有深度聚类模型相比,精确度等都有所提高,所提专利聚类模型性能得到了很大的提升,F-means值达到了0.9224。

深圳市轨道交通复杂网络特性分析

为了研究深圳市轨道交通网络的特点,对深圳市轨道交通网络建立基于复杂网络理论的L空间及P空间网络模型。通过对网络路径长度的分析,发现P空间网络模型不完全适用于深圳市轨道交通网络。通过对节点度、节点介数、聚类系数等参数及其分布规律的分析,得到深圳市轨道交通网络具有较高的聚类系数和较小的平均路径长度,但节点度分布在L空间及P空间下均服从高斯分布,说明深圳市轨道交通网络属于具有一定小世界网络特征的混合结构网络。通过分析深圳市轨道交通网络的复杂网络特性及存在的部分问题,可以为优化轨道交通网络的连通性提供一定的理论基础和科学依据。

基于负熵的地震盲反褶积方法及其应用

讨论了基于负熵的地震盲反褶积方法。盲反褶积方法不需要以最小相位子波和高斯白噪反射系数为基本假设,通过高斯混合模型模拟反射系数序列中的强反射信息(地质目标体)和弱反射信息(隐蔽性油气藏),基于负熵的非高斯性判据定义盲反褶积目标函数,应用期望最大化算法求解模型参数的最优估计,最终得到与原始反射系数相似程度很高的非高斯反射系数。选用不同相位子波和非高斯反射系数模型对方法进行了验证,并与维纳脉冲反褶积进行了比较,结果表明,算法适应非最小相位、非高斯系统。将方法应用于实际地震数据处理,地震记录的频带被有效拓宽,地震资料的分辨率得到提高。

基于高斯混合及相对熵测度的图像分割

针对图像分割问题,结合高斯混合模型与信息论中的相对熵测度概念,提出一种新的图像阈值化方法。在提出方法中把图像阈值化问题看成是两个概率向量之间的匹配问题,因此首先用高斯混合模型去拟合图像直方图的灰度级分布,然后用相对熵测度去度量拟合分布与图像原灰度级分布之间的差异,并把该度量作为图像阈值化的准则函数。在对图像实施分割时,通过在图像灰度级范围中求取所定义的准则函数的最小值获得最佳阈值。在NDT、SAR及红外图像上的分割实验中用提出方法与传统及最新的图像阈值化方法进行比较,结果表明提出方法获得的结果要优于相比较方法获得的分割结果,因此提出方法是一种有效的图像分割方法。

视频图像中运动目标的实时检测

提出了一种运动目标检测与跟踪算法。以每点色彩信息的混合高斯模型来实现对视频图像的背景估计,从而实现对运动目标的检测。利用模板匹配的方法实现对运动目标的跟踪,并对混合高斯模型的算法进行了改进,使其能更快、更有效地适应环境的变化。实验结果表明此方法具有较强的鲁棒性,能较好地适应各种气候和光照环境的变化。

基于多特征背景模型的运动目标检测算法

运动目标检测是视频处理的基础,而目标的阴影在很大程度上影响了目标的真实形状,干扰了真实目标的检测。本文提出了一个以混合高斯模型为基础,结合多特征的运动目标检测方法。将阴影消除算子、帧差、方差及彩色信息融合到背景模型中,能较准确地检测运动目标并消除阴影的影响。

智能视频监控中的一种快速运动目标检测方法

为解决现有视频监控系统中目标检测算法无法应付复杂的环境且计算量较大等问题,结合背景模型算法和帧间差分的优点,对混合高斯背景方法和帧间差分进行改进,提出一种基于混合高斯模型背景法和混合差分相结合的运动目标检测改进算法.利用分块思想进行高斯背景建模,利用多帧差分实现混合差分,既能得到较高的灵敏度又能进一步提高检测效果和速度.通过实验证明该算法的可靠性和实时性.

遥感图像高斯与椒盐噪声的PDE混合去噪模型研究

针对经过前期处理的遥感图像主要含有高斯噪声和椒盐噪声的特点,提出一种基于PDE的混合去噪模型,该模型克服传统的纯各向异性扩散模型在平滑区域过度扩散、产生阶梯效应和四阶PDE模型在去噪的同时过多损失边缘信息的弱点,在有效去除遥感图像中混合噪声的同时,很好地保持图像的边缘和纹理细节信息。实验结果验证所提出模型的有效性和稳定性。

融合距离度量和高斯混合模型的中文词义归纳模型

词义归纳是解决词义知识获取的重要研究课题,利用聚类算法对词义进行归纳分析是目前最广泛采用的方法。通过比较K-Means聚类算法和EM聚类算法在各自词义归纳模型上的优势,提出一种新的融合距离度量和高斯混合模型的聚类算法,以期利用两种聚类算法分别在距离度量和数据分布计算上的优势,挖掘数据的几何特性和正态分布信息在词义聚类分析中的作用,从而提高词义归纳模型的性能。实验结果表明,所提混合聚类算法对于改进词义归纳模型的性能是十分有效的。

采用帧概率变换的与文本无关说话人识别系统的实现

从基于GMM的与文本无关说话人识别系统的帧似然概率的统计特性出发,提出了一种对目标和非目标模型帧似然概率进行补偿变换的方法。理论推导和实验结果表明,与GMM常用的最大似然(ML)变换相比,该变换能使系统降低误识率达8.6%,因此,证明了该变换能够改善基于GMM的与文本无关说话人识别系统的识别率。

改进高斯混合模型的运动目标检测算法

传统的高斯模型无法检测比较复杂的场景或速度较低的运动目标,因此提出基于改进高斯混合模型的运动目标检测算法。使用多个高斯模型表示运动目标图像内各像素点特征,并基于图像内各像素点与高斯混合模型相匹配则视其为背景点,反之为前景点原理,更新高斯混合模型。通过更新前景模型并计算短时稳定度指标,提高运动目标检测效果,通过确定高斯分布与像素关系,设定新的参数构造背景模型,消除光照突变造成的影响。实验分析结果表明,该方法能够很好地检测与跟踪运动目标,且抗噪性能好、清晰度高,准确率高达98%。

橡胶弹性材料的一种混合本构模型

该文探讨不可压缩橡胶弹性材料的本构模型.考虑到小变形时分子链的端矢分布符合高斯函数,而大变形时符合非高斯函数,提出一个混合模型,用高斯链网络模型来描述小变形而用8链网络模型来描述大变形.引入权重函数,使小变形和大变形情况下混合模型分别退化或趋于高斯链网络模型和8链网络模型.由Treloar拉伸实验数据拟合得到模型参数,通过这些材料参数混合模型对等双轴拉伸和纯剪切变形模式的预测结果与Tre-loar实验数据基本吻合,说明混合模型具有同时描述不同变形模式的能力.通过比较分析,混合模型的总体预测精度均优于高斯链网络模型和8链网络模型,特别是对剪切变形.

基于混合PSO的高斯混合模型地形分类

提出了一种基于改进的混合粒子群优化(particle swarm optimization,PSO)算法的高斯混合模型地形分类方法。高斯混合模型的求解通常是使用期望最大化算法(expectation maximization,EM),然而EM算法易陷入局部最优,收敛速度不稳定且对初值敏感。因此引入混合PSO算法,并对其进行了一系列改进。实验结果表明:改进后的算法较其它优化算法提高了全局搜索能力和收敛速度,利用该算法求解高斯混合模型可以提高参数估计的精度,并且在户外场景图像的地形分类实验中所提出的地形分类方法也表现优良。

混合交通流视频检测中区域选择更新混合高斯背景模型研究

混合交通是我国交通的主要特征，利用视频检测技术可以获取混合交通流参数，实现混合交通的有效管制，由于检测过程中天气、光线等环境变化，实时有效的自适应背景提取模型尤其重要。本文在混合高斯模型的基础上，根据运动分割与Kalman运动跟踪，结合象素的时间与空间特性，提出区域选择更新混合高斯模型来抽取背景，克服了交通控制信号或交通阻塞等造成的长时间停车，以及高峰期大量运动物体长期充满当前图像等情况对背景抽取造成的影响，该模型通过对交叉口和路段视频进行背景提取，实验效果良好，证明了本方法具有较强的鲁椿性和自适应性。

基于强化学习方法的悬浮车停车混合控制设计

强化方法是一种通过行为学习,得到最佳控制策略的方法。本文研究利用这种方法实现项目中超导悬浮车运动过程最佳停车问题。通过模型的建立,转化为求导系统的最优化问题;超导磁悬浮车的控制由于会受到电磁干扰、悬浮高度等的影响,用传统的方法求解控制方法将需要求得精确的控制模型;而利用Q-Learning方法,通过多次样本的学习,寻求最佳的控制策略,则可求得在不同速度下的最佳控制策略。最后,使用Q-Learning方法的控制策略在仿真中得到了很好的效果,该控制方法将进一步应用于超导模型悬浮车的控制。

智能变电站设备运动视频信息检测方法研究

为构建我国智能变电站信息一体化平台,打破系统信息孤岛,实现变电站的全景数据采集和数据共享。文章在智能变电站信息一体化平台基础上,提出了一种基于改进的混合高斯模型的变电站设备视频中运动异常状态的检测方法,使其可以准确地提取周期性运动像素并更新背景模型。通过算例验证了该方法的有效性和准确性,结果表明,改进方法对智能变电站视频运动目标识别效果非常好。该研究为我国智能变电站的故障监测、智能保护和恶劣环境运行提供参考和借鉴。

一种自适应运动目标检测算法研究

提出了一种新的自适应目标检测算法,实现了快速对目标区域进行匹配更新,能够自适应精确检测出运动目标。通过改进的混合差分模型确定运动目标最大分布可能区域并融合混合高斯模型对此区域进行背景重建,再运用背景差分得到精确前景目标。实验仿真结果表明能够在复杂场景下克服环境噪声与背景扰动,降低了复杂度和计算开销,具有很好的鲁棒性。

基于GMM的文本规则挖掘的粗糙集方法研究

领域文本具有结构复杂、相似性高以及动态变化等特点,且存在着连续型与离散型并存的混合数据,这在一定程度上限制了知识发现方法对文本规则的挖掘效率。针对这一问题,该文提出了基于GMM与粗糙集的文本规则挖掘方法。该方法首先根据目标数据的属性类型构造信息表;然后利用高斯混合模型(GMM,Gaussian Mixture Model)聚类算法对连续数据进行聚类划分,依此对数据进行离散化及状态约简,并生成决策表;最后利用粗糙集理论对决策表进行属性约简,通过约简表对决策规则进行提取。实验结果表明:相比于传统的方法,该文方法拥有更高的抽取精度以及较强的属性约简能力,其信息抽取的平均准确率与F1值能够达到95.0%和95.7%。

基于高斯pLSA模型与项目的协同过滤混合推荐

协同过滤是推荐系统中常用的一种技术。以往的推荐算法往往只从用户或商品的角度单一地进行推荐,在推荐准确率上存在瓶颈和局限性。提出了一种新的混合推荐方法——结合基于高斯概率潜在语义分析模型与改进的基于项目的协同过滤算法,通过建立用户群体混合模型和基于目标项目的邻居集进行预测推荐。实验证明该算法与其他协同过滤算法相比具有更高的准确率。

基于减背景和混合差分的运动目标检测算法

针对固定摄像机条件下的视频监控问题,提出了一种基于背景相减法和混合差分法相结合的运动目标检测算法。该方法对彩色图像建立混合高斯模型,对背景模型进行实时更新;并对帧间差分法进行了改进,提出混合差分的思想。通过背景相减法和混合差分法的结合,采用形态学滤波的方法去除噪声点,检测到确切的运动目标。实验结果证明,文中提出的算法能准确地建立背景模型,既完整地提取运动目标,又适应复杂环境的变化,提高了运动目标检测的精确度和速度。