基于数据流的K-S变化检测的动态多目标规划算法

为了更加准确地判断环境是否发生变化并快速追踪动态多目标规划问题(dynamicmulti-objectiveoptimization problem,DMOP)当前时刻的Pareto前沿,提出了一种基于数据流的Kolmogorov-Smirnov(K-S)变化检测的动态多目标规划(DSK-SDMOP)算法。该算法以NSGA-Ⅱ为基础,通过数据流建立2个时刻的检验窗口,再利用K-S检验基于数据流的Pareto最优前沿是否发生变化,检测2个窗口的数据是否服从同一分布来判断环境是否发生变化,并就环境变化的剧烈程度实行相应的应答机制,以提高对环境的适应程度。利用基于数据流的K-S检测方法,对环境变化不会过于敏感,而且不用提前假设对应目标值的分布,易于操作。通过5个动态多目标规划标准测试函数对该算法进行测试,并和现有的2种算法进行对比分析,结果表明该算法处理动态多目标规划问题具有良好的性能。

基于最优k值k-means聚类分析的湖相沉积土层岩土参数分布研究

对岩土参数进行传统的k-means聚类分析时,因无法确定k值,而导致无法有效剔除误差数据。为得到岩土参数可靠取值范围,基于最优k值的k-means算法进行研究,通过量化样本内距离和聚类紧密性来确定聚类数目k值,避免了传统k值的随机选取。对粉土的三个基本物理力学指标:黏聚力c、内摩擦角φ、压缩模量E_(s)进行空间聚类分析。通过比较不同k值时的E_(E)值,确定最优k值为5。聚类完成后,原样本被划分为5类子样本。样本数量最多的一类为最优子样本,这类子样本与原样本分布一致,且数量偏离程度及变异性较小。对除最优类外的其他四类子样本进行分布检验,可知A-D检验法适用于小样本,而K-S检验法适用于大样本。根据偏度系数c值,调整合适的区间长度,进一步优化参数取值范围,并与工程实际采用值对比,检验方法的可行性。该分析方法实现由小样本代替大样本进行参数统计分析求取可靠的取值区间,简化计算,提高工作效率。

基于拉丁方抽样及K-S检验的边坡可靠性分析

边坡稳定性是受复杂因素影响下的多维非线性问题,大多数边坡工程都存在着不确定性。大量试验和工程实践证明,影响边坡状态的因素中有许多具有显著的随机性,参数具有变异性。从概率的角度出发,结合实际工程,对于原始数据采用K-S检验法进行假设验证,确定参数变量的分布类型,克服了人为假设的误差,并分别采用Latin方抽样(LHS)法和Monte Carlo法对参数进行抽样,得到状态函数值,确定安全系数及可靠指标,对比两种抽样方法,基于LHS法模拟次数要少于Monte Carlo法,而且破坏概率的收敛性也优于Monte Carlo法,明显节省了计算时间。

基于K-S检验和动态灰色模型的机械设备剩余寿命预测方法

提出了一种基于K-S检验和动态灰色模型的机械设备剩余寿命预测方法。提出以Kolmogorov-Smirnov检验为基础的K-S距离作为描述机械设备退化状态的性能指标,通过退化指标序列动态训练灰色模型、更新模型参数,预测退化指标的变化趋势并确定到达设定失效阈值时的预测步数,以此计算机械设备的剩余使用寿命。最后通过轴承全寿命样本数据对其验证,并与传统的二次曲线拟合预测法和静态灰色模型预测法进行比较,结果表明所提出的方法更能有效地预测轴承的剩余寿命,具有较高的预测精度。

二维K-S检验法在岩体统计均质区划分中的应用

在常规的岩体统计均质区划分方法中,产状数据相似性判定结果通常会受到投影图子区划分方案的影响,并且不适用于小样本数据。为解决上述问题,引入二维K-S检验法进行产状数据相似性判定。首先介绍了K-S检验法的基本原理,继而根据二维K-S检验法提出了产状数据相似性判定的具体算法,并利用算例验证了算法对小样本产状数据的适用性。最后,针对北山坑探设施斜坡道进行了应用和验证。提出的算法不需要进行投影图子区划分,适用于小样本数据,为岩体统计均质区划分提供了一种新手段。

基于K-S检验和邻域粗糙集的特征选择方法

传统的肿瘤基因选择算法挑选出的特征基因中存在大量噪声基因和冗余基因,从而对基因算法的准确性和分类精度产生影响.针对这一问题,将K-S检验与邻域粗糙集融合成为一种新的特征选择方法.首先,采用累积分布函数计算正负类样本的累积函数值和K-S检验统计量,对照显著性水平下的样本统计量,从而去除冗余基因和噪声基因;然后,使用邻域粗糙集进行约简,对比条件属性重要度得出最优约简结果;最后,对比K-S检验和两种基于K-S检验的特征选择方法得到的冗余度和分类精度,通过实验验证这种方法不仅能准确挑选出具有显著区分能力的肿瘤基因,且效率高具有可行性.

基于改进K-S检测的STBC-OFDM信号盲识别算法研究

针对多输入单输出(MISO,multiple input single output)通信系统的STBC-OFDM信号盲识别问题,提出基于OFDM块的改进Kolmogorov-Smirnov(K-S)检测方法。该方法首先对MISO通信系统的STBC-OFDM信号建模;然后利用STBC-OFDM信号编码矩阵的相关性,构造不同时延向量下STBC-OFDM接收信号OFDM块的经验函数作为特征函数;最后通过改进K-S检测方法检验经验分布函数之间的距离盲识别STBC-OFDM信号。该方法不需要噪声信息、调制信息和信道系数,适合非合作通信场合。理论分析和实验验证了该方法的可行性。

K-S检验在轴承故障诊断中的应用

将K -S检验应用于轴承故障诊断中 ,成功快速诊断出轴承微弱故障 ,然后通过小波分析结合频谱细化分析 ,精确得到轴承故障位置。实践证明 ,K -S检验是一种有效、实用和快捷的智能诊断方法。

K-S检验与mRMR相结合的基因选择算法

为了解决基因数据集的基因选择难题,提出一种基于K-S检验与最小冗余最大相关(minimum redundancy-maximum relevance,mRMR)原则的基因选择算法。该算法先采用K-S检验选择出具有一定区分能力的基因,然后对选择到的基因进行mRMR判断,保留与类别高度相关而其间相关性较小的基因构成最终被选基因子集。以SVM为分类器,以F1_measure、分类准确率和AUC为评价指标对该算法选择的基因子集进行评估,并将本算法与K-S检验、mRMR,以及经典的RELIEF和FAST算法进行比较。五个经典基因数据集上的平均实验结果表明:本算法的运行时间远低于mRMR算法,且其各项评价指标值优于其他比较算法。因此,提出的K-S检验与mRMR结合的基因选择算法能选择到非常有效的基因子集。

基于K-S检测的SAR图像灰度压缩性能评估

根据灰度压缩前后图像直方图间的形态差异,提出一种衡量各种合成孔径雷达(SAR)图像灰度级压缩算法性能的两步检验方法。首先,基于柯尔莫哥洛夫-斯米尔诺夫(K-S)检测原理,在给定置信界限下,选出压缩后图像分布与原始分布满足一致性的算法。其次提出等效均值偏量、等效方差偏量、等效偏态差三个检验指标,对经第一步选择出的方法做进一步定量评价,从而得到最终的算法性能检验结果。计算机仿真表明,该方法能有效衡量压缩前后图像灰度分布函数间的形态差异。

基于重构背景二维K-S检验的有害入侵光纤预警

提出一种基于重构背景二维K-S检验的有害入侵光纤预警方法.利用有序统计量恒虚警率初步检测Ф-OTDR采集信号,筛选出入侵信号.为将有害入侵信号从筛选出的入侵信号中有效分离,对检测背景进行空域重构,使检测背景仅包含入侵信号.基于重构入侵背景中有害信号的空间幅度及时域间隔特性,设计了二维柯尔莫哥洛夫-斯米诺夫(K-S)检验方法来检测有害入侵信号.在实际的光纤入侵预警系统中,该方法主要应用于施工工地和过车公路等无害入侵较多的场景,能够有效地提取有害入侵信号.

基于K-S统计量的两个总体相等性的Bootstrap检验

文章提出基于K-S统计量的新的统计量及相应的Bootstrap统计量,证明它们在原假设下有相同的极限分布,并进行了数值模拟.

K-S检验在裂隙岩体统计均质区划分中的应用

采用K-S检验法,提出考虑裂隙岩体迹长的新方法来划分岩体的统计均质区,计算对比样本各属性的累积频率、K-S统计量和K-S临界值,从而验证对比样本之间的显著性差异,以此实现了对裂隙岩体的统计均质区的划分.通过对云南省马吉水电站左岸坝肩某一高程相邻两个平洞不同风化带的岩体结构统计均质区划分,计算结果表明,相邻两个平洞在弱风化下限、微风化及新鲜岩带内具有统计相似性,可以划分为统计均质区,而在弱风化上限不具有统计相似性;单个平洞在各个风化带内不具有统计相似性.此外,该方法可以运用到小样本裂隙的统计均质区划分中.

现代谱估计与K-S检验相结合的正则参数选择

将残差的NCP同K-S(Kolmogorov-Smirnov)判据相结合来确定正则参数,并以图象恢复为例进行仿真。首先,将残差的NCP同理论值进行比较,求出最佳正则参数。而后,以图象恢复为例进行了讨论,结果表明,用现代谱估计的Burg法得到的恢复图象比传统谱估计FFT的图象质量和稳定性要好。

基于K-S检验的直方图匹配目标跟踪算法

为了快速准确跟踪运动目标,提出了基于K-S(kolmogorov-smirnov)检验的直方图匹配目标跟踪算法。将直方图信息作为模板,通过Kalman滤波原理预测出目标下一时刻的可能出现位置,以该位置为中心确定一个搜索范围,在搜索范围内判别直方图的相似性并进行模板匹配,在当前图像中跟踪目标。结果表明,基于K-S检验的直方图匹配方法可减小搜索范围,利用Kalman滤波预测目标的位置,在预测位置附近进行模板匹配,可有效减少模板匹配的遍历时间,提高目标实时跟踪效率。

基于K-S检验的瑞利衰落信道统计特性评估

针对瑞利衰落信道的标准化评估问题,提出了一种基于K-S拟合优度检验的瑞利衰落信道统计特性评估方案。首先采用成形滤波器法产生瑞利衰落信道作为非参数假设检验模型;然后从瑞利衰落信道复序列中提取幅值序列和相位序列;最后采用K-S检验法,将经验累积分布函数和理论累积分布函数对比,验证幅值序列和相位序列是否分别服从瑞利分布和均匀分布。仿真结果表明,在样本长度为128 000,显著性水平小于0.01时,方案的正确识别概率达到95%以上,具有较高的性能,可以作为瑞利衰落信道标准化评估的重要依据。

洋山港VTS报告船舶流的统计特性

为分析某水域船舶流特征和运行规律,量化研究船舶流到港规律,为港口营运和船舶交通管理(vessel traffic services, VTS)提供数据支持,以洋山港水域2020年66 d内连续的1387条VTS实测船舶流记录数据为统计样本,基于矩估计理论的K-S检验和χ^(2)检验,从拟合最优的角度对船舶到港情况进行参数估计。结果表明,洋山港水域VTS报告的船舶在8、9月的船舶流样本服从正态分布,7月船舶流样本不服从泊松分布和正态分布,证明船舶流的分布特征随环境和时间因素变化显著,仅采用泊松分布或正态分布并不能全面描述水域交通流特征。相关研究结论可为船舶流特征分析、通航调度等相关研究提供借鉴和参考。

K-S检验下的copula分布估计算法边缘分布的研究

借鉴K-S检验的思想,应用到copula分布估计算法边缘分布函数的选取中。在估计概率模型阶段,根据实际样本点来建立模型确定所服从的边缘分布函数,其中采用多种不同的分布函数(柯西分布、t分布和正态分布等)作为候选的边缘分布函数。在参数估计阶段,采用PMLE估计copula函数参数的方式进行仿真实验。根据所服从的不同的边缘分布分别进行采样,从而增加种群多样性,改善基于copula分布估计算法的执行效率。

基于K-S检验与距离相关分析的网络借贷信用评价指标体系构建

网络借贷作为一种新型互联网金融模式,提升了金融资源使用效率,缓解了小企业融资难的困局。构建合理的网络借贷信用评价指标体系,从而对网络借贷的潜在风险及时甄别与预防,对互联网金融健康持续发展意义重大。本文根据K-S检验与距离相关分析相结合,筛选对借款客户违约状态甄别能力强的指标,建立了网络借贷信用评价指标体系,通过P2P网络借贷(peer to peer lending,个人对个人借贷)平台LendingClub交易数据进行实证研究,结果表明:不仅借款金额、借款利率等借款标的特征对借贷者违约具有显著相关性,借款者年龄等个人特征、借款者年收入等财务特征以及借款者违约次数等信用特征均对借贷者违约风险产生显著影响。投资者在出借资金时,往往青睐于已婚、年龄适中、具有一定工作经历、历史违约次数较少的借款人。因此,风险监管部门应构建网络借贷违约风险评估模型,对P2P平台进行风险监测,同时建立关键信息共享机制,融合多源数据,明确审查范围,实现P2P网络借贷行业健康有序发展。

基于K-S检验方法的公路隧道裂缝分布特征研究

裂缝是运营期隧道衬砌结构的主要病害。为了有效地开展衬砌裂缝的预防及修复工作,首先使用人工检测和自动化检测两种方法,对浙江48座隧道的衬砌裂缝病害进行了调查,并结合文献查阅,统计了境内外109条含有裂缝的隧道实例。随后,运用K-S检验方法,分析了衬砌裂缝各种特征分布规律。