基于KL散度工况识别的混合动力汽车队列的分层控制

针对混合动力汽车队列行驶过程中工况的适应性问题,提出了一种基于KL(Kullback-Leibler)散度工况识别的分层控制方法。上层控制器利用车—车通信技术,获取队列中前车状态信息,采用模型预测控制(MPC)算法,实现队列纵向控制,并计算出最优跟车车速;下层控制器基于典型工况,离线求解需求功率的转移概率矩阵,并通过Q-Learning算法训练最优Q表嵌入整车模型中;在行驶中以固定时间长度在线更新转移概率矩阵,采用KL散度进行工况识别,根据识别的工况类型,结合当前时刻车速、需求功率和电池荷电状态(SOC),通过在线查表实现转矩分配。结果表明:与未考虑工况识别策略相比,本策略的油耗降低了8.6%;与作为基准的动态规划(DP)相比,增加了4.8%;在与DP油耗基本保持相同的前提下,该策略离线仿真时间缩短21%,不仅能够在线应用,还能实时适应工况变化。

基于对称KL散度的电力用户负荷聚类方法研究

随着源网荷储四侧资源的建设,电力部门积累了海量用户的用电数据,如何有效挖掘这些数据的潜在信息,促进电力用户的精细化管理,是当前电力系统分析的一个重要问题。基于此,提出了基于对称KL散度(Kullback-Leibler Divergence)的电力用户负荷聚类方法。首先,利用高斯混合模型(Gaussian Mixture Model,GMM)表示用户的日常用电规律,并通过最大均值差异(Maximum Mean Discrepancy,MMD)检验模型的合理性;然后,将对称KL散度作为相似性判据,从划分聚类的角度出发,对GMM表示的电力负荷用户进行聚类;最后,以所提算法对MNIST以及某小区用户数据进行分析,实验结果表明所提方法具有可行性和有效性。

线性回归模型中的KL型主成分估计

当线性回归模型中存在复共线性时,基于最小二乘估计的统计推断往往会受到影响。鉴于此,结合主成分估计和KL估计,提出了一类新的估计方法,即KL型主成分估计,以期克服复共线性问题。同时,得到新的估计在均方误差意义下优于最小二乘估计、主成分估计、r-k估计、r-d估计和KL估计的充要条件。并利用Monte Carlo模拟和实证分析对各估计量在均方误差准则下进行了比较。

基于情绪向量的隐半马尔可夫模型股市拐点预测方法

股市的情绪化倾向是股票市场具有高度不确定性的主要原因,直接利用历史数据的股票趋势预测方法难以适应市场情绪的多变性,在实际应用中效果不理想。文章针对市场情绪的不稳定性导致股市拐点难以预测的问题,提出一种基于情绪向量的隐半马尔可夫模型股市拐点预测方法(hidden semi-Markov model stock turning point prediction method based on sentiment vector,SV-HSMM)。针对市场情绪不可观察性,选取与市场情绪相关的主要特征,使用马尔可夫毯融合成市场情绪;利用隐半马尔可夫模型建模市场环境,构建市场情绪、市场状态和状态持续时间之间的结构关系;引入情绪向量平滑情绪的多变性,并利用Kullback-Leibler(KL)距离量化情绪热度;利用隐半马尔可夫模型的动态推理实现股市拐点预测。结果表明情绪向量方法具有更好的预测效果。

一种基于KL变换的椭圆模型肤色检测方法

肤色检测是计算机视觉中的一个重要问题,该文提出了一种新的基于KL变换的椭圆模型肤色检测方法。算法首先对训练肤色样本进行了分布均匀化处理,然后以KL变换为基本工具最终得到了肤色分布区域的椭圆边界方程。方法简单直观。实践表明,该算法能完成对各种不同环境条件下所拍摄图像的肤色分割,效果理想,其性能明显优于常用的域值界定法和单高斯模型法。

基于KL距离加权和局部邻域信息的CV模型

本文提出了基于Kullback-Leibler(KL)距离加权和局部邻域信息的Chen-Vese(CV)模型.引入KL距离作为内外部局部区域能量的权值系数;计算曲线附近点的局部邻域能量之和作为模型的内部能量,从而提高对边缘的检测性能,并降低区域内灰度不均匀等因素对曲线进化的影响.验证实验采用大量实际临床数据,结果表明该算法能准确地分割医学图像,且能量函数有较好的收敛性.

基于信息论的KL-Reg点云配准算法

针对含有高噪声、体外点及不完整点云数据的配准失效问题,该文提出以信息论为理论基础,相对熵度量点云相似度的KL-Reg算法。该算法不需要显式地建立对应关系,首先将点云数据建模为高斯混合模型,然后用相对熵度量高斯混合模型间的分布距离,最后通过最小化分布距离计算模型变换。实验结果表明所提的KL-Reg算法配准精度高、稳定性强。

k-kl模型在风生混合流中的应用

为了考察k-kl模型在风生混合流的应用效果,将影响其紊动扩散模拟结果的因素归结为3类:一是稳定函数的不同;二是壁函数的不同;三是稳态里查德森数Rist的不同.从这3个方面着手对k-kl模型进行分析,比较各种不同方法对混合层及紊动扩散的影响,并采用国外试验结果来检验数值模拟结果.结果表明:稳定函数的选取对计算结果会有影响,相比之下,较新的模型如CA,CB,CH能得出比传统的MY,KC更精确的结果;抛物改进型的壁函数的结果稍好于抛物线型和对称型壁函数;稳态里查德森数对混合层的发展有重要影响,当它的值增大时,同时刻混合层深度也会增加.

在Orion－KL中的OH脉泽的外流模型：多重分离的旋转膨胀环

我们从对Ｏｒｉｏｎ－ＫＬ星云中ＯＨ１６６５ＭＨｚ脉泽的单基线干涉观测的分析中，提出一种新的外流模型，即多重分离的旋转膨胀环．这种模型与观测结果是一致的．通过对２４ｋｍ单基线观测得到的１９个ＯＨ１６６５ＭＨｚ脉泽斑点的相对位置图进行分析、统计、拟合和计算，得到这１９个ＯＨ１６６５ＭＨｚ脉泽斑点分别分布在三个旋转膨胀环上．这三个旋转膨胀环的视距分别为３＂．８１，５＂．８７，６＂．０；对应的环半径分别为１７４２，２７２０，２７６６ＡＵ；径向膨胀速度分别为７．０７，１６．４，２６．４ｋｍｓ－１；旋转运动的切向线速度分别为１．５５，１．２３，１．２１ｋｍｓ－１．

基于YCbCr空间与KL变换结合在人脸检测中的应用

本文针对简单背景下的彩色单人脸图像,将YCbCr色彩空间与KL变换结合起来构成一个基于实际应用的人脸检测系统,并对复杂背景和多人脸图像的情况下的检测进行了一定的探讨.

一种基于KL变换和镶嵌图模型的人脸检测方法

提出了一种基于KL变换和镶嵌图模型的人脸检测方法。该方法首先采用KL变换将整个图像空间划分为主元子空间和次元子空间,利用人脸图像大部分能量集中在主元子空间、小部分能量分散到次元子空间这一特点,将人脸从复杂背景中初步检测出来。在此基础上,采用符合人脸生理结构特征的人脸镶嵌图模型,并在分析足够多的人脸图像样本的基础上,针对人脸图像的灰度和边缘信息,建立了一种较为合适的知识库。实验结果表明,该方法能够较好地解决复杂背景下的正面人脸的检测问题。

基于Google与KL距离的概念相关度算法

WordNet在计算概念相关度时存在词汇量小、难以及时扩展更新以及同义、近义、一词多义等问题。为此,提出一种结合文本信息和图像视觉信息的概念相关度方法。利用Google距离和KL距离分别计算基于词语同现频率的概念相关度和基于视觉特征的概念相关度,并结合两者得到概念的总体相关度。实验结果验证了该方法的有效性。

基于多项式混沌展开和KL散度的随机有限元模型修正

考虑结构参数不确定性对响应的影响以及当前随机模型修正计算量大的问题,提出一种基于多项式混沌展开和KL散度的随机有限元模型修正方法。首先构建Kriging模型代替有限元模型分析,然后基于概率配点法和回归分析构建多项式混沌展开模型,建立起不确定性结构参数与响应之间的函数关系,快速估算响应的均值和标准差。最后以最小化KL散度为目标,同时对结构参数的均值和标准差进行修正。以三维桁架为例,对弹性模量和密度的均值和标准差进行修正,以此验证所提方法的可行性。结果表明:所提方法具有较高的修正精度和效率。

基于KL散度的DCT系数分布模型研究

利用分布拟合优度检验方法,对DCT系数分布模型进行了研究。通过理论分析和实验,验证了KL散度更适合作为DCT系数分布拟合优度度量;针对单个位置和不同范围的DCT系数,系统地比较了当前应用最广泛的4种DCT系数分布模型。实验结果表明,图像中低频交流系数服从对称α稳态分布而高频交流系数服从广义高斯分布。

利用KL散度度量通道冗余度的深度神经网络剪枝方法

提出一种基于KL散度的结构化剪枝方法,用KL散度来衡量通道之间的差异性,并定义通道的重要因子,通过删减重要因子较小的通道来进行结构化剪枝。在CIFAR-10和CIFAR-100数据集上,对ResNet进行结构化剪枝,并对比几种较为先进的硬剪枝方法,发现KL散度能发掘出卷积层中的冗余通道,剪枝后精度可能不会下降太多,在减少10%~30%网络参数与浮点运算的情况下,甚至比原始网络准确率要高0.4到0.6百分点。

基于KL距离的自适应阈值网络流量异常检测

针对现有网络流量异常检测方法检测精度低且对网络环境动态变化适应性差的问题,根据网络流量在相邻时间周期内的强相关性特性,提出一种自适应阈值的网络流量异常检测方法。利用滑动窗口控制KL距离值数量,建立指数加权移动平均模型获取下一时刻的KL距离预测值,并采用滑动窗口划分的KL距离子序列与预测值确定自适应阈值范围,通过判断观测值是否在自适应阈值范围内实现网络流量异常检测。实验结果表明,该方法能有效检测网络流量异常,具有较高的检测精度。

基于KL信息矩阵的动态加权选题策略

在Henson和Douglas提出的KL信息矩阵(用D矩阵表示)基础上,借鉴后验加权的思想,将原始KL信息矩阵修正为后验加权KL矩阵,并基于认知诊断中项目区分度的计算方式,提出2种新的CD-CAT选题策略:DPWKL1和DPWKL2方法,在不同测验长度、不同诊断模型以及不同属性相关程度下,与传统PWKL方法进行了比较研究.模拟研究表明,不论实验条件如何变化,DPWKL1和DPWKL2方法的属性判准率及模式判准率均要优于PWKL方法.

The on-line direct fitting of low signal-noise ratio single ion channel recordings based on hidden Markov models

Many kinds of channel currents are especially weak and the background noise dominates in the patch clamp recordings. This makes the threshold detection fail during estimating of the transition probabilities. So direct fitting of the patch clamp recording, not of the histogram coming from the recordings, is a desirable way to estimate the transition probabilities. Iterative batch EM algorithm based on hidden markov model has been used in this field but which has the "curse of dimensionality" and besides cant keep tracking the varying of the parameters. A new on line sequential iterative one is proposed here, which needs fewer computational efforts and can adaptively keep tracking the varying of parameters. Simulations suggest its robust, effective and convenient.

基于语言建模的文本情感分类研究

提出了一种基于语言建模的文本情感分类的方法.将文本的情感倾向标记为"赞扬"或"批评",可以为文本提供主题之外的语义信息.为此提出了从训练数据中分别估计出代表"赞扬"和"批评"两种情感倾向的语言模型,然后通过比较测试文本自身的语言模型和这两种训练好的情感模型之间的Kull-back-Leibler距离,分类测试文本的思路.各个模型的参数分别选用词形特征的unigram和bigram,而相应的参数估计也分别尝试了最大似然和平滑两种策略.当在电影评论语料上和代表不同分类模型的支持向量机及朴素贝叶斯分类器进行比较时,语言建模的方法表现出了较好的分类性能和鲁棒性.

多率量测下随机跳变系统迁移交互多模型估计

实际工业过程中,量测数据除了在线仪表采集的快速率数据,还有离线化验等慢速率辅助量测数据.为了更好地利用离线化验数据,增加在线估计的精度,针对随机跳变系统,引入迁移学习思想,提出迁移交互多模型估计(Transfer interacting multiple model state estimator,IMM-TF)新策略.首先,将离线化验数据的边缘分布作为可以迁移的知识,迁移到贝叶斯后验分布,实现辅助量测数据的充分利用.其次,利用KL(Kullback-Leibler)散度度量知识迁移前后任务间的差异性,求解最优的贝叶斯迁移估计器.同时,结合慢速率量测,利用平滑策略获取待迁移的估计值,解决多率量测下的迁移估计难题.然后,利用影响力函数构建辅助量测数据与估计性能之间的解析关系,从而对迁移效果进行定量评价.最后,通过在目标跟踪实例中的应用,表明所提方法的有效性及优越性.