基于最小描述长度原则的二阶段轨迹降维算法

针对现有轨迹简化方法不能统一不同长度轨迹样本维度的问题,本文提出了一种两次使用最小描述长度原则的轨迹简化算法,即基于最小描述长度原则的二阶段轨迹简化算法.第一阶段,基于最小描述长度原则的近似轨迹分割算法被使用,对原始单个轨迹样本进行第一次降维处理;第二阶段,再次使用最小描述长度原则迭代地删除原始轨迹上具备极少时空语义信息的位置坐标点,从而达到统一维度的目的.实验结果表明,该算法既能统一不同长度轨迹样本的维度,又能有效保留原始轨迹中的关键时空语义信息;并且当第一阶段降维算法对轨迹样本压缩程度适当的情况下,第二阶段算法仅会增加极少的时间成本.

一种增量并行式动态图异常检测算法

图结构异常检测可以发现金融欺诈行为、网络入侵和可疑的社交行为。针对当前检测图异常算法的计算复杂度高、不能处理大规模动态图的缺点,研究并提出了一种增量并行式的算法以便更有效地发现和检测大规模动态图中的异常。该算法使用时间滑动窗口对图进行划分,在初始化阶段选取N个子图,使用最小描述长度(MDL)原理并行检测正常模式和异常模式,并行迭代地检测其他子图中的正常结构和异常结构。在多个大规模图数据集上的实验结果表明,检测动态图结构异常准确率达到96%,召回率达到85%,运行时间减少了一个数量级。同时还讨论了滑动窗口大小和并行数量对算法运行时间的影响。

基于最长公共子序列距离的主旨模式挖掘算法

针对现有主旨模式挖掘算法易受噪声干扰的问题,提出一种基于最长公共子序列距离的挖掘算法。在搜索过程中,该算法采用基于子序列距离判别的策略进行了有效的剪枝,对于非等长的候选模式,使用最小描述长度原则求其相关权重,据此选择出现频率最高、最能体现原时间序列特征的主旨模式。实验结果表明,与朴素式搜索相比,该算法的速度至少提升60%。

一种自动确定参数的sIB算法

针对sIB算法的压缩变量参数的确定问题,采用最小描述长度原理,构建一种自动确定参数的AsIB算法.算法使用一种有效的编码方案对数据分析模型和相应的数据进行描述,将最小描述长度的模型作为选择标准,从而有效发现了数据蕴含的特征模式数目.实验表明:AsIB算法所采用的编码方案有效,在不设定模式数目的情况下,能够正确发现数据集所蕴含的模式.该算法解决了现sIB算法对先验知识的依赖问题,将能拓展其在多维数据的自动降维分析和模式提取等方面的应用.

盲信号分离中信号源数目估计方法研究

研究盲信号分离中信号源数目未知情况下信号源数目的估计问题。证明了无观测噪声时,利用观察信号数据矩阵的零空间估计法确定信号源数目的方法,等价于通过计算观察信号数据矩阵的秩来确定信号源数目;阐述了在信号源盲分离中有观测噪声时,国内外信号源数目估计的主要方法:特征值分解、Akaike信息准则(AIC)、最小描述长度(MDL)及Minka Bayesian准则,通过理论分析与实验结果对这些方法进行比较,得出各方法的适用范围以及影响估计的主要参数,为信号源数目的正确获取提供参考。

基于边缘信息的区域合并SAR图像分割算法

针对基于区域合并的合成孔径雷达图像分割中区域合并的顺序问题,提出一种利用边缘信息的区域合并技术。首先,利用改进的比例边缘检测算子获得初始过分割结果;然后,设计一个基于相邻区域的面积和边缘信息的区域合并优先级函数来引导区域合并的进行,该方法提高了模型参数的估计精确,同时保留图像的强边缘;最后,将边缘信息区域合并技术用于求解基于多边形网格的最短描述长度准则SAR图像分割模型。实验表明,与同类方法相比,本文方法的边缘检测能力与定位精度均有提高。

基于最小描述长度的不完备数据处理

不完备数据是造成信息系统不确定的主要原因之一,对数据挖掘、知识发现等造成了困难．本文提出一种基于最小描述长度原则的不完备数据处理方法,实例证明这种方法是有效的．Rose工具的规则提取结果证明此方法在规则的集中性和支持度方面优于粗糙集辨识矩阵方法和Conditioned mean completer方法．

一种模型选择优化准则及其在高光谱图像非监督分类中的应用

选择合适的类别数是非监督分类中的一个关键问题 .针对采用高斯混合建模的高光谱图像非监督分类问题 ,该文提出了一种基于主成分分析 (PCA)的最小描述长度 (MDL)型模型选择准则 (文中简称为PMDL)来确定分类类别数 ,即根据PCA变换后保留的各主成分表达的数据方差不同而应具有不同的编码长度这一事实 ,在计算描述长度时对各维进行加权 .分类过程中 ,论文采用期望最大化 (ExpectationMaximization)算法在合并的策略下对PCA变换后的数据求解混合模型 ,并应用所提出的准则进行模型选择从而确定待分类的类别数 .仿真数据实验证实了新准则的有效性和优良的性能 。

MDL理论的多属性值域划分方法

连续属性值域划分方法是数据挖掘和机器学习领域的重要课题。但已有的大量离散化方法倾向于研究一维属性离散化问题,没有考虑多属性之间的相互关系,难于获得最佳的离散化结果。提出一种基于最小描述长度理论的多属性划分方法,通过定义多属性的模型选择问题,推导出多属性划分衡量函数;设计一种合理的算法来寻找最好的离散化结果。性能评价与分析表明,该方法在Naive贝叶斯分类器上有很好的分类学习能力。

投资组合分析中的指标选择方法

文章介绍了金融投资决策中的指标选择方法，提出了一种基于粗集数据分析系统RSDA（Rough Set Data Analysis）的指标子集选择算法。该算法利用信息论的熵函数，根据MDL原理构造评价函数，在全部属性集合中寻找最优属性子集。

空战决策知识构建方法研究

针对战训数据丰富,数据背后空战决策知识贫乏的问题,提出了一种空战决策知识构建方法。首先,根据空战决策影响因素来分析决策知识的生成过程,选择用产生式规则来表示空战决策知识。其次,针对战训数据存在噪声数据干扰以及连续属性数据难以满足数据挖掘算法离散度量要求的问题,应用了k-means聚类算法来检测离群点并使用最小描述长度准则算法将连续属性离散化。最后,基于预处理后数据,采用粗糙集提取空战最小决策规则知识,通过构建模糊逻辑推理系统实现空战决策知识的推理与应用。仿真表明,该方法能够有效地提取空战决策规则知识以及知识的推理与应用。

基于混合概率PCA模型高光谱图像本征维数确定

如何有效实现降维是现代成像光谱仪辨识地物类别的一个难点所在。该文在已知高光谱图像地物类别数的情况下,提出了一种采用混合最小描述长度(MMDL)模型选择准则确定高光谱图像本征维数的方法。该方法在期望最大化算法框架下同时实现混合PPCA降维和聚类,并根据MMDL准则确定数据降维维数,可以得到数据在概率意义下的精确的降维表征。仿真数据和真实数据进行的比较实验表明,该方法能精确地选择数据的本征维数。

最小码原理在分级式和非分级式多元聚类分析中的应用

植被数量生态研究中常用的多元聚类法(无论是分级式还是非分级式的)的目的是将一组具有多种属性变量(元)的个体按其属性的相似性和分异规律划分到某些具有代表性的类别。而在类别数的确定问题上,由于缺乏理论上的根据(指数量上的理论),往往不可避免地带有主观性和盲目性。笔者以为聚类的类别数或聚类分析的模型结构应取决于原始数据的结构特征。应用计算理论中的最小码原理(The Minimum Description Length Principle),笔者对聚类类别数和模型结构进行了数量上的优化选择,并将这一思想实现在一通用软件包FUZPAK中,实例分析表明优,化结果较能反映原始数据的特征。

利用粗集原理完善评估指标体系的方法

研究在建立评估指标体系的过程中 ,利用粗集理论检验和挑选重要指标集的方法 .该方法利用熵函数和MDL原理设计出评价指标集与最后评分间因果关系的度量函数 ,通过分析指标子集与最后评分结果之间的关系 ,挑选出最有效的指标子集作为最终的评估依据 .利用该方法 ,可以去除指标系统中的无关指标 ,在不降低评估精度的前提下 。

一种海洋混合层深度的智能识别方法研究

文章提出了一种识别混合层深度的人工智能方法。该方法在温度(密度)与压强(或深度)间建立线性模型,并且将其系数和方差做成一组表征廓线特征的统计量。初始时为模型设定一个主观的先验分布,在一个自海表向下移动的窗口内通过贝叶斯链式法则和最小描述长度原理学习新数据,得到系数均值的最大后验概率估计。用F-检验识别系数发生突变的位置,以此确定混合层的存在性及其深度。通过2017年2月太平洋海域的地转海洋学实时观测阵(Arrayfor Real-time Geostrophic Oceanography,ARGO)数据进行测试,并且以质量因子(Quality Index,QI)值作为判断识别混合层深度结果准确性的依据,发现该方法相比于梯度法、阈值法、混合法、相对变化法、最大角度法和最优线性插值法在识别结果上具备更大的QI值。表明该方法能够准确识别混合层深度。

一种基于MDL的日志序列模式挖掘算法

日志数据是互联网系统产生的过程性事件记录数据,从日志数据中挖掘出高质量序列模式可帮助工程师高效开展系统运维工作。针对传统模式挖掘算法结果冗余的问题,提出一种从时序日志序列中挖掘序列模式(DTS)的算法。DTS采用启发式思路挖掘能充分代表原序列中事件关系和时序规律的模式集合,并将最小描述长度准则应用于模式挖掘,设计一种考虑事件关系和时序关系的编码方案,以解决模式规模爆炸问题。在真实日志数据集上的实验结果表明,与SQS、CSC与ISM等序列模式挖掘算法相比,该算法能高效挖掘出含义丰富且冗余度低的序列模式。

一种面向工程应用的信源数估计方法

研究了一种面向实际工程应用的信源数估计方法。该方法首先对实际工程应用中收到阵列信号的协方差矩阵提取的特征值进行修正,再基于原有在白噪声情况下使用的信源数估计方法,可以实现面向工程应用的信源数估计。基于不同修正值的信源数估计的仿真结果表明,文章提出的基于几何平均值修正的赤池信息量(GM-AIC)准则具有最佳的信源数估计性能。

基于设计结构矩阵、共同度量指标和最小描述长度原则的产品模块优化研究

针对目前产品设计过程中出现的结构划分模糊、易受设计人员个人主观因素影响,导致产品设计效率不高等问题,提出一种基于设计结构矩阵(Design Structure Matrix,DSM)、共同度量指标(M G&G)和最小描述长度原则(Minimum Description Length,MDL)优化产品模块的方法。以智能仓储物流系统中常见的物流装备穿梭车为例,构建产品模型结构关系DSM矩阵图,再结合M G&G指标和MDL指标,分析产品模型模块化程度,改变组件之间的关联关系,并采用该方法优化了穿梭车系统模块。研究结果证明了基于DSM、M G&G指标和MDL的方法在产品模块优化过程中的合理性和可行性,为产品开发、设计和优化提供了部分参考。

顾及地理语义的地图检索意图形式化表达与识别

主流地图检索方法多基于元数据文本匹配或图像内容相似度计算,缺乏对用户意图的主动理解,导致检索结果欠佳;而现有意图识别方法无法准确表达与识别复杂地理概念联合约束的地图资源检索需求。为此,本文提出一种顾及地理语义的地图检索意图形式化表达与识别方法,旨在利用相关反馈样本“感知”用户需求,以提升检索精度。该方法通过地理本体约束“意图-子意图-维度分量”模型的构建,实现检索需求的语义化描述;并将意图识别视为组合优化问题,基于最小描述长度准则、顾及地理概念从属关系的样本随机合并策略及贪心搜索实现最优意图识别。实验结果表明,相比基于频繁项集挖掘的RuleGO、决策树的DTHF算法,本文方法具有更高的识别准确度与噪声容忍度;随机合并策略可在不降低识别准确性的情况下有效缩短平均求解耗时;样本增强策略保证算法在样本规模仅为20时仍具有较高识别准确度。该方法可望应用于地理信息门户,提升各类地理信息资源共享与发现的服务品质。

基于结构文法的机器人模仿学习方法

针对机器人模仿学习方法泛化性弱、对低级检测器准确率要求较高的问题,提出了一种基于结构文法的模仿学习方法.该方法通过视觉传感器提取场景的符号描述,形成含有噪声的符号基元序列;采用概率上下文无关文法(PCFG)对这些序列进行表征和语法操作,从而形成语法空间;基于最小描述长度(MDL)准则对语法空间中的语法质量进行评价,用改进的Beam Search算法寻找最优语法,即演示活动的一般结构;获得的一般结构能够将含有噪声的符号基元序列进行解析,得到正确的序列.数据合成实验和汉诺塔实验的对比效果验证了该方法优秀的数据表达性能和良好的抗干扰性能,在高噪声环境下该方法的解析成功率约为90%.