基于MDL比值的战场目标个数盲估计算法

由于基于MDL准则的信源数估计算法只适用于估计白噪声条件下非相关源的数目,为了适应战场的实际应用环境,提出了基于改进MDL准则的MDL比值信源数目估计算法,有效地解决了基于传统的MDL准则算法在有色噪声条件下信源数估计失效的问题。为了研究空间噪声相关性对所提算法的影响,建立和推导出了适用于圆阵的空间相关有色噪声模型。通过仿真实验和实测数据的验证试验,验证了所提出算法的有效性和可行性。

基于MDL准则的MUSIC信号频率估计算法

在正弦信号频率估计方法中,高分辨率谱估计的MUSIC算法利用信号子空间和噪声子空间的正交性进行信号频率的估计,可以得到很高的测频精度。但是信号源数的选择将会影响此方法的有效性。本文研究了基于最小描述长度(MDL)准则的MUSIC算法,信号子空间和噪声子空间的估计以及信号源数的确定同时进行,解决了MUSIC算法中信号源数对估计结果的影响。仿真结果表明利用该方法可准确地估计多个正弦信号的频率值。

基于MDL的汉语语义选择限制自动获取

语义选择限制是一种重要的词汇语义知识,有助于自然语言的句法语义分析,也有助于解决自然语言处理中的数据稀疏问题.提出了基于语义分类体系和最小描述长度原则的汉语语义选择限制知识自动获取方法,对现有的名词语义分类体系进行改造,实现了一个知识获取的高效算法.基于大规模语料进行知识获取,对获取的优选语义类进行了分析,并进行了伪消歧实验,与基于KL距离的方法进行了对比,体现了所用方法的有效性.

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。

基于多PRI脉压回波的单通道雷达干扰分离方法

研究了一种基于盲源分离的单通道雷达有源相干干扰抑制方法。针对伴随式干扰场景,在间歇采样转发干扰、部分脉冲密集转发干扰等有源相干干扰并存的条件下,建立了基于脉冲压缩的多脉冲重复间隔采样抗主瓣有源相干干扰模型并对其可行性进行了证明。针对现有单通道盲源分离方法在时域进行分离效果有限的问题,提出对脉压后的距离维数据进行盲源分离的思想,可在一定程度上抑制噪声对盲源分离的影响。同时,由于目标信号和干扰信号在脉冲压缩后重合度较低,可获得更好的分离效果。仿真和实测结果表明,在多个干扰源存在的条件下,本方法可有效分离真实目标回波和干扰回波。当信噪比大于5 dB时,目标脉压回波相似系数接近100%;选取虚拟通道数越多,分离效果越好。

基于临界特征值的MDL信源数欠估计分析方法

针对最小描述长度准则下的信源数欠估计问题,提出了一种基于临界特征值的欠估计分析方法,通过对信源数估计算法进行分析,给出了临界特征值的求解表达式及唯一性证明。相比现有方法,临界特征值方法可对不同漏检数下的欠估计边界进行预测,并评估阵列参数对信源数估计性能的影响。为解决大漏检数下的临界特征值的求解复杂问题,提出了一种近似方法,分析了近似误差的影响因素。仿真数值实验结果表明,临界特征值方法可准确描述算法在不同漏检数下的欠估计边界,为基于信息论准则的信源数估计算法提供了一种新的具有普适性的分析手段。

基于自适应门限MDL方法的TDMA突发特征码检测

阐述了基于最小描述长度(MDL)方法来进行特征码检测,根据检测量分布的推导结果,提出了检测门限对检测性能、特征码位置不确定性和信噪比变化自适应的MDL特征码检测方法。当基于特征码进行通信信号分选时,新方法具有更好的应用灵活性,且检测性能对频偏具备鲁棒性。

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。

基于遗传非参数MDL-BW方法的HMM结构优化

隐马尔科夫模型(Hidden Markov Model,HMM)广泛用于语音信号等时序信号的建模.HMM的结构优化包括模型参数个数优化和参数值的优化.针对传统的用于训练HMM的鲍姆-韦尔奇(Baum Welch,BW)算法在寻求最优解时容易陷入局部极值以及无法优化HMM参数个数的问题,本文提出了遗传非参数MDL-BW方法.该方法通过结合遗传(Genetic Algorithm,GA)算法随机搜索的特点和自适应思想来扩大HMM参数值解的搜索空间,结合非参数思想帮助自动寻求HMM的合适参数个数,同时以最小描述长度MDL(Minimum Description Length,MDL)作为模型优化准则来寻求HMM在全局上的最优结构.仿真数据、语音数据以及人体动作数据的仿真结果表明遗传非参数MDL-BW方法相较BW方法等同类方法在HMM结构的寻求上具有更好的效果.

窄带干扰及动态环境BOC调制信号多通道并行捕获

针对窄带干扰及动态环境二进制偏移载波(binary offset carrier,BOC)调制信号捕获困难、捕获效率低的问题,提出利用奇异值分解(singular value decomposition,SVD)结合最小描述长度(minimum description length,MDL)准则对窄带干扰进行抑制。在部分匹配滤波器结合分数阶傅里叶变换(partially matched filter-fractional Fourier transform,PMF-FRFT)捕获算法的基础上提出结合伪码复合以及异步伪码相关累加的多通道并行捕获算法。该算法首先对接收到的含窄带干扰信号做SVD,利用MDL准则自适应估计出干扰信号的个数并完成干扰抑制;然后,将信号伪码相加形成新的伪码序列,由PMF-FRFT结合异步伪码相关累加算法实现对多个信号的精确捕获。仿真结果表明,SVD窄带干扰抑制算法在较好保留原信号特征的基础上能够有效抑制干扰信号,且性能稳定。提出的伪码复合结合异步伪码相关累加多通道捕获的算法可同时完成多个信号的捕获,有效提升信号捕获概率、减少捕获时间。

基于节点相似性分组与图压缩的图摘要算法

针对当前图摘要方法压缩率较高,图压缩算法无法直接被用于下游任务分析的问题,提出一种图摘要与图压缩的融合算法,即基于节点相似性分组与图压缩的图摘要算法(GSNSC)。首先,初始化节点为超节点,并根据相似度对超节点分组;其次,将每个组的超节点合并,直到达到指定次数或指定节点数;再次,在超节点之间添加超边和校正边以恢复原始图;最后,对于图压缩部分,判断对每个超节点的邻接边压缩和摘要的代价,并选择二者中代价较小的执行。在Web-NotreDame、Web-Google和Web-Berkstan等6个数据集上进行了图压缩率和图查询实验。实验结果表明,在6个数据集上,与SLUGGER(Scalable Lossless sUmmarization of Graphs with HiERarchy)算法相比,所提算法的压缩率至少降低了23个百分点;与SWeG(Summarization of Web-scale Graphs)算法相比,所提算法的压缩率至少降低了13个百分点;在Web-NotreDame数据集上,所提算法的度误差比SWeG降低了41.6%。以上验证了所提算法具有更好的图压缩率和图查询准确度。

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。

一种高效的属性图聚类方法

图是描述现实世界各类复杂系统的一种普适模型,且许多实际应用中的图是大规模的.图的聚类是理解、分析和可视化大规模图的关键技术之一.现实世界的图往往包含丰富的属性信息,如何综合结构和属性信息进行属性图的聚类是一个新的挑战.大多数的现有方法或者将结构和属性转化为距离,基于传统方法进行聚类;或者只考虑某一方面聚类.文中结合信息论中最小长度原则,基于遗传算法,提出一种高效的属性图聚类方法GA-AGC.通过对属性图聚类问题建模,转化为最小描述长度原则问题;扩展标签传播方法作为遗传算法初始化方法,结合编码减小的局部变异方法,提出一种解决属性图聚类的遗传算法.文中方法无需设定聚类的数目,算法复杂度近似线性于结点和边的数目.真实数据集上的实验验证了算法的有效性和高效性.

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%。

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。

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.

基于描述方法的SAR图像分割

针对减少SAR图像分割中自由参数的问题,提出了基于最小描述长度的SAR图像分割方法。该方法经对数变换将SAR图像乘性噪声转换为加性噪声,对其建立描述模型,在描述长度最短意义上计算出重建图像,在假设SAR图像各区域实际地物后向散射特性对应的像素值恒定的前提下,该重建图像即为SAR图像的分割结果。该方法在分割的同时很好地抑制了SAR图像的相干斑噪声,保留了原始SAR图像的区域边界,并且不需要参数调节,整个分割过程自动完成,是一种非监督SAR图像分割方法。给出了该方法的具体实现步骤,实验结果验证了该方法的有效性。

基于随机矩阵理论和最小描述长度的机载前视阵雷达杂波自由度估计

有限训练样本时,总体协方差矩阵特征谱的严重扩展使得机载前视阵雷达杂波自由度估计困难。该文提出一种前视阵杂波自由度估计方法,该方法利用随机矩阵理论(Random Matrix Theory,RMT)中特征值统计分布特性建立参数化的概率模型,结合最小描述长度(Minimum Description Length,MDL)准则关于信源检测的思想估计杂波自由度。该方法能够在有限训练样下实现杂波自由度的有效估计,仿真结果验证了方法的有效性。

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。