分层Dirichlet过程及其应用综述

Dirichlet过程是一种应用于非参数贝叶斯模型中的随机过程,特别是作为先验分布应用在概率图模型中.与传统的参数模型相比,Dirichlet过程的应用更加广泛且模型更加灵活,特别是应用于聚类问题时,该过程能够自动确定聚类数目和生成聚类中心的分布参数.因此,近年来,在理论和应用上均得到了迅速的发展,引起越来越多的关注.本文首先介绍Dirichlet过程,而后描述了以Dirichlet过程为先验分布的Dirichlet过程混合模型及其应用,接着概述分层Dirichlet过程及其在相关算法构造中的应用,最后对分层Dirichlet过程的理论和应用进行了总结,并对未来的发展方向作了探讨.

分层Dirichlet过程原理及应用综述

Dirichlet过程是一种应用于非参数贝叶斯模型中的随机过程。通过其良好的聚类性质,基于此的模型可以通过简单的Gibbs采样决定参数的个数,从而为模型选择提供方便。近年来,在理论和应用上均得到了迅速的发展,引起越来越多的关注。分层Dirichlet过程是LDA模型的非参数模型推广,可以用来构建无穷个基本组元的混合模型。HDP被广泛地应用在概率话题模型的领域。首先说明Dirichlet过程的原理和采样方法,然后将其推广到分层Dirichlet过程中,并重点介绍基于Dirichlet过程的混合模型,最后对分层Dirichlet过程的应用进行了介绍。

基于分层Dirichlet过程的频谱利用聚类和预测

认知无线电网络通过动态频谱接入技术,利用授权频段的空闲时段实现频谱共享。对频谱利用特征的描述和未来利用率的预测有利于实现高效频谱感知算法,进而优化频谱接入策略。通过对标准的分层Dirichlet过程进行扩展,提出了一种跨信道的非参数贝叶斯模型UTD-HDP(UTD扩展的分层Dirichlet过程),用于无线频谱利用率数据的聚类分析和分布参数估计。利用该模型,可以自适应地描述无线频谱利用率的特征,实现了对未来时间频谱利用率的高精度预测。

基于分层分块堆叠状态相关降噪自编码器的流程工业过程运行状态评价

本文针对不同运行状态数据差异度小、数据易受强噪声干扰而且具有多工序的流程工业过程,提出了一种基于分层分块堆叠状态相关降噪自编码器(HMSPDAE)的过程运行状态评价方法。首先,根据工艺特性对全流程进行层次结构划分。然后,提出一种堆叠状态相关降噪自编码器模型,用于提取各个子工序及全流程过程数据中与运行状态密切相关的深层特征,进而建立基于HMSPDAE的全流程评价模型。所提方法可以有效降低模型复杂度、增强模型的可解释性。最后,以湿法冶金过程为背景进行仿真验证,结果表明HMSPDAE在两个不同实验中的评价准确率分别达到99.5%和99.38%,均优于其他方法,验证了所提方法的有效性和优越性。

峡谷型水源水库蓄水过程水质变化特征及其影响要素

水源水库是城镇居民最主要的饮用水水源,新建水库选取引水水质一般较好,然而由于水库蓄水过程中水质受到降雨径流入库、水动力条件和分层结构变化的共同影响,库区水体水质仍可能呈恶化趋势.本研究重点探索水库蓄水过程中水质演变规律,解析水源水库污染特征.以固定频率取样检测的方法,跟踪监测陕西省汉中市三河口水库蓄水过程上游河道及库区水质,分析上游来水水质、库区水体分层结构及水动力条件等要素的改变对水库水质的影响.结果表明:①2021年6−7月三河口首次较大流量蓄水过程受来水温度影响,来流水体以底部潜流的形式进入库区,并在底部形成新的温度分层;双温跃层结构的形成导致在水体中部和底部各自形成厚度达15和10 m的厌氧水层.②9月初第二次特大流量径流入库彻底破坏水体热分层结构,水体在径流和气温的共同作用下实现完全混合.③水源水库蓄水过程水质受入库径流与水体分层结构共同影响:6−8月水库入库径流量小且污染负荷低,库区氮磷及有机物浓度有较小波动,而热分层结构阻碍了污染物的垂向传递,温跃层水体总氮浓度和高锰酸盐指数在垂向上呈较大值,分别为1.78和6.0 mg/L;8月至9月初入库径流量大且污染负荷较高,全库区氮磷及有机污染物浓度升高明显,总氮浓度由1.07 mg/L升至1.56 mg/L,总磷浓度由0.021 mg/L升至0.029 mg/L,高锰酸盐指数平均值由5.18 mg/L升至6.18 mg/L.水库蓄水过程中,上游径流入库是影响主库区水质的重要因素之一.

结合MAML和Dirichlet过程的小样本点云分类

点云被广泛使用在各种三维应用场景中,但是实际应用中通常存在扫描、标注费时费力等局限性,因此基于小样本数据集的点云分类网络更加符合应用需求.为了有效地提高深度学习分类算法在小样本点云数据集上的分类效果,提出一种针对小样本数据集的点云分类方法.针对训练数据集不平衡问题,首先采用基于相似度依赖的Dirichlet中餐馆过程对数据集进行预处理,在无需人工指定聚类个数的前提下对样本进行重新聚类,以提升分类网络在小样本数据集上的性能;然后在重新聚类后的样本上使用模型无关(model agnostic meta learning,MAML)算法训练PointNet++,达到用少量点云样本就能快速适应新任务的能力.所提方法不但降低了模型对数据量的依赖,提高了模型泛化能力,而且成功地把MAML算法从二维图像分类拓展到三维点云分类中;在Modelnet40数据集上的实验结果表明,与PointNet++相比,该方法的训练时间减少了一半,分类准确率平均提高6.67%,验证了该方法在小样本数据集上的有效性.

基于过程挖掘的分层学习行为模型发现方法

教育过程挖掘将过程挖掘技术应用于教育数据分析,是教育数据挖掘的重要分支之一。当前教育数据挖掘主要是用经典的机器学习算法对在线学习数据进行建模分析,难以描述全局的学习过程。凭借解析事件日志发现控制流模型的过程挖掘技术可以解决这一难题,但由于真实数据受各种客观因素的影响,存在大量噪声和无关行为,已有的挖掘方法往往会生成“意大利面模型”,不利于分析理解。针对这一问题,本研究提出分层过程挖掘方法发现学生学习过程。具体方法是:通过解析带生命周期事件日志的时间属性,发现活动嵌套关系;然后构造分层事件日志,进而挖掘描述学习行为的分层过程模型;最后用契合度、精确度、F-值三个指标,系统地比较分层过程挖掘方法与已有过程挖掘方法所挖掘模型的区别。

小学数学教育教学过程中分层教学的实践探索

在新课程改革的背景下,数学教师应该转变传统的教学方法,注重学生的全面发展,在讲授过程中,更多地关注学生的思考能力。因为每一位同学的性格以及他们所面对的环境都不一样,所以,数学教师应该采取差别化的教学方法,来对他们进行引导,让他们在这样的教学模式下,能够积极、主动地进行数学知识的学习,让他们在有限的时间里,得到更多的数学知识。文章通过对“分层教学法”内涵的阐释,提出了“分层教学法”在数学教学中运用的若干策略,以期使读者在阅读中获得启发。

分层闯关式过程考核评价体系在Python程序设计课程中的应用

Python程序设计课程知识点层次分化明显,难度呈阶梯式上升。然而,高职院校生源结构复杂,学生学习认知能力差异较大。基于以上情况,本文提出了一种分层闯关式过程考核评价体系,该评价体系将课程知识点划分成若干层次,针对每一层次知识点的特性设计不同的考核方式,根据不同专业的教学要求,可以按需设定每个层次的分数权重。学生需要逐层闯关成功通过考核获得分数,将每层获得的分数累加计算总分。该评价体系更直观地了解学生对具体知识点的掌握程度,照顾不同层次学生的学习需求,增强学生对后续课程的学习黏性。

初中语文“立学”课堂中“分层协作”的三种策略——以《皇帝的新装》教学为例

在“立学”课堂的价值引领下,积极探索“分层协作”模式下的初中语文课堂授课模式。将学生的个性差异作为重要的教育资源。目标合理分层,灵活设计教学、积极建设小组,通过组内、组际之间互动和协作,优化评价标准和评价手段等,以期培养全面发展且富有创造性的人才。

竖直圆柱形水箱保温过程热分层现象与机理研究

对竖直圆柱形水箱在保温过程中热分层现象及其形成机理进行了研究。重点考察保温层条件下蓄热水箱温度场和流场的变化。主要针对各外壁面为第三类边界条件、内部流动为层流状态的情况。通过实验和数值计算2种方法进行研究。通过计算结果和实验结果的对比,验证了数值计算方法的有效性。研究结果表明:圆柱形水箱的保温过程可以分为非稳态和准稳态2个阶段。在非稳态阶段,水箱内部的流动和温度变化主要是受到侧壁面和上壁面散热的控制,而保温层温度从内向外逐渐升高,之后保温层温度整体上升。在准稳态过程中,水箱内部可分为下部的热分层区和上部的热流体区。保温层温度分布相对稳定,随时间整体下降。保温层外壁面温度达到最高值可以作为划分非稳态阶段和准稳态阶段的标志。

基于Dirichlet过程的无线视频码率变化识别算法

研究了通过对终端视频帧质量的聚类分析来识别无线视频传输中码率变化的方法,以便为无线视频传输过程中视频码率自适应调整提供参考依据。针对经典模糊C均值(FCM)算法和K均值(K-means)算法需要设定聚类数目的问题,提出一种基于荻利克雷过程(DP)的FCM算法——DP-FCM算法。该算法将Dirichlet过程和FCM算法相结合,由视频帧信息权重峰值信噪比(IWPSNR)值使用DP过程混合模型模拟估计出聚类数目,然后进行FCM模糊聚类,通过设定合理的阈值,合并聚类结果相似项,完成视频帧的聚类,从而实现视频传输码率变化的识别。以LIVE视频库为试验数据源,对该算法进行了性能测试。试验结果表明,DP-FCM算法能够在无需设定聚类数目的前提下实现视频传输码率变化的分类识别。

直接喷射分层燃烧转子发动机工作过程的模拟

利用零维热力学模型对直接喷射分层燃烧转子发动机工作过程进行模拟计算,得到了燃烧室内工质温度、压力随偏心轴转角的变化和性能参数曲线,并与文献[5]中的计算结果进行了比较。结果表明:该模型可满足工程应用的需要,可作为直接喷射分层燃烧转子发动机初步或改进设计的分析工具。

石煤提钒预富集分离过程中的松散-分层模型(英文)

在扫描电镜矿物定量评价(QEMSCAN)工艺矿物学研究的基础上,采用摇床分选工艺对石煤中的钒进行预富集,以实现提高钒品位的同时,降低耗酸矿物的含量;并利用Bagnold剪切理论和Kelly分层假说建立分离过程中的松散-分层模型,以阐述含钒基体矿物从分选体系中分离的机理,且对模型进行验证。模型结果表明,细粒级含钒基体矿物和粗粒级含钒基体矿物分别在粗选和扫选阶段实现分离;在模型计算过程中确定了影响粗选和扫选阶段分离的主导因素,分别为重力沉降和摇床床面的不对称往复运动产生的剪切分散压。

基于解析分层过程(AHP)的油气长输管道系统风险分析

采用一种新的风险评价方法即解析分层过程(AHP)风险评价方法对油气长输管道系统进行风险评价.在美国W.K.Muhlbauer提出的长输管道风险评估方法基础上,以系统风险因素框架图为模型,利用AHP方法层层引出各级风险因素.通过双参数比较决定优先权,利用严密的数学公式计算出各因素风险概率,由分因素风险概率计算系统总体风险概率.

基于分层结构模糊免疫PID的孵化过程控制

针对孵化系统具有强耦合、强干扰、大滞后的特点,提出一种基于分层结构的模糊免疫PID(Proportional-Integral-Derivative)算法,首先,前层结构控制采用前馈补偿解耦控制算法消除系统主要控制参数的耦合关系,后层结构控制根据系统主要参数易产生震荡和超调特点,采用模糊免疫PID控制算法,该算法根据模糊控制原理对PID参数模型中的kp,ki,kd进行在线修改,利用生物免疫机理调整非线性函数,然后用免疫修正进一步调整PID系统参数,实现家禽孵化设备中温度、湿度和含氧量的更为精确的智能控制。最后,实际运行结果验证了该控制算法的有效性。

基于一般Dirichlet过程的非参数贝叶斯分析

基于Jayaram Sethuraman在1994提出的扩展Dirichlet过程先验,将其推广到更一般的情形,使Dirichlet过程和扩展Dirichlet过程都成为一般Dirichlet过程的特例,并对非参数的贝叶斯进行了研究和讨论,给出了一般Dirichlet分布的期望、二阶矩等,证明了一般Dirichlet过程的支撑是足够大的,说明一般Dirichlet过程的构造是合理而又恰当的.

升空过程中低温液氧贮箱压力变化及热分层研究

针对火箭升空过程,通过编写用户自定义程序详细考虑了气动热以及空间辐射热的影响,数值研究了低温液氧箱体压力变化及流体热分层现象。在计算过程中,着重考虑了大气物性参数随高度的变化、飞行过程中加速度变化与气液界面相变对箱体压力以及箱内流体温度分布的影响。模拟结果表明:气动热对箱体控压频率产生了较大的影响。随着气动热流的增加,箱体增压时间变短,降压时间变长。在飞行120s时,气动热流达到最大,其对箱体压增性能的影响也最为突出,此时箱体增压时间最短为4s,箱体降压时间最长,约13s。在无排液阶段,箱体压力呈现波动变化,气液界面处气枕被冷凝。在该过程中,液相质量增加了11.05kg,气相质量减少了1.52kg。在增压排液阶段,尽管增压气体持续注入箱内,箱体压力仍逐渐减小,而气相质量则呈波动增加。随着时间的延长,气液相温度均向温度升高的方向推进。由于空间辐射漏热造成了排液温度的升高,给发动机运行带来安全隐患,应采取有效绝热措施来减少空间漏热。

Dirichlet过程混合模型在非线性过程监控中的应用

针对高斯混合模型在模型选择阶段易产生有噪声或过拟合的模型估计问题,提出基于Dirichlet过程混合模型的非参数贝叶斯故障诊断方法.通过重新定义高斯混合模型中的混合权重,利用stick-breaking法建立Dirichlet过程混合模型.通过具有截断作用的变分法近似推理出模型参数以及隐含变量,利用所得后验对故障模型进行估计,并提出基于后验概率的监测统计量以度量出故障状态在后验中的波动.在连续搅拌釜式反应器和Tennessee Eastman化工过程上的实验结果表明,该方法在故障检测方面优于传统的核主元分析法,并且具有较高的故障诊断率.

非对称Dirichlet型的扰动及其结合的Markov过程

该文研究非对称Ｄｉｒｉｃｈｌｅｔ型的扰动及其结合的Ｍａｒｋｏｖ过程．讨论一般状态空间上的拟正则Ｄｉｒｉｃｈｌｅｔ型（ε，Ｄ（ε））关于光滑符号测度μ的扰动，这里μ＝μ＋－μ－，μ＋为光滑测度，μ－属于Ｋａｔｏ类．证明了扰动型（ε～μ，Ｄ（ε～μ））ｈ－结合ｍ－胎紧ｍ－特别标准的Ｍａｒｋｏｖ过程．