改进巴氏距离算法下混合级联直流输电纵联阻抗保护优化

为提高纵联保护在LCC-MMC混合级联高压直流输电系统中的鲁棒性,提出一种基于纵联阻抗和改进巴氏距离算法的高压直流输电纵联保护方案。该方案将巴氏距离算法与纵联阻抗保护相结合,对被保护线路首末两端电气量的差异进行量化,并通过量化后的数据,进行区内外故障的判定,然后基于能量函数构建了故障选极判据,保证了保护的可靠性;在此基础上,通过分形维数构建了改进的自适应滑窗,提高了保护的速动性。最后,基于Matlab与PSCAD/EMTDC平台建立了“白江工程”±800 kV LCC-MMC混合级联高压直流输电系统模型,并对所提改进后的保护方案进行验证。仿真结果表明所提保护方案能够快速可靠地判别区内外故障并正确完成故障选极,且有着较好的耐受过渡电阻能力。

巴氏距离和K-L变换结合的特征选择

该文提出巴氏距离(BhattacharyyaDistance)和K-L(Karhunen-Loeve)变换结合的特征选择。采用巴氏距离特征选择眼3,5演的迭代算法,可以获得最小错误率上界。当特征维数高时,为了减少巴氏距离特征选择计算时间,对样本先进行K-L变换,将特征降低到中间维数。然后进行巴氏距离特征选择,降低到结果的维数。用基于MNIST手写体数字库的试验表明,该文方法比单纯用巴氏距离特征选择计算时间大大减少,并比主分量方法(即单纯使用K-L变换)特征选择的错误率小得多。

巴氏距离与PCA结合的人脸识别

利用巴氏距离(Bhattacharyya Distance)和PCA(Principal Component Analysis)相结合进行人脸识别研究,提出了使用巴氏距离和PCA相合的算法对特征进行提取。当特征向量维数高时,首先对样本K-L(Karhunen-Loeve)变换进行降维,然后采用巴氏距离特征的迭代算法,得到最小错误率上界。基于ORL人脸数据库的实验表明该方法的识别性能优于LDA、HPCA、HLDA,采用文中的算法可以有效地提高识别率,减少巴氏距离特征计算时间,具有较强的实用性。

基于黎曼与巴氏距离的脑磁图信号分类方法

针对人脑对不同视觉目标刺激产生的脑磁图(magnetoencephalography,MEG)信号,提出了一种新型的脑磁图信号分类算法。该算法首先将滤波后的脑磁图信号投影到新的特征空间,然后将脑磁图信号投影后新特征的协方差特征投影到切线空间中,用协方差特征作为信号的特征,进而对样本进行预分类;接着将预分类的样本通过巴氏距离的调整,得到二次标记结果;最后采用黎曼距离对协方差特征矩阵在流形上进行调整,得到最终的分类结果。实验结果表明,该有监督与无监督相结合的算法有助于提高脑磁图信号分类的准确率。

基于巴氏距离的视频流场景变化检测(英文)

探讨了连续视频流中的基于统计特征的场景变化检测问题,并研究了包括直方图距离、卡方距离和巴氏距离的3个场景度量方法,提出了更优的巴氏距离场景度量方法。该方法能计算并最大化高维空间中的多模式聚集特征向量距离,由于具有满足三角不等式和非奇性的特性,相对于其他两种方法,它提高了检测性能。实验比较了场景变化检测的精确和检索率,结果与分析一致。

基于双边滤波和巴氏距离的红外小目标检测

为了提高红外小目标的检测精度,采用双边滤波方法去除目标和噪声调整,设置双边滤波的标准差,并模糊化目标和噪声得到背景的估计,得到待选目标区域,通过估计图像的概率密度函数,再根据已有的目标模型与待处理目标区域计算巴氏距离找到最大值,获得目标的准确检测结果。实验表明,该目标检测方法不仅大大提高了检测速度,也提高了小目标的检测精度。

巴氏距离和K-L交换结合的特征选择

巴氏距离 (Bhattacharyya Distance)特征选择 [3] [5]给出了样本最小错误率上界进的特征 ,但计算量大。为了减少迭代算法计算时间 ,文本提出巴氏距离和 K- L 变换结合的特征选择。首先 ,对整体样本进行 K- L变换 ,去除变化不大的特征 ,以降低空间维数。然后 ,用迭代方法 ,进行巴氏距离特征选择。本文中用 MNIST手写体数字库的计算表明 ,该方法能够取得好的效果 ,比单纯使用 K- L 变换进行特征选择的最小错误率上界要小得多 ,同时计算时间大大减少。

基于LPP_SIFT和巴氏距离相结合的人脸识别算法

局部保持映射_尺度不变特征变换(LPP-SIFT)算法是一种有效的特征识别方法。提出了奇异值分解的LPPSIFT和巴氏距离相合的算法。基于LPP的算法在人脸识别中容易遇到奇异值问题。为此,采用奇异值分解的LPPSIFT算法进行特征提取和降维处理,然后采用巴氏距离特征的迭代算法,得到最小错误率上界。在ORL上实验,实验结果验证了提出算法在人脸识别中的有效性。

基于巴氏距离和LPP相结合的人脸识别

局部保持映射(Locality Preserving Projection,LPP)算法是一种有效的特征提取方法。提出了利用巴氏距离和LPP相合算法对特征进行提取。当特征维数过高时,首先对样本用LPP进行特征提取和降维处理,然后采用巴氏距离特征的迭代算法,得到最小错误率上界。在ORL上实验,实验结果表明了提出算法在人脸识别中的有效性。

基于径向基模型和巴氏距离的随机有限元模型修正

研究了考虑试验频响函数不确定性的有限元模型修正法。首先,假设待修正参数和响应特征量服从高斯分布,将不确定性模型修正问题转化为均值和标准差的修正问题;其次,构造径向基模型,将频响函数经过小波变换并提取第5层低频小波系数作为径向基模型输出,并通过土狼优化算法对径向基模型的方差进行优化;然后,以最小化巴氏距离为目标,引入花朵授粉算法,分别实施待修正参数的均值和标准差的两步和同步求解;最后,通过平面桁架结构和空间桁架结构验证了所提方法的可行性。结果表明,所提随机有限元模型修正法皆能有效地修正结构参数的均值和标准差,同时在不同的试验响应下对参数均值和标准差的修正具有鲁棒性。

基于直方图巴氏距离的舌色分类

目的:利用计算机实现对正常舌与异常舌的自动分类。方法:利用彩色舌图像R通道的直方图巴氏距离,计算出正常舌标准图像,并利用该标准图像计算各舌图像的直方图巴氏距离,最后通过最小距离分类器实现对正常舌与异常舌的自动分类。结论:该方法可以准确地实现正常舌与异常舌的自动分类。

基于巴氏距离算法的风电场交直流并网系统送出线纵联保护

风电场常见的并网方式有交流并网和柔性直流并网,交流并网送出线和柔性直流并网交流侧送出线发生短路故障时,线路保护都会受到风机故障特征的影响,且在柔性直流送出系统中,电气量还受到换流侧电子元件的非线性调节和谐波的影响,导致传统继电保护在两种送出系统中的动作性能较差。因此,根据送出线发生区内外故障的电流波形特征,将基于时域量的巴氏距离算法与纵联保护结合,计算两端电流波形相似程度,以此判断线路是否发生故障,并考虑过渡电阻、噪声干扰、混叠频率、CT饱和等对保护方案的影响。最后,基于MATLAB/Simulink和PSCAD/EMTDC平台搭建双馈风机分别经交流送出的系统电磁暂态仿真模型,仿真验证保护方案在双馈风电场送出线上的适应性。结果表明,保护方案在以上因素影响下仍能正确动作,保护的动作性能较好。

基于改进巴氏距离的谐振接地系统故障选线方案

针对配电网谐振接地系统发生单相接地故障选线存在较大困难的问题,提出一种利用故障暂态阶段零序电流波形相似度的故障选线方案。分析谐振接地系统等值零序网络发现:健全线路在故障暂态的零序电流方向为由母线流向线路,而故障线路的零序电流方向为由线路流向母线。鉴于此,采用改进平均巴氏距离来表征线路波形差异度,根据健全线路平均巴氏距离趋近于0的特征构建相应的选线判据及选线方案。利用Matlab建模,验证该选线方案准确率高,且在不同过渡电阻、故障位置等故障情形下均适用,还具有良好的抗噪性能。

基于反馈变分模态分解和巴氏距离的信号去噪方法

针对管道泄露信号中存在环境噪声干扰的问题,本文提出一种基于反馈机制的变分模态分解的联合去噪方法。该方法是将变分模态分解与巴氏距离联合,首先将采集信号通过变分模态分解(Variational mode decomposition,VMD)得到两个模态分量,而后通过计算各模态分量与原始含噪信号的巴氏距离(Bhattacharyya Distance,BD)筛选出较纯净的模态分量,之后将筛选所得分量反馈回输入端并从原始含噪信号中减去,根据人为设定的迭代终止条件判断是否终止。采用反馈机制的VMD与巴氏距离构建的联合去噪方法对仿真信号以及实测的管道泄漏信号进行降噪处理,并从时域、频域、均方根误差(Root mean square error,RMSE)以及信噪比(Signal to noise ratio,SNR)四个方向与其他四种去噪算法对比,结果均表明,本文所提方法能够有效去除噪声,具有良好的去噪性能。

基于巴氏距离的特征选择

巴氏(Bhattacharyya)距离与分类错误概率上界有直接关系.本文提出面向不同分布的多类问题的基于巴氏距离的特征选择.在正态分布条件下,使错误概率上界最小.基于巴氏距离的特征选择首先把使总分类错误概率上界最小问题,转化为非线性矩阵方程求解问题.然后通过解矩阵方程的迭代算法和正交化处理,取得变换矩阵的最优解.通过分析和实例可见基于巴氏距离的特征选择是在一定条件下最好的特征选择.

基于巴氏距离的监控视频人体目标相似性度量

针对视频侦查过程中犯罪嫌疑人人脸目标比对易受目标自身和采集环境等因素影响的问题,提出一种面向视频侦查应用的监控视频人体目标相似性度量方法,该方法以犯罪嫌疑人人体目标为研究对象,获取单帧抓拍图像帧中包含的待识别人体目标和监控视频中包含的犯罪嫌疑人人体目标,提取人体目标的颜色直方图特征,利用巴氏距离和阈值比对的结果,确定待识别人体目标与监控视频中犯罪嫌疑人体目标之间的相似性。实验表明,该方法计算效率高,可以实现监控视频中犯罪嫌疑人体目标相似性的快速比对,能够提高监控视频中犯罪嫌疑人跟踪的时效性。

基于BS-HMM和巴式距离的手势识别技术研究

开发一个基于深度图像的手势识别系统,将巴氏距离(Bhattacharyya distance)引入到贝叶斯感知隐马尔科夫模型(BS-HMM)中,称为BDBS-HMM。使用深度摄像机Kinect捕获深度序列图,通过骨架信息对手部位置进行跟踪,识别手部区域,得到手部分割图;从分割图像中提取4D曲面法线方向分布(HON4D)特征和方向梯度直方图(HOG)特征表示运动模式;将每k个连续的特征向量组合成一个序列分布变换所有训练特征向量,使用分布序列来对BDBS HMM进行训练。该系统在使用MSRGesture3D数据库和自己建立的数据库的情况下,将BD-BS-HMM与标准HMM和BS-HMM进行比较,实验结果表明了该系统的优越性。

基于2D-VMD和BD结合的医学图像去噪算法

为提高去噪图像质量,提出了一种基于二维变分模态分解算法(2D-VMD:Two Dimensional Variational Mode Decomposition)和巴氏距离(BD:Bhattacharyya Distance)的结合算法用于图像去噪。该算法首先使用2D-VMD算法将图像分解为若干个固有模态函数(IMFs:Intrinsic Mode Functions);然后使用BD测量每个IMF的概率密度函数(PDF:Probability Density Function)与原图像PDF间的几何距离,区分出信号主导IMF和噪声主导IMF;最后将噪声主导IMF经小波阈值去噪后与信号主导IMF重构,得到去噪图像。将算法应用于医学图像去噪,理论分析和仿真结果表明,2D-VMD和BD结合算法与全变分模型(ROF:Rudin Osher Fatemi)算法、中值滤波和小波阈值滤波相比,其在主观和客观评价方面都具有较好的去噪效果,有效地提高了去噪图像质量。

基于统计距离的手写数字预处理

数据预处理性能对模式识别系统降低错误率有明显作用。用巴氏距离 (Bhattacharyya distance)来衡量预处理的优劣 ,不需要分类器 ,可对预处理性能预先做出估计。本文提出基于最大巴氏距离的降低噪声规格化预处理 ,错误低、处理速度高、客观性好、简单、有效。对邮政信封直接扫描获得的分辨率为 96× 80的 10 0 0 0个手写体数字样本 ,按照分辨率2 0× 2 0规格化 ,采用正切距离分类 ,其错误率 :不做预处时为14 .5% ,采作本预处理时为 3 .17%。使识别正确率有明显的改善。

基于机器视觉的激光雷达目标跟踪与定位方法

为实现遮挡等客观条件下激光雷达目标的准确跟踪,研究基于机器视觉的激光雷达目标跟踪与定位方法。采用基于非局部均值的滤波算法消除图像的噪声,利用reinhard颜色迁移算法提升激光雷达图像训练数据的多样性,得到增强激光雷达图像,并将其输入卷积神经网络中,通过训练检测激光雷达目标。利用巴氏系数分析两个模型间的巴氏距离,确定两模型一致度,循环一致度分析过程实现激光雷达目标跟踪与定位。结果显示该方法可在目标非遮挡与部分遮挡等不同条件下实现准确的目标跟踪与定位,且追踪定位精度为100%,效率高,两种状态下所耗时间分别为4.786 s和5.123 s。