广义高斯分布的卷积传递函数多通道非负矩阵分解

基于卷积传递函数的多通道非负矩阵分解(CTF-MNMF)在长混响环境的盲源分离中取得了较好的性能,但该算法的分离性能依然受到声源模型的限制。因此提出了基于广义高斯分布(GGD)的CTF-MNMF算法,通过将域参数引入NMF中并利用广义非负矩阵分解(GNMF)建模GGD的非负尺度因子,提高了声源模型捕捉信号离群值的鲁棒性,进而提高了声源估计的准确性。采用基于辅助函数的优化策略给出分离矩阵和非负矩阵参数的更新公式。仿真结果表明所提算法在语音和音乐两种信号的分离实验中均取得了比GGD-ILRMA、WPE-ILRMA和CTF-MNMF更好的分离性能。

基于形状的小波变换系数广义高斯分布图像检索算法

本文提出一种基于小波变换系数的广义高斯密度分布形状检索算法 .该算法充分利用小波变换变换系数的统计特性 ,形成描述形状特征的特征矢量 .实验证明 ,算法提出的描述方式能够有效体现物体形状特征 .同时 ,算法对于形状的尺度变化 ,平移变化以及旋转变化有着很好的抑制能力 .该算法简单 ,有效 ,是一种有效的基于形状的图像检索算法 .

基于测地线距离的广义高斯型Laplacian特征映射

传统的Laplacian特征映射是基于欧氏距离的近邻数据点的保持,近邻的高维数据点映射到内在低维空间后仍为近邻点,高维数据点的近邻选取最终将影响全局低维坐标.将测地线距离和广义高斯函数融合到传统的Laplacian特征映射算法中,首先提出了一种基于测地线距离的广义高斯型Laplacian特征映射算法(geodesic distance-based generalized Gaussian LE,简称GGLE),该算法在用不同的广义高斯函数度量高维数据点间的相似度时,获得的全局低维坐标呈现出不同的聚类特性;然后,利用这种特性进一步提出了它的集成判别算法,该集成判别算法的主要优点是:近邻参数K固定,邻接图和测地线距离矩阵都只构造一次.在木纹数据集上的识别实验结果表明,这是一种有效的基于流形的集成判别算法.

基于Contourlet广义高斯模型的纹理图像检索

Contourlet变换结合了不可分离的方向滤波组,具备小波所不能表达的多方向特性,能有效捕获自然图像的边缘轮廓信息。本文分析了图像Contourlet系数的统计特征,并利用广义高斯函数对各子带系数层进行建模。将此模型应用于基于V isTex的自建纹理图像库,采用矩匹配估计法,提取模型参数集,运用K-L距离计算图像间的相似度。对800幅纹理图像进行检索,本文方法比传统小波方法的平均检索查准率高出约2%到10%不等。实验结果表明,该方法改进了导向纹理的描述。

基于融合和广义高斯模型的遥感影像变化检测

提出了一种基于融合和广义高斯模型的遥感影像变化检测算法。该算法融合差值影像和比值影像的结果构造差异影像,然后运用灰度形态学对差异影像进行顾及空间邻域关系的处理,再对处理后的结果运用广义高斯分布模型估计变化与非变化像元的概率密度参数,最后采用改进的K I算法计算最佳分割阈值,提取变化区域。实验结果表明,所提出的变化检测算法稳健、高效,具有较大的实用价值。

基于广义高斯分布的贝叶斯概率矩阵分解方法

贝叶斯概率矩阵分解方法因较高的预测准确度和良好的可扩展性,常用于个性化推荐系统,但其推荐精度会受初始评分矩阵稀疏特性的影响.提出一种基于广义高斯分布的贝叶斯概率矩阵分解方法GBPMF(generalized Gaussian distribution Bayesian PMF),采用广义高斯分布作为先验分布,通过机器学习自动选择最优的模型参数,并基于Gibbs采样进行高效训练,从而有效缓解矩阵的稀疏性,减小预测误差.同时考虑到评分时差因素对预测过程的影响,在采样算法中添加时间因子,进一步对方法进行优化,提高预测精度.实验结果表明:GBPMF方法及其优化方法 GBPMF-T对非稀疏矩阵和稀疏矩阵均具有较高的精度,后者精度更高.当矩阵非常稀疏时,传统贝叶斯概率矩阵分解方法的精度急剧降低,而该方法则具有较好的稳定性.

基于小波域广义高斯分布的轴承故障诊断方法

针对基于小波能量谱和能量谱熵的故障诊断方法要求小波分解系数基本符合高斯分布这一不足,提出一种基于小波系数广义高斯分布参数特征的故障诊断方法。提出的方法分析轴承振动信号多尺度小波分解系数的统计特征,利用广义高斯分布模型对信号的小波分解系数直方图进行拟合,采用最大似然估计方法确定模型参数并以此作为信号特征实现故障诊断。将建议的方法与基于小波能量谱、能量谱熵及小波包的方法进行比较,结果验证设计思想的正确性和算法的高效可检测性。从小波基、窗口宽度和分类器三个层面对建议方法诊断性能的影响进行分析,结果表明提出的方法具有很强的稳定性和鲁棒性。

基于PCA和广义高斯建模的多聚焦图像融合

为了提高多聚焦图像的融合性能,针对统计图像融合方法中像素间融合参数估计的不足,提出一种基于小波变换域主成分分析(PCA)和广义高斯建模的多聚焦图像融合方法。将高频子带系数建模为广义高斯分布,并通过改进的最大似然估计法获取融合参数。结合低频子带系数的区域PCA融合方法,最终实现有效的图像融合。实验结果表明,该方法与传统的多聚焦图像融合方法相比,可使融合图像的信息量更丰富,具有更佳的视觉效果。

基于非对称广义高斯模型的渡越时间确定方法

脉冲中子氧活化、示踪流量注入剖面测井技术在油田开发中具有重要作用,其中渡越时间是流量准确计算的关键和难点。为寻求通用的渡越时间计算方法,提出了一种基于广义高斯函数的优化模型,能够反映谱峰锐利程度的形状参数,以及描述谱峰对称性的左右方差参数。结果表明,该模型能够全面描述谱峰形态,适应于对称、非对称、不同锐利程度示踪谱峰渡越时间的计算。经氧活化实际资料测试,该模型在谱峰参数描述方面具有较好通用性及准确性。

基于MATLAB的图像小波子带广义高斯模型的研究

图像小波系数的统计分布具有非高斯特性,本文以采用广义高斯分布对图像子带小波系数进行建模为例,研究了广义高斯模型和模型参数的估计问题,介绍了利用 MATLAB 语言设计概率直方图以及求解模型参数超越方程的方法,最后对实验结果进行了讨论。

小波尺度函数计算的广义高斯积分法及其应用

对于小波尺度函数变换的分解系数的积分运算建立了以尺度函数为权的广义高斯积分方法的运算格式．借助于样条函数，证明了其广义高斯积分随小波分解水平（resolutionlevel）指标的上升而收敛．在此基础上给出了以小波尺度函数变换重构或逼近任一函数的显式解析式，并对具有函数算子、微分或积分算子的运算给出了变换规则．这对于求解复杂非线性方程（组）是一种强有力的工具．最后给出了用该文方法求解非线性二点边值问题的算例．

广义高斯分布随机变量的仿真

具有指定分布的随机序列的计算机仿真算法主要有 3种 ,文中在概述了 3种仿真算法的基础上 ,使用最近提出的第三种方法 ,即SDE法 ,讨论了产生具有指定概率分布的生成 .理论和仿真结果表明该算法产生广义高斯随机序列十分简单和有效 .

广义高斯分布及其在图像去噪中的应用

指出了图像小波系数的统计分布具有非高斯特性,可以用广义高斯模型进行描述.研究了用广义高斯分布(GGD)对图像子带小波系数进行建模以及GGD模型的参数估计问题,在此基础上设计了一种基于贝叶斯估计的子带自适应阈值去噪算法,通过仿真实验对该算法和经典的小波阈值去噪方法进行了去噪性能的比较和讨论.

基于广义高斯分布的彩色图像空域隐写检测算法

揭示了彩色图像相邻像素差服从或2倍近似服从广义高斯分布,且均值为零的统计规律;指出了目前常用隐写作业模式—代替作业模式在图像隐写方面的本质弱点。同时,本文针对彩色图像的空域隐写提出了一种结合稳健性统计特性和易损性统计特性为一体的快速盲检测算法,该算法检测效率高,速度快,便于实用。

基于广义高斯随机混沌算法的AFSA在WSN覆盖中的研究

如何能够进行更好的覆盖优化是目前无线传感器网络研究的热点。针对目前的传感覆盖模型没有考虑覆盖范围、成本和连通性的问题进行改进,在人工鱼群算法(AFSA)的基础上,对初始阶段对人工鱼群采用广义高斯分布,在觅食阶段采用混沌算法,使得个体分布更加合理,有效减少了聚群行为的时间。仿真结果表明,改进后的人工鱼群能够有效地提高节点的覆盖率,降低了网络消耗和成本,为传感覆盖优化提供了一种新的方法。

基于广义高斯分布的水印信号检测

根据数字图像离散余弦变换域交流系数的广义高斯分布模型,对盲图像水印技术进行研究,并给出了水印检测器检测性能的理论分析结果。实验验证了图像水印检测理论的有效性以及本文的局部优化检测器性能的优良性。

广义高斯分布的参数估计及其收敛性质

广义高斯分布是一类以Gaussian分布、Laplacian分布为特例的对称分布 ,它在信号处理和图像处理等领域都有广泛的应用 .本文采用矩估计方法讨论广义高斯分布的形状参数和尺度参数的估计问题 ,首先导出了矩和参数的关系表达式 ,然后由此提出参数估计方法 ,并对参数估计的收敛性质进行了分析 ,最后利用模拟实验对本文所提方法进行了验证 .

顾及上下文信息的混合广义高斯密度模型遥感影像分类方法研究

提出了一种基于混合广义高斯密度模型(generalize Gaussian mixture model,GGMM),并顾及影像上下文信息的遥感影像分类方法。试验结果表明,该方法具有较强的鲁棒性,分类精度较传统的分类方法要好,在细节保持方面,较某些尺度上的面向对象的分类方法要好。

基于广义高斯噪声分布模型的迭代正则化图像复原

讨论了广义高斯分布加性噪声模型 ,从对图像的最大似然估计出发 ,结合正则化的复原方法 ,提出了具有lp 范数数据逼近项的正则化目标泛函 ,同时给出了自适应的正则化参数选择方法。对目标泛函使用迭代的方法求解 ,分析了迭代式的收敛性。目标泛函中正则化参数的选择和图像复原的迭代运算同步进行并自动优化。实验结果表明 ,对于加有广义高斯分布噪声的并被高斯型点扩展函数模糊的图像 ,该方法可明显改善图像复原的效果 ,尤其当广义高斯分布的形状参数 p≤

基于连分式的广义高斯分布的参数估计

近年来,使用广义高斯分布拟合的子带小波系数的统计模型被广泛地用于图像分类、修复、去噪和分析等图像处理中,而广义高斯分布的参数拟合问题一直是该领域中的一个重要的瓶颈问题。文章针对该问题提出用连分式迭代来实现广义高斯分布的参数估计,连分式迭代具有算法稳定、收敛域广、计算精度高、迭代速度快等特性;构造了基于连分式的广义高斯分布形状参数β的迭代格式。实验结果表明在不同方差噪声时,基于连分式迭代算法在计算时间复杂度和精度上优于牛顿迭代算法,而且收敛性不受初始值等参数制约,总能收敛到最优值附近。