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.

基于最小描述长度的Context量化方法研究

介绍一种自适应优化Context量化算法.量化器优化目标为令训练序列描述长度最短.定义描述长度增量作为聚类相似性测度并使用混合聚类算法实现Context量化以保证量化器在多进制信源下获得优化量化结果,从而克服以往优化Context量化器不能应用于多进制信源或不能自适应获得量化级数等限制.最后将量化算法应用于图像小波压缩.实验结果表明,最短描述长度Context量化器能够获得与人工精心调试的经验量化器类似的压缩效率,而不依赖于人工经验.

语音识别中基于最小描述长度准则的决策树动态剪枝算法

在基于语音学决策树状态聚类时,包含不同数量捆绑状态的决策树对应不同的复杂度。通过研究模型的复杂度对系统性能和说话人自适应的影响,提出一种决策树剪枝方法——基于最小描述长度(Minimum Description Length:MDL)准则的决策树动态剪枝。该方法利用训练充分的决策树作为初始模型,根据自适应语料的数量动态地选择不同复杂度的模型,决策树剪枝时初始模型的合理选择,自适应语料的充分应用以及MDL准则对随机模型和确定性模型的集成,使得所提出的方法与说话人自适应相结合后取得了系统性能明显提高。

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。

基于改进的最小描述长度小波变换数据压缩

针对电厂数据种类多、数据量大,而实际存储空间有限的情况,提出了一种基于改进最小描述长度(MDL)的小波变换数据压缩方法。该方法根据用户关注的信息特征,对各频段的信息加上不同的权值,以改进最小描述长度函数为准则。通过对电厂负荷数据进行压缩和解压实验,不但选择了合适的小波基函数,而且结果显示出改进MDL方法能够获得优于MDL方法的数据压缩比和重构精度。

基于最小描述长度原则的各向异性扩散模型

各向异性扩散的最大特点在于它是有选择性的平滑过程,这种平滑过程在均匀的区域不受限制,而在跨越边界部分被抑制,因此噪声和一些无关的细节被平滑掉了,从而能够有效地实现图像保边缘平滑。在现有各向异性扩散模型中,偏微分扩散方程解的适定性和扩散系数中的梯度阈值的合理估计是尚未很好解决的问题。为此利用最小描述长度(MDL)原则发展了一种各向异性扩散模型,并与Lyapunov函数的p-范数相结合,改善了各向异性扩散模型中梯度阈值的估计方法,形成了一种性能较好的各向异性扩散非线性滤波技术。实验结果表明,该方法不仅能够更有效地识别噪声图像中的细节边缘,而且还保证了各向异性扩散模型的稳定性;改进的扩散模型,滤波效果优于传统的各向异性扩散模型,是一种较为理想的保边缘滤波方法。

基于改进标准化最大似然估计的最小描述长度降噪方法

针对现有各种降噪方法存在的缺点,提出了一种改进标准化最大似然估计的最小描述长度降噪方法。该方法增加编码过程中对集合本身码长计算,降噪中自适应确定降噪阈值。通过仿真信号和实际某轴承故障信号降噪分析,结果表明所提方法可以有效消除噪声并尽可能保留有用信号成分,降噪后信号的信噪比高于VisuShrink降噪和BayesShrink降噪等方法。基于改进标准化最大似然估计的MDL降噪方法进一步完善了MDL降噪理论,提升了其降噪效果。

基于最小描述长度准则的稀疏多带信号频谱感知算法

该文研究稀疏多带信号的频谱感知问题。首先利用欠采样的数据构造自相关矩阵,并对该矩阵进行特征值分解,然后根据最小描述长度(MDL)准则对特征值进行计算,利用结果区分信号子空间和噪声子空间,最后根据子空间的结果求出信号的频率支集,由此提出了一种针对稀疏多带信号的频谱感知算法。由于传统算法需要预先设置门限来区分信号子空间和噪声子空间,所以不合理的门限值会导致算法失效,该文算法不用预先设置门限,具有更好的适应性。仿真实验结果验证了该文算法的有效性。

基于描述长度的Context建模算法

在基于Context建模的熵编码系统中,为了达到预期的压缩性能,需要通过Context量化来缓解由高阶Context模型所引入的"Context稀释"问题。为此,该文提出一种通过最小化描述长度来实现Context量化(Minimum Description Length Context Quantization,MDLCQ)的算法。该算法使用描述长度作为评价准则,通过动态规划算法来实现单条件的最优Context量化,然后通过循环迭代来实现多条件的Context量化。该算法不仅可以得到多值信源的优化Context量化器,而且可以自适应地确定各个条件的重要性从而确定模型的最佳阶数。实验结果表明:由MDLCQ算法所得到的Context量化器,可以明显改善熵编码系统的压缩性能。

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．

复共线Gauss-Markov模型参数估计的最小描述长度方法

Gauss-Markov模型是多元数据分析处理工作中常用的模型,其参数估计与筛选一直是研究的热点。当Gauss-Markov模型的设计矩阵存在复共线性时,常用主成分分析方法来筛选和估计其参数,消去它们之间的复共线性,提高估计准确度。基于最小描述长度原理,提出了一种新的参数筛选估计方法。该方法应用最小描述长度原理选择主成分作为参数,其参数的可靠性较高;从信息的角度看,这种方法的信息损失最小。最后实例说明了该方法的有效性和可靠性。

Bad：基于最小描述长度的均衡离散化方法

连续数据离散化是数据挖掘分类方法中的重要预处理过程。本文提出一种基于最小描述长度原理的均衡离散化方法,该方法基于最小描述长度理论提出一种均衡的离散化函数,很好地衡量了离散区间与分类错误之间的关系。同时,基于均衡函数提出一种有效的启发式算法,寻找最佳的断点序列。仿真结果表明,在C5.0决策树和Naive贝叶斯分类器上,提出的算法有较好的分类学习能力。

基于最小描述长度原则的属性图概要方法

图概要技术是管理、分析和可视化大规模图的关键技术之一。如何综合结构和属性信息进行图概要是一个挑战。大部分现有的图概要方法或者只考虑结构或属性某一方面的信息,或者要求属性的表现形式是一致的。结合信息论中最小描述长度原则,对属性图概要问题建模,将其转化为求解最小表示代价问题,以实现图压缩和图概要的双重目标。提出了一种计算节点属性相似性的方法,该属性度量方法对节点属性的限制较小,并且将节点间的相似性统一为存储代价,实现了节点结构相似和属性相似的协同考虑。提出了两种求解最小代价表示的图概要算法。在真实和合成的数据集上实验,验证了提出算法的有效性。

基于最小描述长度的图分割结构检测改进算法

针对现有图分割变化检测(GPCD)算法中易出现重复分割及忽略图形变化成本的不足,利用概率树表示图分割结构的概率模型。将GPCD问题转化为基于最小描述长度的树变化检测问题,利用树算法来求解GPCD问题。实验结果表明,在考虑变化成本的情况下,与GraphScope基准算法相比,TREE算法具有较低的虚警率和较高的检测精度。

基于最小描述长度的图分割变化检测改进算法

图分割变化检测(GPCD)可检测出可能导致网络社区发生变化的重要事件。针对现有的检测算法未考虑图形分割结构动态特点的不足,利用概率树表示图分割结构的概率模型,将GPCD问题转化为基于最小描述长度的树变化检测问题,并提出一种求解GPCD问题的Tree算法。仿真实验结果表明,与Graph Scope基准算法相比,该算法检测图分割结构变化时的虚警率较低,并具有较高的检测精度。

基于最小描述长度和遗传算法的属性选择方法

为了提高使用属性选择方法后分类器的分类效果,减少分类器的分类错误率,提出了一种基于最小描述长度和遗传算法结合的属性选择方法GA+MDL算法。通过与weka平台上已经实现的两种属性选择方法GeneticSearch+CfsSubsetEval方法以及BestFirst+CfsSubsetEval方法进行比较,证明该方法能够从一定程度上提高属性选择算法的效果。

基于描述长度和层次聚类的Context模型量化

熵编码被广泛应用于数据压缩中,Context建模可以有效的利用信源序列中符号间的相关性使信源编码码长缩短,但是过大的Context模型会加大对信源符号的统计难度从而使编码效率降低。为了使Context模型中的条件概率分布更加方便统计并且收敛于信源的实际概率分布,本文使用层次聚类算法对已经建立的Context模型中的条件概率分布按照描述长度最短的原则进行聚类合并。实验证明此方法可以解决基于K-mean聚类的Context量化器设计算法中类数和初始聚类中心需要提前设定而造成设计困难的问题,还能使熵编码的效率提高。

盖尔圆定理和最小描述长度准则相结合的信源数目估计方法研究

针对盲源分离算法应用中的源数估计问题,提出了一种结合盖尔圆定理(Geschgorin Disk Estimator,GDE)和最小描述长度准则(Minimum Description Length,MDL)的GDE-MDL源数估计方法。GDE-MDL方法集合了盖尔圆定理适用于空间色噪声的优点和MDL准则一致性估计的优点。该方法通过对观测信号协方差矩阵进行酉变换来抑制噪声,可以提高似然函数的灵敏度和信源数目的估计精度,更好的处理低信噪比和空间色噪声条件下的源数估计问题。仿真结果表明,GDE-MDL方法稳定性较好,适应性强,在白噪声和空间色噪声的情况下均可以较好的实现信源数目的估计。

基于设计结构矩阵、最小描述长度理论与可适应性评价的产品模块化设计方法

针对产品模块化设计过程中易受设计人员个人经验等主观因素的影响,导致产品设计效率不高,甚至设计不合理等问题,提出一种基于设计结构矩阵(Design Structure Matrix,DSM)、最小描述长度理论(Minimum Description Length,MDL)与可适应性评价的产品模块化设计方法。以电动卡丁车模块化设计为例,在模块划分阶段,分析产品各零部件间的关系,构建综合设计结构矩阵,采用层次分裂聚类算法和K-Means聚类算法对矩阵进行分析,得到多种模块划分结果;在方案评价阶段,先通过对比两种不同算法方案的MDL值结果,筛选出更合理的算法方案,再通过可适应性评价方法针对算法方案进行评价,得出最终结果。研究结果验证了基于DSM,MDL与可适应性评价的产品模块化设计方法在模块化设计过程中的合理性和可行性,为产品模块化开发过程中的模块合理划分提供参考。

基于最小描述长度准则的数字信道化接收机频谱检测方法

数字信道化接收机常采用频谱检测方法判断其分析滤波器组中的输出子带信号的存在。为解决现有基于特征值的频谱检测方法由于采用最大和最小特征值的近似值而导致采样点数较少时性能无法满足要求的问题,提出了一种适用于数字信道化接收机的基于最小描述长度(MDL)准则的子带频谱检测方法。基于子带过采样数据构建协方差矩阵,计算矩阵特征值的平均值以减少噪声带来的波动。将矩阵特征值的平均值作为MDL准则的参数估计所有子带的平均特征值中包含信号的个数,以此确定包含信号的子带。仿真实验表明,该方法比现有的频谱检查方法具有更好的检测性能,且克服了需要设置固定门限的缺点,对噪声和信号波动具有较强的适应能力。