面向最优直方图求解的监督学习模型研究

最优直方图是一类重要的直方图技术,目前用于实现最优直方图的动态规划分组算法存在时间复杂度过高的问题。因此,提出了一种基于概率稀疏自注意力的监督学习模型来学习动态规划分组算法,该监督学习模型可作为动态规划分组算法的替代方案,主要包括3个部分:1)通过Embedding层与位置编码层将输入数值序列映射为对应的向量序列;2)通过概率稀疏的自注意力层捕获输入序列之间的依赖关系;3)通过前馈神经网络层将依赖关系映射到分组“桶”边界下标信息。实验结果表明,基于概率稀疏自注意力的监督学习模型在6个数据集上的准确率超过了83.47%,且其在预测阶段的时间消耗不超过动态规划分组算法的1/3。

V-最优直方图及其在车牌分类中的应用研究

汽车牌照类型的判别是牌照识别系统(LPR)中的一个重要步骤。为有效进行车牌分类,本文提出一种基于V-最优直方图的KNN分类方法。首先根据车牌反色信息将多分类问题转化为二分类问题以简化并提高算法的效率;然后在HSV(色调-饱和度-明度)颜色空间中提取牌照图像的三阶颜色矩特征,利用KN N分类器实现对简化后所得二分类问题的判别;采用V-最优直方图方法降低KNN算法的计算复杂度,进一步提高分类算法的执行效率。在真实数据集上和其他方法进行对比实验,结果表明本算法具有较好的分类性能。

基于整数小波最优直方图对的图像无损数据隐藏

嵌入位置图法是目前国内外普遍应用的图像数据隐藏方法,但其嵌入量不够大,图像的视觉效果也一般。针对此不足,提出一种基于多灰度图像真实性认证的直方图对无损数据隐藏新方法。该方法对灰度图像进行整数小波变换(IWT),并在直方图上选取最优阈值,通过构造直方图对进行数据嵌入。实验表明,在嵌入容量为0.1bpp时,峰值信噪比达到46dB,嵌入效果较好。

基于最优直方图的岩土参数概率模型的最大熵法研究

为了说明合适的直方图分组是最大熵法拟合岩土参数概率分布的前提和基础,通过2组岩土参数测试样本,研究直方图分组不同对拟合曲线形状和误差的影响;基于判定系数最大,提出建立最优的直方图分组;最后采用实际工程中两组大样本和两组小样本岩土测试数据验证了本文方法的有效性和合理性。研究结果表明:采用最优直方图分组下最大熵法拟合岩土参数概率分布的判定系数最大,拟合精度最高。本文的研究工作完善了最大熵法在岩土参数概率密度函数推断中的应用。

基于三相动态谐波分析的电能表误差检测方法

在检测电能表误差时,原始信号中谐波的干扰会导致检测结果与实际情况存在较大偏差。为此,提出基于三相动态谐波分析的电能表误差检测方法。在谐波分析阶段,考虑到谐波的动态属性会导致三相信号的采样执行效果难以达到同步,构建了余弦组合窗——旁瓣最低与最速下降窗,利用其对电能表离散信号进行截取,以此避免信号能量向临近谱线泄漏,再利用离散傅里叶变换对信号进行处理,实现对谐波的提取。在误差检测阶段,以离散随机信号的概率密度函数为导向,采用最优直方图曲线拟合法对其加以分析,并结合标准情况下电能表信号的分布状态,实现对误差的计算。在测试结果中,电能表误差检测结果的偏差始终稳定在3.0%以内。

岩土参数概率分布最大熵法直方图分组和积分界限选择问题研究

最大熵法被认为是可以准确推断岩土参数概率分布的一种有效方法,但其还存在直方图分组和积分界限选择问题。岩土参数测试样本的直方图分组是最大熵法推断其概率分布的前提和基础,既有直方图分组没有统一的方法,一般为研究人员主观取值,为此提出借助经验法中的Sturges规则与平均移位直方图的思想,通过计算平均积分平方误差最小值获得最优直方图分组的方法。既有的c 32型区间取值方法在样本偏度系数绝对值大于0.5时失效,通过对实际测试样本的反复统计计算,考虑积分上、下界限的同时变化,提出在样本偏度系数的绝对值大于0.5时,采用c′31积分界限取值方法,从而弥补了c 32区间取值法在样本偏度系数大于0.5时失效的不足。研究成果完善了最大熵法在推断岩土参数概率分布中的应用。

一种迭代处理单元外部信息转移函数的精确计算方法

针对现有计算方法得到的迭代处理单元的外部信息转移（EXIT）函数精确度较差的问题，提出了一种EXIT函数的精确计算方法——最优直方图法（OptHIST）．首先根据信息比特的取值（＋1或-1）将对数似然比数据进行分类，然后采用最优直方图估计对数似然比的概率分布函数，得到在积分最小均方误差意义上最优的概率分布函数，最后通过对对数似然的概率分布函数进行积分得到精确的EXIT函数．OptHIST法比直方图法鲁棒性更强，比直接求均值法适应性更广．实验结果表明，对于采用严格的后验概率算法的处理单元，OptHIST法可比直方图法减小误差约7%～15％．