采用期望最大化算法的半滑舌鳎性逆转性状高效遗传解析

为了解析半滑舌鳎(Cynoglossus semilaevis)性逆转性状的分子遗传作用机制,定位筛选可用于性控育种的分子标记或侯选基因,本研究提出了一种期望最大化算法(Expectation-Maximization algorithm,EM),并基于该算法开展了半滑舌鳎性逆转性状的全基因组关联分析。EM算法直接使用阈模型中隐含连续正态分布表型的期望作为因变量,用迭代最小二乘代替logit回归法的迭代重加权最小二乘,它具有比logit回归法更直观、更易于编程的优点。本研究采用显著主成分控制群体分层后,使用EM算法与logit回归对对半滑舌鳎数据进行GWAS(Genome-wide Association Study,GWAS)分析。结果显示,EM算法结果无明显的假阳性或假阴性,比logit回归法的检测效力更高。基于EM算法的全基因组关联分析共定位到13个与性逆转性状显著关联的QTN(quantitative trait nucleotide,QTN),其中3个QTN位于W染色体上,10个QTN位于Z染色体上。经过基因注释发现,上述定位获得的QTN位于LOC103396896、MALT1、ADGRD2、FBXl17、DMXl1、SMARCA2、DMRT1、LOC103397760、NEUR13和PDLIM5a基因区段内。当进行检索时发现,这些基因参与了其他物种中涉及性别决定或性腺发育等相关过程。本研究提供了一种基于EM算法的具有高检测效力的全基因组关联分析方法,同时也为半滑舌鳎的性逆转遗传机制解析和性控育种提供有效的理论指导。

基于期望最大化算法的电能表误差估计技术

根据能量守恒原理,电能表的计量误差可以通过一种线性模型来估计。该文提出一种基于期望最大化(expectation-maximization,EM)算法的新型误差估计方法,用于评估在运行电能表的误差程度。该方法将电能表误差模型中存在的大量无法观测到的变量作为隐变量对待,并根据最大似然估计(maximum likelihood estimation,MLE)法则,以迭代计算的方式对误差模型中的各种变量进行估计,能有效地对真实环境中存在的各种噪声进行模拟。在实验室仿真数据与工程中的真实数据上的实验结果都表明,该方法对小超差电能表计量误差的估计能达到较高精度,具有工程上的实用性和经济价值。

基于期望最大化算法的音频取证中的篡改检测

音频取证中的插值检测是信号篡改检测的重要方面。因为信号的篡改经常伴随着重采样操作,而重采样后的插值信号会引入周期性信息。应用期望最大化(EM)算法能针对这种周期信息估计参数,从而检测出信号是否被篡改。为了使EM算法迭代效果更好,更适用于音频信号的插值检测问题,提出针对音频信号的特点,引入音频幅度直方图,排除短时静音和增加样本点数的方法。另外还提出了用频谱统计矩作为特征的方法,使统计分类稳定有效。最后通过音频取证中检测信号是否重采样的统计分类实验,表明整个检测流程能达到较高的准确率,并且在局部篡改实验中也同样有效。

基于期望最大化算法的联合符号检测和相位估计算法

针对带有未知载波相位的符号检测问题,提出了一种基于期望最大化(EM)算法的联合符号检测与相位估计算法,该算法改变了传统最佳接收算法中先估计载波相位再进行符号检测的分级处理方式,直接通过EM算法进行符号检测。在算法收敛之后,判决获得符号信息的同时,可得到未知载波相位的最大似然(ML)估计,从而实现了符号信息与载波相位的联合估计与检测。由于该算法不需要进行同步参数估计,因此可以大大降低传统最佳接收方法分级处理方式所带来的性能损失。仿真实验表明,该算法与传统最佳接收算法中先通过非数据辅助(NDA)方法估计载波相位再进行符号检测相比,性能有明显提升,可以达到导频辅助下的符号检测性能,由于不需要估计载波相位,因此处理复杂度大大降低。

退火期望最大化算法A-EM

使用EM算法训练随机多层前馈网具有低开销、易于实现和全局收敛的特点,在EM算法的基础上提出了一种训练随机多层前馈网络的新方法AEM.AEM算法利用热力学系统的最大熵原理计算网络中隐变量的条件概率,借鉴退火过程,引入温度参数,减小了初始参数值对最终结果的影响.该算法既保持了原EM算法的优点,又有利于训练结果收敛到全局极小.从数学角度证明了该算法的收敛性,同时,实验也证明了该算法的正确性和有效性.

含噪独立分量分析的期望最大化算法

把期望最大化(EM)算法应用到含噪ICA模型中,即假定源信号具有统计独立性,并将其放在贝叶斯估计框架中,提出一种解决含噪独立分量分析(ICA)的期望最大化(EM)算法。在含噪ICA模型中,假设源信号的均值和方差服从更为一般的均匀分布,提出的EM算法将混合矩阵和超参数交替进行处理,可以有效地估计混合矩阵和超参数在一定模型下的模型参数,从而能够估计出源信号。仿真结果说明,该方法能够很好地解决含有噪声ICA模型下的盲源分离问题。

基于期望最大化的水平集分割算法

针对经典的水平集算法(比如Chan-Vese模型算法)在迭代过程中要重新初始化和容易受噪声和模棱两可的边界的影响的缺点,增加一项内部能量泛函达到不需重新初始化的目的,并结合贝叶斯决策理论,利用图像先验知识,提出了一个改进的能量函数,根据符号距离函数来不断调整水平集函数的偏差。该函数是利用期望最大化算法来得到的。实验结果表明,该算法分割精度和运行准确率上都优于经典算法。

基于期望最大化加速算法的正交频分复用信道估计

针对基于期望最大化(EM)迭代算法的正交频分多路复用(OFDM)信道估计方法复杂度高、收敛慢,严重制约OFDM的传输速率的缺陷,提出了一种基于EM加速算法的OFDM信道估计方法.该方法基于拟牛顿加速算法,并结合一种带调整参数的Broyden对称秩1校正公式来实现,具有二次收敛性,提高了EM的计算速度,降低了计算复杂度.仿真结果表明,相比于空间选择期望最大算法,在性能损失只有0.1 dB的情况下,EM算法的复杂度得到很大的降低,且其计算速度可提高十几倍.

嵌套删失数据期望最大化的高斯混合聚类算法

针对聚类问题中的非随机性缺失数据,本文基于高斯混合聚类模型,分析了删失型数据期望最大化算法的有效性,并揭示了删失数据似然函数对模型算法的作用机制.从赤池弘次信息准则、信息散度等指标,比较了所提出方法与标准的期望最大化算法的优劣性.通过删失数据划分及指示变量,推导了聚类模型参数后验概率及似然函数,调整了参数截尾正态函数的一阶和二阶估计量.并根据估计算法的有效性理论,通过关于得分向量期望的方程得出算法估计的最优参数.对于同一删失数据集,所提出的聚类算法对数据聚类中心估计更精准.实验结果证实了所提出算法在高斯混合聚类的性能上优于标准的随机性缺失数据期望最大化算法.

利用期望最大化算法的EMCCD噪声分布模型的参数估计

讨论了电子倍增CCD(EMCCD)图像的噪声来源及其统计特性,建立了混合泊松-高斯噪声分布模型。针对混合泊松-高斯噪声分布模型的极大似然函数难以求解的问题,对噪声模型进行了适当的初始化设置,利用期望最大化算法对噪声模型进行参数估计,有效实现了噪声参数的极大似然估计。Monte Carlo仿真结果及实验结果表明,期望最大化算法估计性能较好,对混合泊松-高斯分布有较好的拟合效果,能得到较高精度的参数估计值。

基于改进期望最大化算法的分布式视频编码

目前,分布式视频编码(DVC)由于具有低复杂编码特性而成为视频编码领域的研究热点。DVC中,边信息性能对系统性能影响很大,一般而言,边信息性能越好,则整个系统压缩性能越好。本文研究了一种基于贝叶斯准则的期望最大化(Expectation Maximization,EM)边信息产生方法,并从运动搜索模板和初始概率模型两方面对EM算法提出了改进。实验表明,在几乎相同的率失真性能下,两种改进算法的学习时间分别缩短了30%和16%。

基于高斯混合模型和期望最大化算法的非高斯分布圆概率误差估计方法研究

传统圆概率误差(CEP)估计方法无法处理兵器攻击点/观测点数据服从非高斯分布的情况。为了解决这一问题,提出了一种基于高斯混合模型(GMM)和期望最大化(EM)算法的CEP估计新方法。该方法利用GMM对兵器攻击点/观测点非高斯分布概率密度函数(PDF)进行建模,通过EM算法迭代估计GMM参数得到兵器攻击点/观测点PDF,并依据所得到的兵器攻击点/观测点PDF,使用二分法得到兵器攻击点/观测点的CEP指标值。采用大量非高斯分布场景生成兵器攻击点/观测点数据,应用所提方法和传统方法进行CEP估计实验。实验结果表明:所提方法估计的CEP均方误差约为传统方法的1/10,由此说明所提方法性能显著好于传统方法,可以有效解决兵器攻击点/观测点数据服从非高斯分布时的CEP估计问题。

期望最大化算法近场被动定位技术研究

本文介绍了一种对近场声源的距离和方位参数的确定性最大似然估计方法。直接的对近场声源参数的最大似然估计产生了复杂的多参数优化问题,我们在实际采样数据(非完全数据)和假设数据(完全数据)等方面重新构建这个问题,最后提出运用期望最大化迭代方法获得最大似然估计。期望最大化算法将观测数据分解,然后对于最优化问题,运用有效的计算措施单独估计每个信号成分的参数。这种算法的应用性和有效性通过一定的仿真得到了验证。

基于期望最大化算法的车载导航定位

随着GPS车载导航系统的普及,围绕车载导航系统性能的研究主要集中在了如何提高导航精度的问题上。然而,车载导航应用的特殊环境决定了传统的精度提高方法的局限性。文中首先简述了车载导航的特殊环境,然后在此基础上提出了利用EM(Expectation Maximization,期望最大化)算法提高导航状态解算精度的构想。通过使用平淡卡尔曼滤波,解决了期望最大化两步算法中的第一步即状态估计问题。基于实测数据的仿真结果证明,该方法能够有效地提高车载环境下接收机的定位精度和稳定性,进而提高车载导航的服务质量。

基于期望最大化与容积卡尔曼平滑器的机载多平台多传感器系统误差配准算法

针对机载多平台多传感器系统误差配准过程中出现的系统误差参数未知问题,本文提出了一种基于期望最大化(EM)与容积卡尔曼平滑器(CKS)的机载多平台多传感器系统误差配准算法.该算法将传感器的量测系统误差视为系统待估计的未知参数,构建了新的传感器量测方程.引入EM算法框架,在期望步(E–step)利用容积卡尔曼滤波器(CKF)和CKS近似计算对数似然函数的数学期望,在最大化步(M–step)对该数学期望进行最大化处理,最后通过解析更新反复迭代的方式获得各传感器系统误差的参数估计.数值仿真验证了本文提出算法的有效性.

一种改进的期望最大化算法

针对使用传统期望最大化算法进行参数估计的混合高斯模型的最终聚类效果过于依赖初始概率密度中心的问题,提出一种基于模糊C均值算法进行参数初始化的改进期望最大化算法.实验结果表明,在实际的用户知识水平聚类任务中,与传统无监督聚类算法(模糊C均值算法、K-means算法和未改进的期望最大化算法)相比,改进的期望最大化算法的聚类性能度量指标均更优,相比于传统聚类算法全局聚类效果更好.

基于期望最大化算法的双音频率估计方法研究

针对采样时间短、双音信号频率间隔小情况下的双音频率估计问题,提出了基于期望最大化(EM)算法的双音频率估计方法。初值对EM算法的结果具有重要影响。基于离散傅里叶变换(DFT)的方法可以快速得到双音信号的频率初值,但是这种方法会使估计值存在偏移。针对双音频率间隔小的情况采用MUSIC算法作为初值获取方法,并且针对采样时间短的情况采用修正的前向-后向线性预测方法估计协方差以提高初值估计的精确性。仿真结果表明,与初值采用DFT的EM算法、MUSIC算法相比,当双音频率间隔较小时所提出的算法同样具有较好的估计性能。

飞机颤振模态参数辨识的期望最大化

文章采用一种适用于噪声环境的期望最大化算法,准确地辨识飞机的颤振模态参数。在建立随机状态空间模型的基础上,该算法以迭代的形式计算似然函数的最大值,它包括两步:期望和最大化。无需计算对数似然函数的二阶偏导及其近似式,可提高似然函数收敛于平稳点的可能性。算前采用新息方差准则估计出系统的阶数,以减少计算复杂度。最后利用试飞试验数据辨识飞机的系统参数,验证了其方法的有效性。

3D均值中值滤波参数对3D有序子集期望最大化重建图像的影响

目的采用3D均值中值滤波器对重建前投影数据进行滤波处理,并调整参数定量分析3D均值中值滤波参数选取对有序子集期望最大化(OSEM)重建图像的影响。方法对分析模拟软件(ASIM)模拟的3D模体投影数据进行3D均值中值滤波处理。利用开源断层图像重建(STIR)软件中的OSEM算法对滤波前后投影数据进行重建,视觉和定量评估重建图像。结果滤波参数K与图像质量密切相关。K值过大时重建图像边缘保持效果较差,图像过平滑;K值过小则不能抑制噪声,重建图像细节模糊。结论重建图像噪声大小以及边缘保持效果对滤波参数K十分敏感。根据梯度分布直方图确定滤波参数选取范围,结合梯度分布比从中折中选择适当参数,既可去除噪声,又能保护图像边缘。

期望最大化方法在工业CT中的应用研究

工业CT(ICT)是一门用来获取观测物体断层图像的技术,它广泛应用于无损检测和安全检查等领域。但目前常用于工业CT重建的滤波反投影算法易受噪声和伪影的影响,降低了图像质量。为了抑制图像伪影与噪声,本文应用统计迭代的方法进行工业CT重建。