测量不确定度估计的极限费舍尔信息方法

极限费舍尔信息(EFI)是源于极限物理信息理论下的一种信息测度。由于在测量实践中,很难一一准确且高效地定义与补偿所有影响测量结果的因素并估计测量不确定度。因此,该文提出了采用根据EFI推导的概率密度函数(PDFs)来估计被测量的测试边界信息,即待测系统的测量不确定度。该方法能够根据不同的不确定度影响因素以及待测系统的物理规则更加动态地刻画测量不确定性。从物理应用角度进行了详细的数理推导与讨论,相比不考虑物理意义的数学模型,该方法更适用于实际应用。最后,用两组实例验证了该EFI方法的有效性。

运动参考系中量子Fisher信息

量子参数估计中的基本理论--量子Cramér-Rao不等式指出,参数估计的方差由量子Fisher信息的倒数决定,量子Fisher信息越大,参数估计的方差就越小,估计精度也就会越高.在非相对论量子力学中,量子Fisher信息已被广泛研究,但考虑相对论效应对量子Fisher信息影响的研究相对较少.本文采用粒子态的相对论变换方法,数值计算和分析了运动参考系中单粒子态、双粒子态振幅参数θ和相位参数φ的量子Fisher信息.结果表明,在运动参考系中,无论是使用单粒子态还是双粒子态,量子Fisher信息都会降低.对于相位参数,双粒子态的量子Fisher信息比单粒子态降低得更加显著.然而,对于振幅参数,双粒子态的量子Fisher信息相对于单粒子态有所提高,该研究结果为在相对论效应的影响下提高参数估计精度提供了有价值的参考.

基于混合黑猩猩优化极限学习机的电力信息物理系统虚假数据注入攻击定位检测

针对已有检测方法无法对虚假数据注入攻击(false data injection attack,FDIA)进行精确定位的问题,提出了一种基于混合黑猩猩优化极限学习机(extreme learning machine,ELM)的电力信息物理系统FDIA的定位检测方法。首先,使用ELM作为分类器,用于提取电力数据特征并检测系统各节点的异常状态。然后,采用一种具有全局搜索能力且局部收敛速度更快的混合黑猩猩优化策略,用于寻找ELM最优隐藏层神经元数量。建立基于混合黑猩猩优化ELM的检测方法,实现对FDIA的精准定位,有利于后续防御措施的实施。最后,在IEEE 14和IEEE 57节点系统中进行大量仿真对比实验。结果表明,所提方法具有更佳的准确率、查准率、查全率和F1值,对FDIA能够进行更为精准的定位检测。

基于Fisher信息距离的传感器管理方法

在进行面向跟踪的传感器管理方法研究时,传统的思路主要以跟踪精度为导向,但是在数据关联环节,改善或维持目标之间的区分度才是传感器资源分配的主要目的。需求的偏差导致不合理的传感器资源分配结果。依据信息几何理论,以流形中的Fisher信息距离来定义目标之间的区分度,然后直接依据目标之间的区分度制定传感器资源分配策略。关联仿真实验表明,该方法相较于传统的传感器管理方法,有效提高了目标之间的关联正确率。

基于Fisher信息和在线SVR的智能电网气象敏感负荷预测动态建模技术

智能电网大数据环境为解决短期负荷预测模型性能退化和精度随时间降低等问题提供了契机。基于此,该文提出一种基于在线支持向量回归(on-line support vector regression,OSVR)和Fisher信息(Fisher information,FI)气象因素处理及特征选择(features selection,FS)的动态建模新方法,用该方法来构建过程变量之间关系快速变化时的智能电网气象敏感负荷预测模型。首先,利用支持向量回归(support vector regression,SVR)模型的卡罗需–库恩–塔克(Karush-Kuhn-Tucker,KKT)条件推导出一种简洁的OSVR学习算法,使得每当有样本增加到训练集或从训练集移除时,该算法均能有效地更新已训练好的SVR模型,而不用对整个训练数据重新再训练。其次,提出一种基于Fisher信息的特征选择方法和气象因素引入方法,能够从捕获的数据中提取主要特征,并有效处理气象因素的累积效应。实际测试结果表明:所建立的预测模型能够使用最新的数据信息完成更新,在过程特征发生快速变化的情况下,其预测精度仍高于传统方法。

传感器优化布置的距离系数-Fisher信息准则

以损伤参数识别为目标,基于传统Fisher信息准则的传感器优化布置会出现测点局部聚集现象,导致信息冗余,不利于损伤定位。针对此问题,首先以反映信息独立程度的距离系数对候选自由度的Fisher信息矩阵进行加权修正;然后以修正后的有效信息矩阵行列式最大化为目标,采用逐步累加的方法得到基于距离系数-Fisher信息准则的传感器优化布置方案。采用该方法对一个16自由度剪切型弹簧质量模型进行传感器优化布置。结果表明,该方法能有效避免测点聚集现象,解决信息冗余问题。

小电流单相接地故障选线的Fisher信息方式

为了解决小电流接地系统单相接地故障选线困难的问题,提出了将小波分析理论与Fisher信息理论相结合的方法,应用于故障选线技术中。通过比较故障线路和非故障线路零序电流信号在各个小波系数下提取到的Fisher信息值的突变量来进行故障选线。基于PSCAD/EMTDC仿真平台下的大量仿真结果表明:这种Fisher信息的计算方法不受系统中性点接地方式、电压初相角、过渡电阻的影响,选线灵敏度高,能准确定位故障时刻,是一种故障选线的新方法。

基于量子Fisher信息的纠缠判据

对于几类常见的量子态,对自旋压缩和量子Fisher信息进行了比较研究.得到量子Fisher信息的表达式,以Fisher信息为基础,给出了量子纠缠的判据,结果表明:比较于自旋压缩,该判据有明显的优势.(1).对于两个Qubit的对称态,该判据与自旋压缩,concurrence完全等价;(2).对于两个Qubit的非对称态的纠缠,自旋压缩不能检验其纠缠,但对于部分态,该判据也能检验;(3).对于Dicke态,自旋压缩不能检验其纠缠,但该判据能检验且完全等价于concurrence.

极大阈值网络中的噪声提高Fisher信息

基于Fisher信息研究了3种典型噪声下极大阈值网络中的随机谐振和阈上随机谐振现象。通过研究得到极大阈值网络中的噪声能够提高Fisher信息,即随机谐振和阈上随机谐振现象存在,噪声有助于信号的估计。随着网络中阈值单元数的增加,Fisher信息的最大值迅速地增加,随机谐振和阈上随机谐振的功效显著增强。这些结果说明极大阈值网络中的随机谐振和阈上随机谐振对于噪声具有一定的鲁棒性,同时也拓展了随机谐振和阈上随机谐振在信号估计方面的应用。

敏捷开发:极限编程在管理信息系统开发中的实践探讨

极限编程是敏捷的和基于实践的软件开发方法学。通过介绍极限编程的特点及其在一个管理信息系统项目实际开发中的成功实践,探讨研究了极限编程对于中小型需求易变的软件开发项目应用的优势和不足。

基于极限学习机的多信息融合区段定位方法

对于小电流接地系统单相接地故障定位问题,现有方法单一,实际运行时准确性低,难以满足现场需要。提出一种基于极限学习机的多信息融合区段定位方法。故障发生后,终端对实时测得的零序暂态电流运用暂态能量法、小波法、首半波法提取特征向量上传给主站,输入到经训练后得到权重参数的极限学习机网络中,主站启动多信息融合定位算法并输出区段定位结果。该方法受接地位置、接地时刻、接地过渡电阻等因素的影响较小,对不同的单相接地情况适用性强,具有较高的区段定位鲁棒性。通过现场实际验证,证明了该定位方法的可行性。

利用多源信息和极限学习机的人体运动意图识别

快速准确的步态识别是实现智能假肢灵活控制的基础与前提,步态(平地行走、上下楼梯和上下坡)的有效识别是关键。为了克服由单一信息源无法辨识复杂多步态的难题,搭建人体步态多源运动信息系统获取髋关节角度信号、加速度信号和足底压力信号,利用足底压力信号将人体步态划分为4个片段,并根据人体步态的特点确定了4个片段下髋关节角度、髋关节加速度信号的特征值,采用核主成分分析(KPCA)对原始特征的组合进行融合,得到信息互补的特征值,最后利用极限学习机(ELM)进行识别,实验结果表明该方法对平地行走、上楼、下楼、上坡、下坡5种步态的平均识别率达到96.78%,平均识别时间0.52 s,明显高于BP、支持向量机(SVM)等方法。

基于Fisher信息的多传感器数据融合方法

针对多个传感器对某一特性指标进行测量实验的数据融合问题,利用信息理论中的Fisher信息,提出了一种新的多传感器数据融合方法。该方法以最大化各传感器测量数据包含待测参数的Fisher信息为目标函数,通过求解优化问题,得到数据融合结果。可以较好地避免受主观因素影响的关系矩阵,充分利用实验数据,防止有效数据的丢失,提高融合结果的精确性。仿真实验验证了方法的有效性。

量子退相位通道中量子Fisher信息动力学

利用量子通道估计方法研究了纯退相位通道下,2个相互作用量子比特系统退相干率的量子Fisher信息的动力学演化。数值计算表明:量子Fisher信息总是先从0增加到某一最大值后迅速衰减,最后又减小到0;退相干率越大,导致量子Fisher信息越小和衰减到0的时间也越短;提高初始输入态的纠缠不能使最大量子Fisher信息得到提升。

基于信息测度和核函数极限学习机的图像边缘检测

图像的边缘检测技术是机器视觉中图像识别、图像分割与处理以及模板匹配的基础。针对传统边缘检测算子的检测精度有限,对噪声的敏感度较高的问题,提出一种基于信息测度和核函数极限学习机(KELM)的图像边缘检测方法。该方法构造一个描述边缘点信息测度的特征矢量,将特征矢量样本数据集对核函数极限学习机(KELM)进行分类训练,实现边缘检测。同时采用度量F评价模型对不同边缘检测方法的性能进行评价。实验结果表明,ISKELM图像边缘检测的效果优于Canny算子、Sobel算子以及ELM图像边缘检测,提取的图像边缘更加清晰,对于噪声的抑制能力更强,虚假边缘大大减少。

基于无信息变量消除法与岭极限学习机的新型变量选择方法:以CO气体浓度反演为例（英文）

变量选择是光谱分析领域一个重要的组成部分。为了克服传统区间选择法的缺点与不足,基于无信息变量消除法和岭极限学习机提出一种新型的变量选择与评价方法。首先,利用无信息变量消除法剔除整个光谱区间中无信息的波长点;其次,为了解决传统建模方法(偏最小二乘法、BP神经网络等)存在的共线性问题,采用岭极限学习机方法建立回归模型;最后,最佳的特征光谱波长点组合利用特征选择路径图和稀疏度-误差折中曲线进行确定。CO气体的浓度反演实验结果表明:(1)利用无信息变量消除法可以有效筛选出最能表征CO气体透过光谱的特征波长点;(2)岭极限学习机方法具有快速建模、避免共线性和高精度等优点(CO气体浓度反演模型的决定系数可达0.995);(3)特征选择路径图和稀疏度-误差折中曲线可以直观地帮助用户寻找出最佳的特征波长点组合。

基于双重逆极限空间的地貌信息数据挖掘方法

为了挖掘不完备的地貌数据信息,将地貌信息描述为拓扑空间的形式,从逆极限定义出发,利用映射诱导法建立与原地貌信息空间拓扑同构的双重逆极限空间作为目标信息空间,然后利用拓扑传递性分析原地貌信息空间与目标信息空间的拓扑相似度,实现不完备的地貌信息空间数据挖掘.本文利用GIS软件,结合地貌的坡度、坡向等地貌特征因子分别模拟了地貌信息数据挖掘前后的模型并进行了对比,结果表明此方法是可行的.

相关数据的Fisher信息增益及在导弹试验鉴定中的应用(英文)

在数据处理的应用领域 ,观测数据对系统参数估计提供了多少信息量是一个令人关心的问题 .基于共轭正态分布 ,利用统计推断的结论 ,研究了相关的观测样本可以提供多少统计信息的问题 .此结论可应用到航天测控领域中的试验鉴定中 .可以充分利用制导工具误差造成的弹道主动段的遥外弹道差数据 ,借助折合算法 ,将弹道差数据转换为关机点数据 .再通过关机点和落点偏差的关系得到相应的落点偏差 ,通过度量相关观测点提供的Fisher信息量作为权重 ,融合这些落点偏差信息 。

基于奇异谱分析-模糊信息粒化和极限学习机的风速多步区间预测

不同于风速点预测,风速区间预测能描述风速的随机性。因此,提出一种基于奇异谱分析-模糊信息粒化和极限学习机组成的风速多步区间预测模型。该方法采用奇异谱分析提取原始数据的趋势成分、振荡成分和噪声成分,并对所有分量进行重构,然后利用模糊信息粒化对重构后的噪声成分进行有效挖掘,提取每个窗口最小值、平均值和最大值。对各分量采用极限学习机分别建立预测模型,为了提高预测精度、缩小区间范围,采用改进布谷鸟算法对预测模型的参数进行优化。最后将所有分量的预测结果进行叠加,实现风速区间预测。以风电场实际数据为算例,结果表明所提方法具有较高的预测精度和可靠的多步区间预测,且运行效率高,能有效跟踪风速变化。

基于信息熵与改进极限学习机的中长期径流预测

为提高流域中长期径流预测精度,提出一种基于信息熵与改进极限学习机的中长期径流预测方法。首先,基于不同水文站点的流域控制面积构造径流综合指数,在较宏观层面表征流域水情丰枯变化;其次,采用偏互信息法计算影响对象与径流综合指数之间的相关性,获得径流过程变化的关键因子集,形成预测模型输入;最后,结合K折交叉验证与改进粒子群算法优化极限学习机(ELM)参数,构建IPSO-ELM模型,用于中长期径流预测。以雅砻江流域为例,将所建模型与BP神经网络(BPNN)、支持向量机(SVM)、ELM和PSO-ELM等预测模型进行对比分析。结果表明:所提模型的E_(mape)、E_(rmse)、E_(dc)、E_(qr)和E_(re)等性能评价指标明显优于上述4种模型;5种预测模型在D1数据集上的预测效果整体上胜于D2。