基于隐Markov树故障诊断的确定退火设计

隐Markov树(HMT)模型故障诊断作为一种模式识别问题,其目标是得到最小分类误差。由于误分类率函数为分段线性常数,存在许多局部极小值,因此难以直接最小化。提出使用确定退火(DA)方法来最小化误分类率函数,通过在设计过程中随机化分类决策,并使用Shannon熵限制其随机程度,得到一个光滑的误分类率函数,它在熵为0时收敛到原来的误分类率函数。给出了优化过程中梯度计算的上行-下行算法和基于梯度下降的参数重估公式。提出的基于DA的优化方法用于减速器故障诊断,结果表明使用DA较ML估计可以得到更高的识别率。

确定性退火技术

根据统计物理的退火过程，深入地研究了确定性退火技术．首次对确定性退火技术的物理背景作了详细的描述．该技术利用传统优化方法，通过选定一特殊初始点求解自由能函数的极小值来模拟系统的平衡态，并在理论上成功地证明了当自由能函数满足一定条件时，自由能函数的全局最优解是温度的一连续映射，从而为确定性退火技术提供了可靠的理论依据．

一种利用确定性退火技术的聚类模型与算法研究

针对传统聚类模型的缺陷，文章利用确定性退火技术，提出一种聚类模型及聚类算法．该模型考虑了聚类的交互作用，以前提出的一些聚类模型是它的特例．引入温度参数，把聚类问题看成一个物理系统，把求解聚类问题的最优解转化为模拟随温度变化的物理系统的平衡态．通过求解一系列随温度变化的物理系统的自由能函数的局部极小来模拟物理系统的平衡态，最终达到物理系统的基态，即聚类问题的最优解．

基于确定性退火方法的短期负荷预测

首次将确定性退火方法用于短期负荷预测领域。该方法利用分片回归模型逼近预测函数 ,并通过引入“熵函数”限制模型规模。其优点是模型简洁灵活、预测能力强并具有良好的全局最优性能 ,从而克服了目前正在使用的前向网、径向基函数网、分类回归树及多重自适应样条和模糊逻辑等方法分划欠灵活且易于陷入局部极值点的缺陷。实际算例表明 ,对于短期负荷预测问题 。

利用确定性退火技术的旅行商问题求解算法

将确定性退火技术及聚类方法应用于旅行商问题，给出了求解旅行商问题的一种启发式算法．该方法将旅行商问题的离散模型转化为连续模型去求解，通过求解一系列随温度变化的物理系统的自由能函数的局部极小来获得旅行商问题的解，并给出了一个简单的显式迭代公式．算例表明，该算法性能良好．

基于确定性退火技术的鲁棒性的点匹配算法

点匹配问题一直是计算机视觉和模式识别领域的一项重要的基础性工作 .该文提出了一种基于确定性退火技术的准确、快速和鲁棒性的点匹配方法 .该方法首先确定在一一对应双向约束下的点匹配问题的自由能函数 ,通过最小化该能量函数可以同时得到点集之间的匹配矩阵和映射参数 .由于将匹配矩阵的估计嵌入到确定性退火算法的框架中 ,利用退火温度来控制匹配矩阵的模糊度 ,不仅增强了算法的鲁棒性 ,而且减小了陷入局部极小的可能性 .另外 ,在该算法中通过引入松弛变量 ,可以鲁棒性地处理出格点 (outliers) .

密集杂波环境下确定性退火DA-HPMHT跟踪算法

在对Homothetic概率多假设跟踪(probabilistic multiple hypothesis tracking,PMHT)和确定性退火(deterministic annealing,DA)技术深入研究的基础上,结合扩展卡尔曼算法,提出了DA-HPMHT算法。针对密集杂波环境对多目标跟踪性能的影响,给出了DA-HPMHT算法在匀速直线交叉运动目标,机动转弯目标和匀速直线邻近目标的仿真实验,并同HPMHT算法进行了仿真比较。仿真结果表明,在初始值与真实值相差较大的情况下,HPMHT算法跟踪性能下降,而DA-HPMHT算法仍能保持较好的跟踪精度,并且满足实时性要求,证明DA-HPMHT算法对密集杂波环境下多机动目标跟踪的有效性。

确定性退火技术及其在点匹配中的应用

证明了当自由能函数满足一定条件时确定性退火算法收敛到能量函数的全局最优解在此基础上,利用确定性退火技术给出了一个点匹配算法该算法首先确定点匹配问题的自由能函数,通过使该自由能函数最小化得到点集之间的映射参数,然后用该参数对两个点集进行校准,最后将校准后的点集进行匹配得出点的对应关系实验结果说明了该算法的有效性及其对旋转、平移、噪声等的鲁棒性.

连续PH分布数据拟合的确定性退火EM算法

针对目前连续PH分布数据拟合EM(Expectation-Maximization)算法存在的初值敏感问题,提出运用确定性退火EM算法进行连续PH分布数据拟合,给出了详细的理论推导,并通过两个拟合实例与标准EM算法进行了对比.对比结果表明所提出的方法可以有效地避免初值选择的不同对EM算法结果的影响,减小陷入局部最优的可能性,能得到比标准EM算法更好的结果.

按自然法则计算的一个新分支:确定性退火技术

1.引言按自然法则计算就是将大量的自然科学领域的思想与方法应用于其传统领域之外的其它领域,将原思想、方法的本质提取出来,用于解决新领域中的问题。按自然法则计算主要用来解决一些复杂系统问题。所谓复杂系统它包含众多的相互作用的因素,各因素间的交互作用随着时间、空间及周围环境的变化而变化,而周围环境又是随着时间而变化的。

基于确定性退火技术的分类器设计

针对传统分类器的缺陷,文章提出将分类问题看作一物理系统,把求解分类问题的最优解转化为模拟温度变化的物理系统的平衡态,通过求解一系列温度变化的物理系统自由能函数的极小来模拟物理系统的平衡态,最终达到物理系统的基态,即分类问题的最优解。由确定性退火技术构造学习规则用于优化分类器参数,目的是减少分类误差以及待识别空间的系统熵。试验表明,将确定性退火技术用于分类器设计中,降低了分类误差,取得了良好的分类性能。

连续PH分布拟合可靠性寿命数据的广义确定性退火EM算法

针对目前连续PH分布拟合可靠性寿命数据EM(Expectation-Maximization)算法存在的初值敏感问题,提出运用广义煞定性退火EM算法进行连续PH分布数据拟合。给出了详细的理论推导,并通过两个拟合实例与标准EM算法进行了对比;对比结果表明本文提出的方法可以有效的避免初值选择的不同对拟合结果的影响,减小陷入局部最优的可能性,能得到比标准EM算法更好的结果。

启发策略的确定性退火技术非刚性点匹配算法

点匹配问题一直是计算机视觉、模式识别、医学临床诊断领域的一项重要的基础性工作。提出了带启发策略的确定性退火技术非刚性点匹配算法。该算法引入软匹配思想将匹配矩阵系数连续化,为加快匹配矩阵的收敛速度,给出了带启发策略的对应启发矩阵,构造了一种适合确定性退火算法求解的新能量函数公式。实验结果表明,该算法可以得到稳定的解,并且可以避免出格点等噪音的干扰,具有稳定性,有效性,和较高的效率。

确定性退火算法在“伪装”入侵行为检测中的应用

本文提出了一种基于确定性退火算法的检测“伪装”入侵行为的方法 .在该方法中 ,每一个用户被看作是一个离散变长记忆的平稳信源 ,被“伪装”的入侵者利用的账户所产生的命令行字符序列可以被看作是由该账户的相应用户和“伪装”的入侵者两个不同信源在不同时段活动的混合结果 .我们通过对命令行字符序列的分析来重构原信源模型以判断是否存在入侵行为 .

基于确定性退火的移动传感器网络聚合算法

针对动态、异构的无线移动传感器网络拓扑控制问题,提出聚集的自组织无线传感器网络拓扑模型,并介绍分布式结点聚合算法。该算法采用确定性退火技术,同时考虑影响传感器性能的诸多因素。仿真实验结果表明,利用该算法形成的结点聚集规模适度,时间开销增长平缓,且具有良好的适应性和扩展性。

基于确定性退火聚类的LSSVM短期负荷预测

提出了确定性退火聚类和最小二乘支持向量机(Least Square Support Vectorma-chine,LSSVM)相结合的电力系统短期负荷预测方法。考虑影响负荷变化的各种因素构造负荷样本数据,利用确定性退火聚类算法对样本数据进行分类,得到的分类样本数据作为最小二乘支持向量机的学习样本,保证最小二乘支持向量机具有较高的预测精度。利用某电力公司2007年负荷数据和气象数据进行仿真实验,仿真结果表明该方法具有较高的预测精度。

确定性退火算法的TOF相机自主导引叉车/托盘相对位姿测量

针对自主搬运车与物料托盘之间相对位置、相对姿态解算问题,利用基于飞行时间(TOF)的深度相机采集的灰度和深度信息进行托盘关键点提取和匹配,并基于此确定双方相对位置和姿态。首先,根据相机灰度数据进行阈值分割和边缘检测确定目标区域,并使用加速分割检测特征角点检测(FAST)算法对目标区域提取关键点;进而根据无向图理论,结合马尔科夫随机场和确定性退火算法,匹配关键点集和模板点集;最后,根据匹配点进行基于奇异值分解(SVD)的迭代临近点(ICP)估计位姿,确定搬运车与托盘之间的相对位姿。仿真实验表明,关键点集匹配精度达80%以上,位置精度15 mm,姿态精度2°,算法精度和实时性均满足工程需求。

一个基于确定性退火的时延驱动标准单元布局算法

提出了一个基于确定性模拟退火技术的时延驱动标准单元布局算法 ,实现在满足时延约束和宽高比约束的前提下优化版图面积 ,与基于一般的随机模拟退火技术的标准单元布局算法相比 ,该算法的运行速度较快。

基于确定性退火的中文术语语义层次关联研究

研究现有术语语义层次关联的主要方法,针对如何自动获取并且准确描述术语语义层次关系这一关键问题,提出构建的术语语义层次获取流程,主要基于确定性退火的多重聚类算法获取层次关系。最后选取了部分中文专利文本摘要数据集对流程的效果进行测试与评估,取得了不错的实验结果。

PH分布参数估计的确定性退火加速EM算法

针对连续PH分布参数估计标准EM算法迭代速度慢和初值敏感易陷入局部最优化的问题,首先引入逆温因子和加速因子两参数改进算法,提出了确定性退火加速EM算法;然后,进行了详细的理论推导,给出了PH分布参数估计的具体步骤;最后,利用算例对两类典型分布和一组某装备维修时间的实际数据进行拟合,验证了改进算法的全局最优性和较快的收敛速度,拟合效果和迭代加速情况也验证了该算法的有效性和通用性。