基于多距离系统矩阵叠加伽马图像重建方法研究

为了使伽马相机准确定位未知辐射场中多个放射源,本文基于最大似然期望最大化(maximum likelihood expectation maximization,MLEM)算法提出一种多距离系统矩阵叠加伽马图像重建算法。首先,通过蒙特卡罗模拟软件分析伽马相机结构,保证能够快速获取足够伽马光子计数;其次,根据放射源距离对探测器采集效率的影响,计算不同距离系统矩阵;最后,将多个系统矩阵叠加后估计放射源,最终得出放射源的位置信息。实验结果表明:该方法能对放射源快速定位;单源时具有较高的收敛性,多源时能准确定位多个放射源;相较于相关解码算法而言,本文方法具有更远的成像距离和较高的定位精度。

基于SMC-PHDF的部分可分辨的群目标跟踪算法

提出一种基于粒子概率假设密度滤波器(Sequential Monte Carlo probability hypothesis density filter,SMC-PHDF)的部分可分辨的群目标跟踪算法.该算法可直接获得群而非个体的个数和状态估计.这里群的状态包括群的质心状态和形状.为了估计群的个数和状态,该算法利用高斯混合模型(Gaussian mixture models,GMM)拟合SMC-PHDF中经重采样后的粒子分布,这里混合模型的元素个数和参数分别对应于群的个数和状态.期望最大化(Expectation maximum,EM)算法和马尔科夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)算法分别被用于估计混合模型的参数.混合模型的元素个数可通过删除、合并及分裂算法得到.100次蒙特卡洛(Monte Carlo,MC)仿真实验表明该算法可有效跟踪部分可分辨的群目标.相比EM算法,MCMC算法能够更好地提取群的个数和状态,但它的计算量要大于EM算法.

基于混合高斯模型的配电网负荷伪量测权重优化算法

提出一种基于高斯混合模型(Gaussian mixture model,GMM)的配电网负荷量测权重优化算法,包括对GMM参数的优化和权重确定。首先采用引力搜索算法(gravitational search algorithm,GSA)对数据的最佳聚类个数进行判断,利用K-means算法获取数据的初始聚类中心、方差和混合权重;然后通过组合马尔科夫链蒙特卡洛期望最大化(Markov chain Monte Carlo-expectation maximum,MCMC-EM)算法对GMM的参数进行估计;最后根据优化的GMM,提出负荷伪量测权重优化方法,确定负荷伪量测的权重。以改进IEEE-12节点系统对所提方法进行验证,结果表明其合理、有效。

基于期望值模型的虚拟企业风险规划研究

主要分析了虚拟企业所面临的风险因素具有随机性的特点,建立了虚拟企业风险规划的期望值模型。为了较好地处理模型中的随机变量,引入了蒙特卡罗模拟,并将其与粒子群算法相结合。仿真分析表明了期望值模型能够较好地刻画具有随机因素的风险规划问题,同时,所设计算法的性能也得到了验证。

编码板成像系统MLEM算法优化

为增强γ辐射编码成像系统中最大似然期望最大化(Maximum Likelihood Expectation Maximization,MLEM)算法对噪声的抑制,提高算法重建质量,基于互补编码板成像相减去除噪声的思想,对原有MLEM算法进行改进,提出了MLEM互补算法,并引入修正因子?对MLEM互补算法的收敛程度进行控制。通过模拟及实验方式验证了MLEM互补算法的有效性,给出了不同情况下MLEM互补算法达到最优值时修正因子?的拟合曲线。结果表明,MLEM互补算法可有效抑制噪声,提高重建图像质量。修正因子?的拟合曲线可以有效确定MLEM算法的最佳?值。

编码成像MLEM互补算法的参数优化

为了提高编码近场成像质量,本文对最大似然期望最大化法互补算法的参数进行优化选择。采用最大似然期望最大化互补算法消除近场成像伪像的原理,利用Geant4程序模拟研究了不同位置^(137)Cs单点源通过修正均匀冗余阵列(19×19)嵌套编码孔的成像结果,并利用参数选取对成像质量的影响。选取合理的修正参数进行理想迭代次数与源项位置关系式的拟合并验证。结果显示:伪像主要由源项在探测器上投影的不均匀性造成的,相关成像性能明显优于传统δ解码成像法,相比于源项所在极角,极径对于迭代参数的选取影响更大。

面向多重耗损失效的民用飞机运行风险评估

针对民用飞机部件具有多重失效的特点,提出一种面向多重耗损失效模式的运行风险评估方法。以机队运行失效数据为样本,构建基于混合威布尔分布的多重失效模型,提出基于期望最大(EM)算法的混合威布尔分布参数估计方法,并利用粒子群优化(PSO)算法对EM算法进行优化,提高了参数估计精度;以基于混合威布尔分布的多重失效模型为基础,利用蒙特卡罗仿真的方法提出多重失效模式影响下的机队缺陷飞机数量(DA)预测算法;构建贝叶斯网络模型以分析初因事件发生条件下的不安全后果发生概率(CP),并结合由历史运营经验得到的死亡率(IR)和未检出率(ND),计算总体未纠正机队风险(RT)。实例表明:所提风险评估方法可以直接应用于多重失效模式导致的机队风险评估,所提模型参数估计方法相比极大似然估计和最小二乘估计方法,均方根误差分别降低了80.6%和85.7%。

一种离散纵向数据相依结构建模的Cholesky因子模型

对一类响应变量为离散型的平衡或非平衡纵向数据,提出了均值-相关系数联合回归模型框架,并且使用Cholesky分解方法对模型的相关结构进行参数化,使其具有良好的统计解释性.为了解决似然推断中高维积分计算的难题,提出了一种高效的蒙特卡罗期望最大化(MCEM)算法,并证明了参数估计的渐近性质.模拟实验和实际数据分析表明提出的方法是高度有效的.

异常数据恒虚警检测的非参数方法

针对异常数据和/或数据序列的检测,根据再生核希尔伯特空间最大平均偏差异常数据和/或数据序列检测算法,发展出了一种恒虚警检测异常的非参数方法。将来自正常数据的最大平均偏差描述成了一个统计分布,分析表明:奈曼—皮尔逊假设检验可利用这个分布来进行异常假设检验,而bootstrap重采样技术或期望最大算法则可估计出正常数据或数据序列的统计分布,尽管在给定虚警率的条件下,异常假设检验所需的判决门限可由估计到的统计分布计算获得,但可以利用蒙特卡罗积分的方法来简化这个计算。数值仿真的结果验证了提出方法的有效性,同时,表明所提方法优于文献中报道的方法。

ABC-EM算法对微商信息传播模型的参数估计

在基于不完备的实验数据条件下,利用近似贝叶斯计算-期望最大化(ABC-EM)算法估计复杂网络中离散时间的随机微商信息传播模型中的参数。首先通过分析微商网络的特点和微商信息传播机制,建立了适合微商信息传播模型的模型,即无知-传播-免疫(ISR)模型。此外,在尝试通过极大似然法(ML)和期望最大化算法(EM)来估计模型的参数失败之后,使用近似贝叶斯连续蒙特卡罗(ABC-SMC)来代替EM算法的E步,并且用ABC-EM算法成功地估计了模型中的参数。最后,仿真结果表明ABC-EM算法比极大似然法估计参数的准确性要高。

基于Box-Cox变换与随机系数回归模型的非线性退化设备剩余寿命预测方法

准确预测退化设备的剩余寿命可以为设备维护管理提供重要信息支撑,进而避免设备运行中发生计划外失效、减少设备运行维护成本。针对工程实际设备广泛存在的非线性退化现象,提出了基于Box-Cox变换与随机系数回归模型的非线性退化设备剩余寿命预测方法。首先,采用Box-Cox变换对非线性退化数据进行线性化处理,在此基础上通过随机系数回归模型构建退化模型,并运用Bayesian理论与蒙特卡洛-期望最大化算法在线更新模型参数;然后,基于随机系数回归模型的特性,推导出剩余寿命的分布函数以及其点估计值;最后,通过数值仿真和锂电池实际退化数据验证所提方法的有效性。

非线性异方差分层模型及其参数估计

提出了一类非线性异方差分层模型,研究了其固定效应和方差分量的极大似然估计问题.主要采用了期望条件最大化算法(Expectation Conditional Maximization Algorithm)和蒙特卡罗积分法(Monte-Carlo integration method).对于随机效应和模型误差的方差-协方差矩阵,本文既考虑了一般的非结构化形式,也考虑了诸如自回归(AR(1))和复合对称等的结构化形式.仿真模拟的结果显示本文提出的模型及参数估计方法表现良好.此外,本文还将该类模型和估计方法应用到中国官方经济数据上,得到了一些有意义的结论.