基于高斯混合模型的分布因子聚类方法

随着信息技术的发展,人类社会产生的数据规模越来越庞大、形式越来越复杂,对聚类分析形成了巨大挑战。在越来越多的应用场景中,观测数据具有相互关联、层次嵌套的结构,使传统聚类方法难以直接适用。通常的解决方案是采用特征工程方法将观测信息压缩为低维特征向量进行聚类,但这将带来不可避免的信息损失。为充分利用观测数据,本文以分布函数表示聚类对象,大幅降低信息损失,进而提出基于高斯混合模型的分布因子模型。该模型将聚类对象的观测数据分解为两部分,一是以高斯成分表示的公共因子,反映数据中具有共性的典型模式;二是载荷矩阵,矩阵中每个载荷向量反映个体的异质性特征。估计得到载荷向量后即可对不同个体实现聚类划分。本文提出的方法具有优良的统计学效率,能够证明在一定假设条件下聚类误差率能够随着观测个体数目的发散而趋近于0。基于模拟数据和股票收益、大气污染实际数据的实验表明,该方法能够区分具有不同特征模式的个体,解决多维数据的分布函数聚类问题,并为金融风险管理、空气质量的差异化治理等现实问题提供决策支持。

基于高斯混合模型的配电网分布式光伏接入影响量化分析方法

针对大量光伏并网后对配电网的影响难以准确评估的问题,提出一种基于高斯混合模型的配电网分布式光伏接入影响量化分析方法。首先,基于配电台区节点负荷历史数据和太阳辐照强度历史数据,建立基于高斯混合模型理论的配电台区节点注入功率的不确定性模型,通过线性化潮流方法计算得到配电台区的节点电压幅值、支路有功潮流等电气量的概率密度函数;其次,建立分布式光伏接入影响量化评估指标体系,并提出分布式光伏接入影响量化评估方法;最后,基于算例对本文所提方法进行验证。

基于自适应高斯混合模型的含高渗透率分布式光伏电力系统风险评估

高渗透率分布式光伏(distributed photovoltaic,DPV)的接入增加了电力系统的运行风险。针对出力分布呈现形态复杂的特征,首先,提出一种基于改进近邻传播聚类的自适应高斯混合模型,优化了分布式光伏联合出力概率拟合迭代过程。然后,提出基于改进三阶多项式正态估计过程的Nataf变换方法,结合半不变量和Cornish-Fisher级数展开,实现分布式光伏出力相关性条件下的概率潮流计算。最后,采用电压越限和线路重过载指标计算电力系统运行风险。基于修改的IEEE 14节点电力系统,对不同分布式光伏渗透率的接入场景进行仿真。以蒙特卡洛模拟作为对比,结果表明所提方法在电网状态变量的概率分布计算上具有更高的精度,并验证了评估结果能够有效反映不同分布式光伏渗透率对电力系统风险水平的影响。

基于高斯混合模型的采煤工作面冲击危险性评价

【目的】深入了解声发射或微震能量分布所蕴含的概率学信息,对于工作面回采过程中的冲击危险性评价具有重要意义。【方法】以陕西大佛寺煤矿4号煤层40111工作面作为工程背景,运用物理相似模拟实验、理论分析、现场监测等相关方法进行分析,研究了声发射监测数据在回采过程中的演化规律,阐明了声发射能量概率分布呈现波动性的物理意义,提出了基于高斯混合模型(Gaussianminture model,GMM)及置信区间的冲击危险性评价指标模型,并由现场微震数据进行验证。【结果和结论】结果表明:回采过程中上覆岩层周期性垮落并伴随声发射能量的集中释放。总能量的概率密度函数呈现多自由度的非对称分布,通过对比残差平方和等多项拟合效果指标,确定高斯混合模型为最佳拟合模型。基于EM(expectation maximization)算法的GMM聚类分析,将声发射事件总能量分布划分为两类:高频低能型和低频高能型,其中低频高能型与冲击事件的突发性和高能量破坏特征一致。依据概率-能量梯度变化特征,对工作面开采过程中冲击危险性进行了评估。研究成果为采煤工作面冲击危险性评价提供了概率学上的创新思路,具有在冲击地压监测预警及后续防治中的潜在应用价值。

基于加权高斯混合概率模型的系统谐波阻抗估计

针对现有方法受背景谐波随机波动影响而导致系统谐波阻抗估计误差大的问题,提出一种基于概率统计的系统谐波阻抗估计方法。采用3阶加权高斯混合分布函数建立系统谐波电压概率模型,以反映背景谐波的随机波动性。构建系统谐波阻抗的对数似然方程,采用确定性退火算法对期望最大化方法进行改进,提高了隐变量的估计精度和迭代速度,实现对背景谐波随机性波动下系统谐波阻抗估计。采用KL散度和误差对该方法背景谐波概率模型的准确性和系统谐波阻抗的估计精度进行评价,并采用仿真实验分析和实测数据实验对该方法的估计效果进行分析,实验分析表明,该方法对系统谐波阻抗估计具有较强的稳健性和较高的准确性。

基于高斯混合模型及EM算法的建筑工程数据预警治理方法

结合初期雨水调蓄大直径顶管工程的实际设计及施工经验,对软弱地层条件下长距离大直径平行双管曲线顶管在设计及施工过程中存在的重点难点问题进行总结,并对顶管过程中的顶力及管周摩阻力做了深入分析研究,有针对性地提出了相应的解决方案,使该顶管工程顺利贯通。建筑工程行业在现代社会中发挥着重要的经济和社会作用,然而,它也伴随着诸多风险和不确定性。为了有效地管理和预测这些风险,本文提出了一种基于高斯混合模型(GMM)和期望最大化(EM)算法的数据预警治理方法。该方法旨在通过对建筑工程数据的建模和分析,提前识别潜在的问题和风险,从而改善工程项目的管理和决策。

一种基于混合高斯模型的雷达最大探测距离评估

机载火控雷达的最大探测距离是表征雷达探测能力的一项关键指标。分析雷达方程可知雷达探测距离受多种影响因素制约,且部分环境变量往往无法度量,故直接从不同影响因素出发分析雷达最大探测距离的分布特性存在一定困难,所以大部分对雷达探测距离评估方法的研究均是从数据本身出发,通过统计学方法分析变量的分布特性。

电梯安全钳的混合高斯分布可靠性分析方法

安全钳作为电梯必备的防坠装置,其运动可靠性对电梯安全起着决定性的作用。为了高效高精地估计安全钳在制动电梯过程中的运动可靠性,开发了融合拉丁化部分分层抽样(Latinized partially stratified sampling,LPSS)和混合高斯分布的时变运动可靠性分析方法。以安全钳制动面板加速度不超过电梯安全加速度构建性能函数;基于时变可靠性极值分析方法,采用拉丁化部分分层抽样方法估计安全钳性能函数的原点矩;以混合高斯分布原点矩的数值表达与性能函数原点矩相等构建多元方程组,求解混合高斯分布的参数,计算安全钳运动可靠性。

高斯混合分布之间K-L散度的近似计算

高斯混合分布之间的K-L散度没有闭式解,通常采用其上界来近似.对于具有相同高斯数的混合分布,基于相对熵链规则推导其K-L散度上界,提出一种更紧上界的计算方法.为计算具有不同高斯数的混合分布之间的K-L散度上界,提出基于最佳高斯分量复制的方法.在中文声韵母声学模型上的实验结果显示,所提出方法可更好地近似等高斯数的混合分布之间的K-L散度,并能有效处理具有不同高斯数的混合分布.

基于高斯混合模型的风电场群功率波动概率密度分布函数研究

如何描述风电功率波动的概率密度分布特性一直是风电联网运行分析领域的难点。在利用概率密度函数法分析风电功率波动特性的基础上,首先验证了采用多种单一分布函数模型拟合风电波动概率密度分布特性的效果较差,并根据列维定理揭示了风电场群出力波动概率密度分布特性呈现多种分布的规律;在此基础上提出采用高斯混合模型替代单一分布函数模型来拟合风电波动概率密度分布特性的方法。仿真结果表明,高斯混合模型具有良好的拟合效果,适用于描述大型风电场群出力波动的概率密度分布特性。

混合高斯分布的变分贝叶斯学习参数估计

针对常用于非高斯信号或系统建模的包含隐变量的混合高斯分布模型,提出利用一种变分贝叶斯学习算法进行模型的参数估计.该方法采用一个形式较为简单的自由分布,通过不断最大化边缘似然函数的下界,迭代地更新变分参数,直至近似分布足够逼近参数真实的后验分布,从而实现混合高斯分布的参数估计.文中推导了该方法对混合高斯模型参数学习过程.实验表明,变分贝叶斯学习可以有效实现高斯混合模型的多参数估计,相比采样方法更有工程应用前景.

高斯混合分布激光中心线提取方法

针对激光辅助立体视觉测量中的非高斯非对称分布激光条的匹配中心线提取精度较低的问题,提出一种基于高斯混合模型的激光中心线提取方法。首先分析了激光散斑对图像的影响,选择均值滤波方法有效去除激光散斑噪声;然后利用最大类间方差(OTSU)阈值分割方法对光条位置进行粗定位;最后,利用本文提出的高斯混合模型提取激光条亚像素中心线,该模型可准确地描述激光条横截面光强分布特性,从而能够实现光条中心极值点的高精度提取。实验结果表明该方法能够高效稳定的提取激光条中心线。

行程时间服从混合高斯分布的车队离散模型

为充分描述异质交通流条件下的车队离散规律,为信号配时优化、公交优先控制提供理论基础.考虑异质交通流条件下车辆行程时间分布特点,采用混合高斯分布拟合车辆行程时间分布.基于此,从流量角度推导了异质交通流条件下车队流量离散模型.通过实际调查数据,分析了下游交叉口到达流率分布与上游交叉口离去流率分布之间的关系,并将本文模型与Robertson模型、实际数据进行比较分析.结果表明,本文模型能够更好地描述异质交通流条件下的车队离散规律,与Robertson模型相比,平均预测均方误差减少了27%.

混合泊松-高斯分布模型的参数估计

针对实际CCD图像处理问题中噪声概率模型的参数估计问题,从CCD图像的噪声背景出发,研究其噪声的混合泊松高斯分布,给出了两种参数估计方法,以及非零均值高斯噪声情况下的参数估计方法,计算结果表明文中方法给出的参数估计精度高。

基于混合高斯分布的风功率横向时间序列概率密度建模研究

鉴于风功率概率分布模型对风电场规划及运行具有重要意义,提出了一种基于混合高斯分布的风功率横向时间序列概率密度建模方法,即利用风电运行数据样本,首先构建基于混合高斯分布的风功率横向时间序列的先验模型,然后利用最小二乘法对先验模型的参数进行估计,再利用相关建模精度指标确定混合高斯模型的最优维度。基于实际算例的仿真结果表明,所构建的风功率概率密度模型具有较高的精度和泛化性能。

一种改进的基于混合高斯分布模型的自适应背景消除算法

视频检测技术是智能交通系统研究中一个重要研究方向,根据交通流视频检测的特点,对基于混合高斯分布模型的自适应背景消除方法进行了改进.包括:背景模型匹配只使用亮度信息;将高斯分布模型按权值、方差排序;使用单目深度信息来确定背景;动态调整采样频度等.实验表明,本文提出的算法,分割效果较佳,分割的实时性大大增强.

分布式约束一致高斯混合模型

为有效提高非球形分布式水平划分数据集的聚类质量,提出了一种分布式约束一致高斯混合模型(DCCGMM)。DCCGMM以高斯混合模型(GMM)作为数据集的描述模型,通过约束一致正则化算子将约束信息引入GMM,使得DCCGMM的估计参数既能反映样本数据的潜在概率分布,又能包含用户的先验知识,同时所有参数均能以封闭的解析表达式进行估计。通过设计相应的用户站点传递参数,DCCGMM可以应用于分布式聚类。实验结果表明:相比于以K-means为基本算法的分布式聚类方法,该算法在聚类非球形数据时具有更好的适应性,其聚类精度优于没有使用约束信息的分布式期望最大化(EM)算法,全局平均聚类精度分别提高9%至20%。

高斯混合分布杂波下ARM的Wald检测方法

提出一种在高斯混合分布杂波下检测反辐射导弹(ARM)的Wald检测方法。针对基于期望最大化(EM)算法估计杂波参数时,由于初始化不当使迭代运算落入初值陷阱、导致估计错误的问题,提出基于矩-EM算法估计杂波参数的方法,导出了高斯混合分布杂波下ARM目标的Wald检测统计量。不同参数条件下的仿真表明,矩-EM算法能够更准确地估计杂波参数;基于高斯混合分布杂波假设的Wald检测性能明显优于基于高斯分布杂波假设的Wald检测性能。

基于混合高斯分布的风电功率实时预测误差分析

针对风电功率实时预测误差随预测方法不同呈现不同分布特性,提出基于混合高斯分布的风电功率实时预测误差分布模型,采用期望最大化算法估计混合高斯分布模型的参数,以位于吉林省、黑龙江省和辽宁省的3个风电场的实测数据为例,分析不同预测方法下风电功率实时预测误差的分布特性,三权值高斯分布的评价指标——绝对值平均误差、均方根误差及相关系数均最优,验证了模型基于不同预测方法下预测误差的有效性和适用性。