基于改进Bayes信息量准则的锂电池自适应变阶AVO模型

提出了一种融合Bayes信息量准则和樽海鞘优化算法的自适应变阶(AVO)模型。该模型以端电压误差的Bayes信息量作为一阶和二阶RC模型的变阶依据,利用樽海鞘优化算法(SSA)搜索Bayes信息量序列的全局最优解,实现对模型最优变阶序列的求解;通过开展混合动力脉冲特性(HPPC)实验,选用含遗忘因子递推最小二乘法(FFRLS)获取精确的模型参数,完成AVO模型的电阻及电容参数辨识和精度在线验证。结果表明:所建立的锂电池自适应变阶AVO模型平均误差为0.011 9 V,精度及实用性较高。

信息复杂性准则的深入探讨

介绍联系拟合优度与模型复杂性测度的一种模型选择准则—信息复杂性(ICOMP)准则的基本原理.由Bozdogan提出的信息复杂性(ICOMP)准则可以视为两个Kullback- Leibler距离之和的一种近似.首先研究了所考虑模型中有真实模型的情况下,ICOMP准则类的渐近相容性;然后又介绍并完成了所考虑模型中没有真实模型的情况下,ICOMP准则类的渐近相容性.在有限样本容量的情况下,用ICOMP准则选择的估计模型,比用其他通用的准则选择的估计模型,更接近于真实模型.

基于HMM-BIC的说话人日志系统

该文提出一种改进的基于隐Markov模型(HMM)和Bayes信息准则(BIC)的说话人日志系统。它用来检测会议语音数据中"谁在什么时候说话"。在对说话人模型进行Gauss混合模型(GMM)建模的时候,考虑到用来建模的数据通常会比较短,首先训练一个通用背景模型,然后用最大后验概率(MAP)准则得到相应片段的模型。在NIST 2004年举办的说话人日志评测任务数据集RT-04S上的实验结果表明:该系统与国际主流系统相比有一定的优势。