AIC与BIC在亲体-补充量模型选择中的应用及比较

由于渔业资源评估中补充量的剧烈变动、亲体量的测量误差以及时间序列的偏差常常使亲体 补充量(SR)关系模型的确定存在很大偏差问题。本文以7种SR(Stock Recruitment)模型的模拟数据作为观测数据,研究了AIC(AkaikeInfor mationCriterion)与BIC(BayesianInformationCriterion)在SR模型选择中的应用。作为例证,文中采用AIC和BIC对8组实际的SR数据进行了SR模型的选择,并对其结果进行了比较。参数的估计方法为最大似然法(Maximumlikelihoodmethod)。结果表明,AIC和BIC在SR模型选择中是有效的。但是,对于嵌套模型,BIC可能比AIC更有效。

基于t检验和逐步网络搜索的有向基因调控网络推断算法

为了克服基于条件互信息的路径一致算法(PCA-CMI)无法识别调控方向的缺陷,并进一步提高网络推断准确率,提出了一种基于t检验和逐步网络搜索的有向网络推断算法(DNI-T-SRS)。首先,对不同实验条件下的表达数据进行t检验以辨别基因调控的上下游关系,指导路径一致(Path Consensus)算法中条件基因的选取,根据CMI2(Conditional Mutual Inclusive Information)剔除网络中的冗余边,得到了基于t检验的有向调控关系推断算法CMI2NI-T(CMI2-based Network Inference guided by t-Test);然后,建立有向调控关系对应的米氏微分方程模型对数据进行拟合,根据贝叶斯信息准则进行逐步网络搜索以修正网络推断结果。利用CMI2NI-T推断DREAM6挑战中的两个测试网络,所得到的曲线下面积(AUC)分别为0.7679和0.9796,相较于PCA-CMI分别提高了16.23%和11.62%;通过进一步的数据拟合后DNI-T-SRS的推断准确率分别达到了86.67%和100.00%,相较于PCA-CMI分别提高了18.19%和10.52%。实验结果表明,所提DNI-T-SRS算法能够有效剔除间接调控关系并保留直接调控连接,得到精确的基因调控网络推断结果。

改进的BIC说话人分割算法

针对多人说话改变点检测问题,提出一种改进的BIC说话人分割算法。采用固定窗BIC算法对音频流进行分割,利用基于递归的分割算法和变长窗口的BIC算法确认潜在的分割点。实验结果表明,与其他BIC算法相比,该算法的准确率、召回率和综合性能较高。

基于GLR距离和BIC的混合音频分割算法

针对传统单一音频分割算法中存在的冗余分割点过多问题,研究了一种基于一般似然比(GLR)和贝叶斯信息准则(BIC)相结合的广播音频顺序分割算法,提出了候选跳变点潜在区域的判断准则,并给出跳变点在潜在区域的检测方法,最后对检测到的跳变点进行校验。实验结果表明,与传统的音频分割算法相比,该算法的综合性能大大提高,达到较好的分割效果。

改进的T^2-BIC说话人二级分割算法

针对传统T2-BIC算法累积误差较大、召回率不高的问题,提出一种改进的T2-BIC说话人二级分割算法。第1级采用改进的滑动窗口检测搜索窗中的T2统计量峰值,利用贝叶斯信息准则(BIC)对峰值进行确认,第2级利用分步解决的思想处理由于BIC可信度过低而漏选的分割点。实验结果表明,与同类算法相比,该算法分割效果较好,准确率、召回率和综合性能都有所提高。

基于BIC与PSO的简约语音识别系统创建

针对当前尚无建立简约高效语音识别系统标准方法的情形,提出了通过贝叶斯信息准则(Bayesian InformationCriterion,BIC)中的权衡系数折中选择系统识别率与复杂度,利用改进的粒子群优化(Particle Swarm Optimization,PSO)算法优化声学模型拓扑结构,进而创建高效简约语音识别系统的新方法。TIDigits上的实验表明,与传统方法创建的同复杂度的基线系统相比,用该方法建立的新系统句子正确率提升了7.85%,与同识别率的基线系统相比,系统复杂度降低了51.4%,说明新系统能够以较低的复杂度获得较高的识别率。

基于非线性贝叶斯理论和BIC准则的防渗墙高精度瑞雷波反演研究

横波速度和厚度的反演精度是决定瑞雷波法能否应用于防渗墙检测的关键因素,同时也是瑞雷波反演的难点。为获得高精度的防渗墙横波速度和厚度,采用BIC准则和非线性贝叶斯理论,通过理论模型与实测数据相结合的方式,对与防渗墙结构相似的三层含硬夹层模型和防渗墙瑞雷波数据进行反演,并将反演所确定的模型与已知模型进行对比分析,从而验证反演方法的有效性和准确性。结果表明:非线性贝叶斯方法能够有效优化硬夹层模型和防渗墙数据,通过频散曲线反演,能够获得高精度的横波速度和厚度反演结果;将BIC准则应用到硬夹层模型和防渗墙数据,确定硬夹层和防渗墙最佳参数化模型分别为3层和8层,该模型与实际情况最为吻合,频散曲线反演精度最高。研究成果对提高防渗墙无损检测精度、确保堤坝安全运行具有重要意义。

基于BIC的新闻视频近似重复帧检测方法

近似重复帧检测是新闻视频检索和追踪的重要组成部分。简要介绍了近似重复帧的定义,给出了所使用的角点检测方法及优点,提出了使用BIC对两个帧的特征值序列进行判决来确定是否近似重复的方案。实验结果表明,该方法在不需要设定阈值和机器学习的同时,召回率和准确率都有很好的表现。

基于BIC的语音识别模型压缩算法

当对HMM(Hidden Markov Model,隐马尔科夫模型)语音模型进行GMM(Gaussian Mixture Model,混合高斯模型)区分训练增加组件时,语音模型的识别率会随着GMM的组件增多而增加,模型的大小也会增加,这就造成了语音模型的臃肿。而在移动端使用本地语音模型进行识别时,存放一个几百兆的模型很不合适。针对上述问题,本文提出将一个GMM组件数较多的语音模型利用BIC准则压缩到指定的组件数,从而在模型大小合适的情况下尽量保证模型的识别率。实验结果表明,使用本方法进行压缩之后的语音识别率比未压缩的相同组件数的语音识别模型的识别率要高。

面向故障间格兰杰因果发现的霍克斯过程研究

现有因果关系建模方法应用于故障事件序列时,难以有效引入因果先验,使得算法结果过于稠密,同时在稀疏、时间精度低的数据上因果关系可靠性较差。将不同故障类型事件的因果关系建模为基于霍克斯过程的格兰杰因果关系,提出一种面向故障序列的格兰杰因果发现的霍克斯过程模型。将霍克斯过程拓展到离散时间域,解决低时间精度数据的建模问题,并通过构造基于贝叶斯信息准则的目标函数,保证因果结构稀疏性,进而利用基于EM算法与爬山法的迭代优化算法引入因果先验,提高模型的可靠性。实验结果表明,该方法在由不同参数生成的模拟数据上均表现突出,且在两个通信网络的真实数据集中,F1评分相比ADM4、MLE-SGL、TSSO和PCMCI算法提升15.18%以上。而通过引入根因标注和因果依赖性先验,算法的F1评分进一步提升22.43%以上,验证了引入先验的有效性。

基于高斯混合聚类的海上风电出力特征曲线提取方法及其在电量平衡计算中的应用

[目的]为了减少化石能源消耗和改善环境污染问题,海上风力发电是解决问题的有效方式之一。然而,海上风电存在间歇性强、波动性大、双向调峰性等问题,研究其出力特性曲线对海上风电消纳具有重要意义。[方法]提出一种基于贝叶斯信息准则的高斯混合聚类模型,对海上风电原始出力曲线进行分类和特征曲线提取。[结果]得到能够反映不同海风区域特点的海上风力特性曲线,并应用于海上风电出力的电量平衡计算。[结论]最后,以沿海某省份海上风电15 GW装机规模下不同海风区域原始海上风电出力曲线为研究对象,验证所提方法的有效性。

A Comparison of Four Methods of Estimating the Scale Parameter for the Exponential Distribution

In this paper, the estimators of the scale parameter of the exponential distribution obtained by applying four methods, using complete data, are critically examined and compared. These methods are the Maximum Likelihood Estimator (MLE), the Square-Error Loss Function (BSE), the Entropy Loss Function (BEN) and the Composite LINEX Loss Function (BCL). The performance of these four methods was compared based on three criteria: the Mean Square Error (MSE), the Akaike Information Criterion (AIC), and the Bayesian Information Criterion (BIC). Using Monte Carlo simulation based on relevant samples, the comparisons in this study suggest that the Bayesian method is better than the maximum likelihood estimator with respect to the estimation of the parameter that offers the smallest values of MSE, AIC, and BIC. Confidence intervals were then assessed to test the performance of the methods by comparing the 95% CI and average lengths (AL) for all estimation methods, showing that the Bayesian methods still offer the best performance in terms of generating the smallest ALs.

基于对数能量倒谱特征的端点检测算法

端点检测技术是语音识别的关键技术之一,为了克服传统倒谱距离语音端点检测算法在低信噪比下检测效果的不理想,将对数能量(LE)特征和倒谱(C)特征相结合,提出了一种新的对数能量倒谱特征(LEC),采用模糊C均值聚类和贝叶斯信息准则(BIC)方法估计特征门限,得出了正确的语音端点判断,在三种典型噪声下,对信噪比从-5 dB到15 dB的带噪声语音进行仿真,结果表明LEC法的检测错误率仅为20.25%,明显低于倒谱法和对数能量法,能有效地确定语音的端点并改善语音识别效果。

贝叶斯信息标准在滑坡因子敏感性分析中的应用

滑坡因子敏感性分析是滑坡预测和治理的重要前提。以巫山县新址西区作为试验区,运用滑坡影响因素与历史滑坡之间建立的Logistic回归模型,通过贝叶斯信息标准进行模型优劣程度的比较,以期得出本区滑坡因子的敏感程度。设计了逐个加入影响因子进行非嵌套模型的优劣程度对比的试验方法。试验区滑坡因子敏感程度计算结果排队依次为:岩性、高程、距有影响构造线距离、坡度、坡向、坡形。试验为区域斜坡稳定性评价提供了一种新的、可靠的方法。

基于贝叶斯信息准则的极化干涉SAR图像非监督分类

该文提出一种利用贝叶斯信息准则自动确定聚类类别数的极化干涉SAR非监督分类算法。该方法首先利用Shannon熵特征对极化干涉SAR图像进行初始分类,然后利用期望最大化(Expectation-Maximization,EM)算法和标号代价(LabelCost)优化算法对分类结果进行迭代优化,同时通过贝叶斯信息准则(Bayesian InformationCriterion,BIC)自动确定非监督分类的最佳类别数。实验结果表明该算法能够较准确地确定分类类别数,并具有较为满意的分类效果。

实证研究中预测模型的选择:从逐步回归到信息标准

本文首先对显著性变量同变量显著性之间的关系予以讨论并区分,进而评价逐步回归模型选择法的缺陷性。在此基础上,我们对以AIC和B IC为代表的各种基于信息标准的模型选择法予以介绍和评论。同逐步回归法相比,信息标准模型选择法有着坚实的统计理论基础及清晰而优良的统计性质。本文通过基于近十年中国股市数据的实证检验说明,信息标准同逐步回归相比往往能产生具有更强预测能力的计量模型,因此值得在未来的实证研究中注意并推广。

基于BDPCA聚类算法的航空发动机故障数据标记

航空发动机作为飞行器的动力核心对飞行器的安全飞行有着举足轻重的作用,保证航空发动机的平稳运行对飞行安全有着重大意义。在基于有监督学习的航空发动机故障诊断技术不断取得进展的同时,如何将平时获取的大量未标记数据转换为能够用来训练故障诊断模型的带标记数据,成为了制约行业发展的一大瓶颈。针对这一问题引入了基于无监督学习的DPCA算法,用以实现对未标记数据集的准确分类与标记,并针对DPCA算法在局部密度计算与簇类别数选择方面的缺陷进行了优化:针对原始DPCA算法应用标准高斯核计算局部密度易造成误识别的状况,引入共享邻域算法对局部密度的计算方法进行优化;针对原始DPCA算法需要人工研判确定簇类别数易造成的误识别状况,引入BIC选择准则对簇类别数的选择方法进行优化;提出了原始DPCA算法与共享邻域算法以及BIC选择准则相结合的BDPCA算法。最后应用航空发动机转子故障数据对BDPCA算法进行了性能验证并取得了良好的结果,证实了BDPCA算法在航空发动机气路故障诊断领域有较高的实用价值。

一种改进的基于说话者的语音分割算法

: 语音分割是语音识别和语音文档检索等众多语音应用的基础.提出一种改进的基于说话者的语音分割算法,对GLR和BIC相结合的算法作进一步的改进:(1) 基于GLR距离方差的自适应阈值调整算法改进了不同声学特征下基于距离的语音分割算法中的阈值选取方法;(2) 引入BIC可测度概念来度量其适用范围;(3) BIC信息准则校准非冗余的候选分割点的偏差.实验结果表明,此改进算法优于原算法.

基于遗传算法的声学模型拓扑结构优化

针对当前创建语音识别系统时只能采用经验式或启发式方法选择声学模型拓扑结构的情形,提出了一个基于标准遗传算法的声学模型拓扑结构优化算法。与以往的类似应用相比,该算法具备同时优化模型状态数与各状态高斯核数和摒弃高斯核均匀分配的特点。连续数字串TIDigits语料上的以贝叶斯信息准则为目标函数的实验表明,与传统方法创建的基线系统相比,模型拓扑优化的系统能够以较低的复杂度获得较高的识别率,这说明该算法是声学模型拓扑结构优化的有效工具。