基于加权JS散度分块策略的设备故障检测

在分块主成分分析(PCA)故障监测方法中存在2个主要问题,一是确定最佳的变量块划分阈值往往十分困难,二是PCA故障监测主要针对是服从正态分布的数据,而实际工业生产数据往往无法完全符合正态分布的要求。为了解决这些问题,提出一种基于加权JS散度分块策略的故障检测方法。通过观察变量的分布模式来判断过程变量的正态性,并将数据分为正态变量和非正态变量。为了解决变量块难划分问题,采用加权JS散度分块策略,将变量拓展为正态加权子块和非正态加权子块,再建立PCA和独立成分分析(ICA)检测模型对正态子块和非正态子块进行监控,在得到各个子块的检测结果后,采用贝叶斯融合推断方法将监测结果进行融合,得出全局的故障监测结果。通过在某卷烟厂制丝设备的故障数据上的应用验证了该方法的有效性和可行性。

融合Jensen-Shannon散度的推荐算法

为充分利用所有评分,缓解数据稀疏性问题,将概率统计领域的Jensen-Shannon(JS)散度引入相似性度量中,提出了一种新的项目相似性度量算法。该算法将项目的评分信息转化为评分值密度,并依据评分值的密度分布来计算项目相似性。同时,引入评分数量因子,进一步提升了基于JS的相似性度量方法的性能。最后,以基于JS的相似性度量方法为基础,设计了相应的协同过滤算法。在MovieLens数据集上的实验结果表明,所提算法在预测误差和推荐准确性方面均有良好的表现。因此,该算法在推荐系统中具有很好的应用潜力。

基于KL散度与JS散度相似度融合推荐算法

针对目前大多数推荐算法在计算项目或用户之间的相似度时只依赖于用户之间的共同评分项,由于用户-项目签到矩阵的高稀疏性,导致推荐结果不准确问题,提出一种改进的协同过滤推荐算法.该算法基于每个项目基分值概率分布使用KL散度计算项目之间的显性反馈相似度,再融合隐狄利克雷主题分配模型,得到每个项目属于T个主题的概率分布,使用JS散度计算出项目之间隐性反馈相似度,将两个相似度融合后融入到传统基于项目的协同过滤算法中并应用到兴趣点推荐,缓解数据稀疏性问题的同时提高了推荐质量.在点评数据集Yelp上进行实验验证,得出该推荐算法比传统的推荐算法更优.

基于中值的JS散度可变剪接差异分析研究

可变剪接是一种广泛存在于生物体中造成蛋白质多样性的重要机制,它对细胞的增殖、分化、发育、凋亡等一系列重要的生物过程具有重要精细调控的作用。近年来,人们发现多种复杂疾病的产生往往伴随着剪接异构体的紊乱表达。为了研究剪接异构体在整体分布上的差异,该文提出一种基于中值的JS散度可变剪接(AS)差异分析方法。结果表明,该文的方法能够发现大量在剪接异构体整体分布上具有显著差异的基因。这些基因不仅富集在一些癌症密切相关的通路,而且也富集在一些基于可变剪接调控的信号通路、细胞分裂过程和蛋白质功能等通路。此外,与基因层次的差异分析相比,可变剪接显著差异的基因在生存分析方面也具有更好的性能。总之,该文提出基于中值的JS散度可变剪接差异分析方法,将为进一步揭示可变剪接在癌症中的机制奠定基础。

基于直方图分析和Jensen-Shannon散度的海表温度锋检测

海洋锋是海洋中的重要现象之一,通常可以利用锋面检测算法在遥感图像中进行提取。针对在海洋遥感图像质量较低、噪声较多的情况下梯度较小而尺度较大的海表面温度锋提取效果不佳的问题,对基于Jensen-Shannon散度的锋面提取方法进行了改进。具体改进是在计算图像散度时先进行直方图分析,即根据水温分布中的极小值对水温数据进行重新分组,然后使用新生成的水温分布来计算散度,另外还使用了Canny算法中的非极大值抑制对散度图中的锋面进行了细化。实验结果表明,改进后的方法提取出的锋面与使用梯度幅值表示的锋面基本吻合,同时比原方法更适合用于提取受噪声影响较多的水温图像中的大尺度锋面。

基于Lamb波高阶JS散度的铝合金板损伤定征方法

针对高速列车车体铝合金构件疲劳损伤的在线检测问题,提出一种基于Lamb波时频高阶JS散度的铝合金裂纹损伤量化评估方法。采用基于相空间重构的奇异值分解方法对Lamb波传感信号进行噪声抑制,利用归一化窗S变换分析损伤信号的时频域瞬态能量分布特征。为了更深层次地揭示Lamb波损伤信号在时间维度与频率维度的非线性分布特性,提出信号时域与频域的n阶矩计算方法,采用损伤信号与无损信号间的时频高阶JS散度距离作为损伤指数对铝合金板的疲劳损伤进行量化评估,并分析高阶JS散度距离与铝合金板疲劳裂纹密度间的线性相关性。有限元仿真和铝合金板的疲劳损伤检测试验结果表明,本文提出的方法对铝合金薄壁件早期裂纹具有较高的敏感性,对疲劳裂纹损伤具有较好的量化表征能力。该方法无需进行Lamb波在复杂构件中传播机理分析与损伤波包识别,简单高效,可操作性强,在高速列车车体复杂结构损伤评估中具有较好的应用前景。

基于邓熵和Jensen-Shannon散度的合成悖论改进算法

为解决DS证据理论合成悖论问题,研究了一种邓熵和Jensen-Shannon散度结合的改进算法。利用邓熵对冲突证据进行冲突衡量;利用Jensen-Shannon散度计算证据的可信度;最后用DS合成规则对加权修正后的证据进行融合决策。结果表明:算法可以消除全冲突悖论,0信任悖论,1信任悖论和高度冲突悖论;融合精度高;合成结果可靠有效。

基于JS-BP模型和JS散度的随机有限元模型修正

对考虑试验参数不确定性的有限元模型修正方法展开研究。首先假设待修正参数和响应特征量都服从正态分布,将不确定性模型修正问题转化为均值和标准差的修正问题;其次采用拉丁超立方抽样选取待修正参数样本点作为输入,并计算其对应的频响函数进行常数[Q]变换提取第一层系数作为输出,通过海蜇算法(JS)优化BP神经网络的权值和阈值,构建JS-BP神经网络模型;最后以最小化JS散度作为目标函数,实现对待修正参数的均值和标准差的同步修正。空间桁架算例表明,所提方法能够有效地修正结构参数的均值和标准差,并且在试验数据标准差不同时仍能得到较好的修正效果。

基于JS散度的轨道车辆门系统健康状态评估方法

为了更好地评估轨道车辆门系统的健康状况,基于轨道车辆门系统的运营数据,提出了一种新的车门健康状态评估方法,其将车门驱动电机的电流、转速和转矩状态实时信息作为车门健康状态评估的信息源,并引入基于信息熵理论的JS散度来度量实时状态与参考健康状态数据统计分布的相似性,将相似度转化成能评价系统健康状态的指标。实际应用案例表明:该方法可准确提取车门健康状态的趋势变化,并可及时检测车门系统的异常维修状态。

基于JS散度和潜在特征提取的多块PCA故障监测

针对大规模工业过程故障监测中存在的局部信息难提取、监测信息单一的问题,提出一种基于JS散度(Jensen-Shannon divergence)和潜在特征提取的多块PCA(principal component analysis)故障监测方法。首先,计算过程变量之间的JS散度值并进行变量分块,突出过程局部特征;然后,对每个变量块进一步提取累积误差和一阶差分等潜在特征信息从而扩展出额外的信息子块;最后,分别建立PCA监测模型对每个信息子块进行监控,并通过贝叶斯推断完成子块决策融合得到全局监测结果。通过TE(Tennessee Eastman)过程的仿真对该方法进行了验证。

基于行波功率S变换能量JS散度的直流换流器站间保护方案研究

以水电、光伏、风电为主的可再生能源占比快速增加,直流输电技术成为解决新能源消纳的主要工具。直流换流器站间线路较长,严苛故障情况及通讯干扰可能导致现有双端保护方案的失效,进而导致换流器闭锁问题。为解决该问题,提出了一种基于Jensen-Shannon(JS)散度的双端保护方案。首先,建立柔性直流系统模型,提出行波功率的定义并推导其表达式;随后,基于该表达式分析行波功率幅频特性,并据此提出一种JS散度表达功率故障特性的方案;最后,依据仿真模型设置不同故障工况验证了该方案的性能,结果表明,该方案不受分布电容的影响。

基于聚类粒化和簇间散度的属性约简算法

属性约简是粗糙集理论中的研究热点,对连续值数据进行属性约简的算法大多基于优势关系或邻域关系。然而连续值数据集的属性不一定具有优势关系;而基于邻域关系的属性约简算法虽然可以通过邻域半径调整粒化程度,不过由于各属性量纲不同且半径参数为连续值使半径难以统一,导致整个参数粒化过程计算量较大。为解决此问题,提出一种基于聚类粒化的多粒度属性约简策略。首先,利用聚类方法将相似样本归类,并提出了基于聚类的近似集、相对正域及正域约简概念;其次,根据JS(Jensen-Shannon)散度理论对簇间各属性数据分布进行差异性度量,并选择出具有代表性的特征用以区分不同类簇;最后,利用可辨识矩阵设计了属性约简算法。所提算法不要求属性具有序关系,且不同于邻域半径,聚类参数为离散值,调节此参数就能够对数据集形成不同粒化程度的划分。在UCI与Kent Ridge数据集上进行的实验结果表明,该属性约简算法可以直接处理连续值数据,且该算法在较小范围内离散地调节聚类参数便能在保持甚至提高分类精度的前提下去除数据集中的冗余特征。

基于散度的网络流概念漂移分类方法

网络流量特征分布的动态变化产生概念漂移问题,造成基于机器学习的网络流量分类模型精度下降.定期更新分类模型耗时且无法保证分类模型的泛化能力.基于此,提出一种基于散度的网络流概念漂移分类方法(ensemble classification based on divergence detection,ECDD),采用双层窗口机制,从信息熵的角度出发,根据流量特征分布的JS散度,记为JSD(Jensen-Shannon divergence)来度量滑动窗口内数据分布的差异,从而检测概念漂移.借鉴增量集成学习的思想,检测到漂移时对于新样本重新训练出新的分类器,之后通过分类器权值排序,保留性能较高的分类器,加权集成分类结果对样本进行分类.抓取常见的网络应用流量,根据应用特征分布的不同构建概念漂移数据集,将该方法与常见的概念漂移检测方法进行实验对比,实验结果表明:该方法可以有效地检测概念漂移和更新分类器,表现出较好的分类性能.

基于JS散度的不确定数据密度峰值聚类算法

针对传统的基于密度的不确定性聚类算法存在参数敏感和对复杂流形不确定数据集得到聚类结果较差的缺陷,提出一种新的基于JS散度的不确定数据密度峰值聚类算法(UDPC-JS)。该算法首先用不确定自然邻居定义的不确定自然邻域密度因子去除噪声点;其次,通过不确定自然邻居和JS散度相结合的方式计算不确定数据对象的局部密度,通过结合代表点的思想找到不确定数据集的初始聚类中心,并在初始聚类中心之间定义基于JS散度和图的距离;然后,再利用基于不确定自然邻居和JS散度计算出的局部密度和在初始聚类中心之间新定义的基于JS散度和图的距离在初始聚类中心上构建决策图,并根据决策图选择最终的聚类中心;最后,将未分配的不确定数据对象分配到其初始聚类中心所在的簇中。实验结果表明:该算法较对比算法具有更好的聚类效果和准确性,并且在处理复杂流形的不确定数据集上的优势较大。

两种相似度计算方法对KNN分类效果的影响研究

KNN最邻近算法是文本自动分类中最基本且常用的算法,该算法中需要计算文本之间的相似度。以Jens-en-Shannon散度为例,在推导和说明其基本原理的基础之上,将其用于计算文本之间的相似度;作为对比,也使用常规的余弦值方法计算文本之间的相似度,并进而使用KNN最邻近算法对文本进行分类,以探讨不同的相似度计算方法对使用KNN最邻近算法进行文本自动分类效果的影响。多种试验材料的实证研究说明,较之于余弦值方法,基于Jensen-Shannon散度计算文本相似度的自动分类会使分类正确率更高,但会花费更长的时间。

一种新的空间直方图相似性度量方法及其在目标跟踪中的应用

在基于空间直方图的目标跟踪中,选择一种合适的度量两个空间直方图之间相似性的方法至关重要。该文提出一种新的空间直方图相似性度量方法。将空间直方图中的每个区间所对应像素的空间分布看作一个高斯分布,其均值和协方差矩阵为该区间内所有像素坐标的均值和协方差矩阵,然后用Jensen-Shannon Divergence(JSD)计算对应区间的空间分布相似度,而颜色特征的相似度采用具有强区分能力的直方图相交法来计算。理论和实验证明该文提出的相似性度量的稳定性好,区分能力强,其在静态图像上的整体性能优于已有度量方法,视频跟踪结果比已有方法更精确。

基于JS散度指标离散化的企业贷款违约预测模型

准确预测上市公司银行贷款是否会违约,对上市公司自身的管理以及投资者的投资决策极为重要。本研究的创新与特色有:一是创新性地将JS散度引入信用风险领域中对指标进行离散化,确保了离散化后得到的指标数值区间对企业违约状态的区分能力,根据指标区间中违约企业和非违约企业的比例对相应的指标区间进行WOE打分,保证了WOE分值越大,企业的信用状况越好。避免了现有研究主观设定指标区间数值,导致的如逻辑回归等经典模型理解数据不充分的问题。二是采用增加了L1范数惩罚项(lasso)的最小角回归(lars)方程,以贝叶斯信息准则(BIC)最小为目标,反推出Lasso Lars回归方程中权重不等于0的指标为最优指标组合,确保遴选的指标组合违约预测能力最强,冗余度最小。弥补了现有研究在指标组合遴选时往往没有考虑指标组合中指标间的冗余度,而导致模型复杂性增加的不足。三是使用逻辑回归模型进行建模,以违约预测精度G-mean最大为目标,反推逻辑回归模型最优的违约预测临界点,避免了现有研究逻辑回归模型以经验值0.5为临界点,导致违约企业判别不准的弊端。研究表明:从159个指标中筛选出的43个离散指标既具有违约状态的区分能力,又符合“信用5C”原则,指标体系具有科学性、合理性。其中,除现金比率、企业价值倍数及销售毛利率等反映企业偿债能力、盈利能力、运营能力及成长能力的财务因素对企业违约有显著影响外,管理层持股比例、股东大会召开次数及是否披露内控评价报告等非财务因素,以及恩格尔系数、人均地区生产总值及最终消费率等外部宏观因素对企业违约有显著影响。

基于高斯混合模型的流程工厂设备集相似度计算

为了对流程工厂设备集之间的相似性进行度量,提出一种基于高斯混合模型的相似度计算方法。该方法从设备数量和设备构成两方面进行计算,再将二者结合起来得到统一的相似度指标。对于设备数量,利用Jaccard系数思想进行计算;对于设备构成,先通过分类树将设备集映射成二维坐标空间中的点集,再用高斯混合模型描述点集分布规律,最后基于高斯混合模型间的JS(Jensen-Shannon)散度计算相似度。通过流程工厂专家的评级打分及对设备工艺作用的分析,验证了计算结果的合理性和有效性。

基于空战机理的雷达仿真模型可信度评估方法

在现代空战仿真中,雷达仿真模型的可信度至关重要。基于仿真模型校核、验证与确认(VV&A)理论,设计了一套经过裁剪的更适合工程应用的仿真模型可信度评估方法。分析了中远距空战和近距空战中的雷达使用机理,分析空战仿真系统对雷达模型的需求,建立了评估指标体系,提出了基于JS散度的可信度量化评估方法,进一步丰富了基本方法库。设计了测试用例,完成了仿真测试和可信度评估,评估结果与主观预期相符,验证了该方法的有效性。

针对修正余弦相似度改进的协同过滤推荐算法

为了提高协同过滤推荐算法的推荐准确度,降低对未评分项目的评分预测误差,提出了一种针对修正余弦相似度改进的协同过滤推荐算法。一方面,为了解决修正余弦相似度中未考虑项目热度的问题,在传统的修正余弦相似度基础上引入热门项目惩罚因子;另一方面,为了克服改进的修正余弦相似度公式高度依赖共同评分数量的限制,引入JS散度并改进,将改进JS散度得到的概率分布修正因子作为权重融合到改进的修正余弦相似度中,得到新的相似度计算方法。使用MovieLens数据集进行实验,结果表明,在协同过滤推荐算法的相似度计算部分使用本文改进方法同其他相似度计算方法比较,本文方法使推荐算法对未评分项目的评分预测更准确,推荐算法的推荐准确度更高。