基于对称K-L距离及决策者主观偏好的混合属性决策方案客观权重确定方法

为直接获得含有不确定信息的混合属性决策方案指标属性的客观权重,提出对称Kullback-Leibler(K-L)距离并考虑决策者对不确定数的确定项和不确定项设定偏好比例的方法.将混合型数据指标值统一转化为二元联系数,进而转化为二元组数,并进行规范化处理以使其在各属性下具有可比性.计算各个属性下各个方案指标之间的两两对称K-L距离.汇总各属性下的两两对称指标K-L距离的值作为其初始客观权重,并经归一化后得到各属性的客观权重.算例分析表明,该客观属性权重确定方法能够最大程度上减少信息的失真,且处理方法统一,原理简单,能够较好地解决含有不确定信息的客观属性权重的确定问题,同时也验证了决策者的主观偏好对客观权重的确定具有较大的影响.

基于K-L距离的两步固定音频检索方法

根据音频文件数据量大、数据间存在一定相关性的特点,提出一种基于K-L距离的两步固定音频检索方法。该方法采用基于可变门限的直方图检索方法快速筛选出相似度较高的语音文件,利用特征矩阵的K-L距离对剩余语音进行精确比较,取得较好的效果。实验结果证明,该方法能使检索准确率达到90%左右。

基于K-L距离的改进D-S证据合成方法

提出了一种证据距离为基础的冲突证据合成方法。通过改进的K-L距离得到证据间间距,进一步通过相关算法转化为证据权值,权值反映了证据的重要程度,以权值为系数对原始的基本可信度分配函数进行重新分配,再通过改进的合成公式,得到证据合成结果。最后通过具体的算例比较,说明新方法的合成结果更确定,更符合实际情况。

一种基于Kullback-Leiblar距离的自动多门限图象分割方法及应用

本文根据Kullback－Leiblar距离的统计意义，提出一种基于Kullback-Leiblar距离的自动多门限图象分割方法，这种方法与NR．Pal和S．R．Pal等人提出的方法完全不同；此外此文还将从前研究的对象从单目标与背景推广到多目标及背景的自动多门限选取问题，最后用几幅困像进行算法检验；实践表明，该方法和其它方法相比较，效果较好．

基于K-L信息距离的多源信息融合法

为解决小子样条件下岩土参数概率分布推断的难题,并克服基于专家信息的融合法不可避免地带有主观随意性的弊端,引入信息论中K-L信息距离的概念,基于先验信息可信度,提出一种新的多源信息融合方法。利用K-L信息距离作为参数分布之间距离的度量,定义先验分布差异率,确定融合权重,进而根据Bayes原理得到后验分布,优化岩土参数分布概型。工程实例分析结果表明,该法计算简单,且克服了推断过程中的主观随意性。计算结果显示该法所得融合分布的方差比已有成果所得方差偏小,说明该法可实现统计意义上的参数概型优化,为岩土参数设计值的合理选取提供了参考。

基于置信分布和K-L信息距离的成败型产品可靠性分析

针对成败型小子样产品可靠性试验现场数据少、具有多源先验信息的问题,基于K-L信息距离理论和试验数据置信分布方法,提出一种多源信息融合方法。利用K-L信息距离度量参数分布之间距离,从而确定不同权重融合多源先验分布,进而根据Bayes方法得到更加合理的验后分布。示例分析及对比验证了本方法的可行性和合理性。

基于时序分析和K-L信息距离的柴油机气阀机构故障诊断

柴油机表面振动信号包含着设备运行的大量特征信息,是一种典型的非平稳时变信号,因此信号分析方法是柴油机故障诊断技术的难点。作者通过模拟柴油机气阀机构的气阀漏气和气门间隙异常两种主要故障,采集气缸缸盖表面的振动信号,应用时间序列分析方法建立缸盖振动信号的AR模型,然后利用欧氏距离判别函数进行故障状态识别。结果表明该方法是可行的,诊断效果比较好,同时对往复机械设备的在线实时监测与故障诊断做了有益研究。

基于小波变换的雷达高分辨距离像识别

基于雷达高分辨距离像,利用M allat塔式分解算法进行特征分解,并用类内类间最大相关系数和类间类内Ku llback-Le ib ler(K-L)距离比值两个特征评价方法来对得到的小波分解后的信号进行特征选择.最后利用相关匹配法和支持矢量机来作识别.基于实测数据的实验结果表明,利用小波分解后的低频信号作为识别特征,不仅可提高识别性能而且可减小识别运算量.

基于K－L距离和信息距离的局部影响分析

本文给出了Ｋ－Ｌ距离和信息距离对某类参数变换的不变性；证明了在线性模型中，从Ｋ－Ｌ距离、信息距离以及似然距离出发得到的局部影响矩阵是一致的；利用局部影响分析思想来检测各种扰动方式的敏感点，提出了一种新的自变量扰动方式，在实例分析中得到了满意的结果。

变异特征加权的异常语音说话人识别算法

常用的加权算法难以跟踪非常态语音特征的变异,为此,文中提出了一种变异特征加权的异常语音说话人识别算法.首先统计大量正常语音各阶MFCC特征的概率分布,建立正常语音特征模板;然后用测试语音特征与正常语音特征模板之间的K-L距离和欧氏距离来度量语音的变异程度,确定K-L加权因子和欧氏加权因子;最后利用加权因子对测试语音的MFCC特征进行加权,并将加权后的特征输入高斯混合模型进行异常语音说话人识别.实验结果表明,文中提出的K-L加权和欧氏加权的异常语音说话人识别算法的整体识别率分别为46.61%和42.25%,而基于各阶特征对说话人识别贡献的加权算法和不加权算法的整体识别率分别为39.68%和36.36%.

基于Contourlet广义高斯模型的纹理图像检索

Contourlet变换结合了不可分离的方向滤波组,具备小波所不能表达的多方向特性,能有效捕获自然图像的边缘轮廓信息。本文分析了图像Contourlet系数的统计特征,并利用广义高斯函数对各子带系数层进行建模。将此模型应用于基于V isTex的自建纹理图像库,采用矩匹配估计法,提取模型参数集,运用K-L距离计算图像间的相似度。对800幅纹理图像进行检索,本文方法比传统小波方法的平均检索查准率高出约2%到10%不等。实验结果表明,该方法改进了导向纹理的描述。

基于自适应粒子滤波的结构损伤识别

为了解决传统粒子滤波方法粒子数量的选取较难确定的问题,提出一种非平稳动力系统突变参数识别的自适应粒子滤波方法(简称APF方法)。该方法利用系统后验概率密度与当前粒子集概率密度的K-L距离,自适应地更新采样粒子数量,在大幅降低识别过程中计算量的同时,不影响识别精度,使之更适合进行在线的结构系统参数识别。数值仿真结果发现,该方法的系统识别时间仅为传统粒子滤波方法的1/4,这证明了该方法在结构损伤在线识别中的有效性。

一种基于自适应粒子滤波的捷联初始对准方法研究

针对传统自适应粒子滤波算法的计算负荷太大问题,在Fox的K-L距离采样的基础上,给出一种新的求解k值的方法,将k值的计算从采样过程中分离出来,大大降低算法的复杂度,减少计算量,避免死循环发生。最后,将该算法应用到大失准角情况下捷联惯导系统动基座初始对准中,并与扩展卡尔曼滤波算法、标准粒子滤波算法和传统自适应粒子滤波算法进行了比较,仿真结果表明简化的自适应粒子滤波算法在保持高精度的同时,有效地提高了算法的计算速度,因此更适合于捷联惯导系统动基座初始对准。

领域语义语法的统计生成

提出了一个基于统计的从未标注语料库中半自动获取语义语法算法.该算法对特定领域的语料库进行反复的时间聚类和空间聚类,通过时间聚类发现语言片段的语法结构;通过空间聚类发现语言片段的语义类别;循环迭代,可以生成一个粗糙的文法.最后,将这些抽取出来的粗糙文法经过人工校对,得到新领域的语义语法.实验结果表明了该算法是有效和切实可行的.

基于网络关注度的旅游客流量预测研究

基于网络关注的旅游需求预测研究受到国内外学者广泛关注。用网络搜索指数的CLSI合成法和K-L距离合成法合成百度指数数据,引入ARMA模型,并比较了两者在旅游客流量预测能力上的差异。研究结果表明:CLSI指数合成法、K-L距离合成法有助于提高旅游客流量预测的准确性,前者的预测准确性高于后者。研究结果有助于旅游景区管理人员或相关部门对旅游客流的预测、管理。

Contourlet-1.3广义高斯模型纹理图像检索系统

为了提高基本轮廓波变换纹理图像检索系统的检索率,提出一种基于contourlet-1.3的纹理图像检索系统.该系统将广义高斯模型参数级联构造特征向量,采用Kullback-Leibler距离来衡量纹理图像之间的相似性.结果表明:在特征向量长度、检索时间、所需内存相同的情况下,contourlet-1.3广义高斯模型比同样架构的基本轮廓波变换检索系统具有较高的检索率.而且,在计算复杂度相当的情况下,广义高斯模型与KLD距离相结合,检索率高于能量特征和欧氏距离相结合的情况.

ILLUMINA Golden Gate DNA甲基化芯片的KL-FCM聚类分析

DNA甲基化作为一种重要的表观遗传修饰,其甲基化水平被发现与疾病的发生发展密切相关,对其进行聚类分析有希望发现新的疾病亚型并建立有效的疾病预测预后方法。传统的聚类分析方法之一模糊C-均值(FCM:Fuzzy C-means)适用于特征空间呈球形或椭球形分布的场景,缺乏普适性。而Illumina Golden Gate平台通过计算基因的各甲基化位点的甲基化百分比描述其甲基化程度,其值位于(0,1)之间,服从混合贝塔分布,不能直接采用FCM进行聚类分析。鉴于此,本文提出基于KL特征测度的KL-FCM聚类算法,采用各样本间的K-L距离作为样本划分时的度量准则。最后,本文基于KL-FCM算法实现IRIS测试数据集和基因的DNA甲基化水平数据的聚类分析。实验结果表明该方法可以以更低的计算负荷获得优于k-均值(k-means)和传统FCM的分类效果。

基于Bootstrap方法的对数线性模型构建

对于不易进行数据收集的分类变量,通常得到的样本是有限的.如果仅用这些数据构建变量间的对数线性模型往往缺乏可靠性,而且对各交互项的参数估计精度可能较低.针对该问题,提出先用Bootstrap抽样法产生多份一定量的数据集,分别模拟它们的对数线性模型,得到模型各个参数的估计向量,然后对所有参数的估计向量进行聚类,得到若干份各参数估计的向量.实验结果表明,即使各参数与真实模型的各个参数有差异,这若干个参数估计向量对应的模型的概率分布与真实模型的概率分布的K-L距离都较小,即概率分布很接近,并且在这若干个向量中,越靠近对应参数的置信区间,它与真实的概率分布的K-L距离越小.

机器人定位中的自适应粒子滤波算法

The research of robot localization aims at accuracy, simplicity and robustness. This article improves the performance of particle filters in robot localization via the utilization of novel adaptive technique. The proposed algorithm introduces probability retracing to initialize particle sets, uses consecutive window filtering to update particle sets, and refreshes the size of particle set according to the estimation state. Extensive simulations show that the proposed algorithm is much more effective than the traditional particle filters. The proposed algorithm successfully solves the nonlinear, non-Gaussian state estimation problem of robot localization.

一种面向非均衡分类的随机森林算法

随机森林算法是一种简单、有效的集成学习算法。它通过自助法和随机化特征子集的方式增加了集成分类的多样性,进而构建出比Bagging和Boosting更精确的集成分类器。然而,当面对非均衡分类问题时,其建树所使用采用的分裂指标——Gini指数被证明对类分布敏感,这在一定程度上降低了随机森林的分类精度。本文提出一种使用K-L距离作为分裂指标的随机森林。实验采用ROC曲线下面积(AUC)作为分类性能评价指标,通过在低度非均衡数据集和高度非均衡数据集上分别与随机森林、平衡随机森林以及基于Hellinger决策树的Bagging集成分类器相比,K-L随机森林不仅在70%以上的实验数据集上优于其他分类器,而且其平均AUC值也优于其他分类器,分别为0. 938、0. 937。上述实验结果表明:使用K-L距离作为分裂指标可以有效提高随机森林处理非均衡分类问题的分类性能。