K-S变换及其电网超谐波时频分析应用

依据FFT→优化窗→IFFT思路,突破线性时频变换的窗函数积分性能桎梏,实现高性能优化窗函数的线性时频变换应用,建立新型时频变换算法——K-S变换.对信号x(t)的FFT频谱向量进行频移处理后,与该频移点下Kaiser优化窗的频谱向量进行Hadamard乘积,再将乘积结果进行FFT逆变换(IFFT),构造出K-S变换复时频矩阵,由此获得x(t)的时间-频率-幅值、时间-频率-相位三维信息;给出逆变换的数学推导与局部性质、线性性质和变分辨率特性;0~150 kHz电网的稳态与时变超谐波信号仿真实验表明,K-S变换的时域、频域分辨能力均优于流行的短时傅里叶变换、S变换,具有优良的变分辨率性能;0~40 kHz超谐波信号的实测证明,基于K-S变换的超谐波电压幅值测量绝对误差均小于0.032 3 V.

基于数据流的K-S变化检测的动态多目标规划算法

为了更加准确地判断环境是否发生变化并快速追踪动态多目标规划问题(dynamicmulti-objectiveoptimization problem,DMOP)当前时刻的Pareto前沿,提出了一种基于数据流的Kolmogorov-Smirnov(K-S)变化检测的动态多目标规划(DSK-SDMOP)算法。该算法以NSGA-Ⅱ为基础,通过数据流建立2个时刻的检验窗口,再利用K-S检验基于数据流的Pareto最优前沿是否发生变化,检测2个窗口的数据是否服从同一分布来判断环境是否发生变化,并就环境变化的剧烈程度实行相应的应答机制,以提高对环境的适应程度。利用基于数据流的K-S检测方法,对环境变化不会过于敏感,而且不用提前假设对应目标值的分布,易于操作。通过5个动态多目标规划标准测试函数对该算法进行测试,并和现有的2种算法进行对比分析,结果表明该算法处理动态多目标规划问题具有良好的性能。

基于拉丁方抽样及K-S检验的边坡可靠性分析

边坡稳定性是受复杂因素影响下的多维非线性问题,大多数边坡工程都存在着不确定性。大量试验和工程实践证明,影响边坡状态的因素中有许多具有显著的随机性,参数具有变异性。从概率的角度出发,结合实际工程,对于原始数据采用K-S检验法进行假设验证,确定参数变量的分布类型,克服了人为假设的误差,并分别采用Latin方抽样(LHS)法和Monte Carlo法对参数进行抽样,得到状态函数值,确定安全系数及可靠指标,对比两种抽样方法,基于LHS法模拟次数要少于Monte Carlo法,而且破坏概率的收敛性也优于Monte Carlo法,明显节省了计算时间。

Bain对应和K-S模型的数学描述

利用Bain点阵对应时K-S模型的晶格改建过程进行了严密的数学描述,对于不同的马氏体正方度,提出了计算第一切变、第二切变及晶格调整的计算依据,并给出了普遍的计算公式,以Fe-1.4C和纯铁为例,计算了马氏体相变的点阵畸变,进一步分析表明,K-S模型实质是Bain模型的旋转,计算的结果与实测的取向关系相符合。

二维K-S检验法在岩体统计均质区划分中的应用

在常规的岩体统计均质区划分方法中,产状数据相似性判定结果通常会受到投影图子区划分方案的影响,并且不适用于小样本数据。为解决上述问题,引入二维K-S检验法进行产状数据相似性判定。首先介绍了K-S检验法的基本原理,继而根据二维K-S检验法提出了产状数据相似性判定的具体算法,并利用算例验证了算法对小样本产状数据的适用性。最后,针对北山坑探设施斜坡道进行了应用和验证。提出的算法不需要进行投影图子区划分,适用于小样本数据,为岩体统计均质区划分提供了一种新手段。

基于K-S检验和邻域粗糙集的特征选择方法

传统的肿瘤基因选择算法挑选出的特征基因中存在大量噪声基因和冗余基因,从而对基因算法的准确性和分类精度产生影响.针对这一问题,将K-S检验与邻域粗糙集融合成为一种新的特征选择方法.首先,采用累积分布函数计算正负类样本的累积函数值和K-S检验统计量,对照显著性水平下的样本统计量,从而去除冗余基因和噪声基因;然后,使用邻域粗糙集进行约简,对比条件属性重要度得出最优约简结果;最后,对比K-S检验和两种基于K-S检验的特征选择方法得到的冗余度和分类精度,通过实验验证这种方法不仅能准确挑选出具有显著区分能力的肿瘤基因,且效率高具有可行性.

K-S方程边界控制的全局指数稳定估计

边界控制是分布参数控制系统的受控形式之一 笔者在区间[0,1]上利用边界控制来研究K S方程的全局指数稳定性问题 首先通过Banach不动点定理和算子半群理论证明解的存在性和唯一性,然后证明K S方程在笔者所给定的边界反馈条件下是L2全局指数稳定的

基于改进K-S检测的STBC-OFDM信号盲识别算法研究

针对多输入单输出(MISO,multiple input single output)通信系统的STBC-OFDM信号盲识别问题,提出基于OFDM块的改进Kolmogorov-Smirnov(K-S)检测方法。该方法首先对MISO通信系统的STBC-OFDM信号建模;然后利用STBC-OFDM信号编码矩阵的相关性,构造不同时延向量下STBC-OFDM接收信号OFDM块的经验函数作为特征函数;最后通过改进K-S检测方法检验经验分布函数之间的距离盲识别STBC-OFDM信号。该方法不需要噪声信息、调制信息和信道系数,适合非合作通信场合。理论分析和实验验证了该方法的可行性。

K-S 函数与模函数法的统一

提出了极小极大（ｍｉｎｉｍａｘ）问题统一解法的变换求和反演表达．论证了Ｋ－Ｓ函数法、广义指数罚函数法和模优化法都可以统一在这一表达之中，并且提出了一种新函数Ｓ－Ｙ函数．数值结果表明Ｋ－Ｓ函数法、模优化法和Ｓ－Ｙ函数法具有相同的数值规律，其统一解法是合理的．

关于用SPSS中单样本K-S检验法进行正态分布等的一致性检验时适用条件的研究

根据柯尔莫哥洛夫单样本分布一致性检验的基本原理,通过实际的计算比较分析发现,SPSS中的K-S检验法实质上是Lilliefors修正。原假设成立的概率是基于nDn的极限分布计算得出的,所以它适用于样本含量超过100以上的连续型计量资料的分布一致性检验。

K-S检验与mRMR相结合的基因选择算法

为了解决基因数据集的基因选择难题,提出一种基于K-S检验与最小冗余最大相关(minimum redundancy-maximum relevance,mRMR)原则的基因选择算法。该算法先采用K-S检验选择出具有一定区分能力的基因,然后对选择到的基因进行mRMR判断,保留与类别高度相关而其间相关性较小的基因构成最终被选基因子集。以SVM为分类器,以F1_measure、分类准确率和AUC为评价指标对该算法选择的基因子集进行评估,并将本算法与K-S检验、mRMR,以及经典的RELIEF和FAST算法进行比较。五个经典基因数据集上的平均实验结果表明:本算法的运行时间远低于mRMR算法,且其各项评价指标值优于其他比较算法。因此,提出的K-S检验与mRMR结合的基因选择算法能选择到非常有效的基因子集。

基于合作博弈K-S解的供应链批发价格协调机制的实现

文章首先构建了一个由1个制造商和1个零售商组成的两级供应链和1个简单的批发价格契约,通过对比该供应链在非合作博弈与合作博弈条件下不同的利润获得情况后,得出只要销售的商品为正常品,无论该商品是富有弹性还是缺乏弹性,制造商与零售商进行合作都将会增加供应链系统利润的结论。然后讨论了作为一个合理的分配机制应具备的条件,通过引入合作博弈条件下讨价还价问题的K-S解作为一个合理分配机制,对双方合作后获得的新增利润进行了分配,分配结果使得双方利润比不合作时均有所提高。

独立学院转型发展的逻辑理性和实践指向--基于“K-S”组合分析模式的研究

文章通过对独立学院转型发展的路径演化过程进行梳理,指出独立学院的转型发展具有在内外因共同作用下,以创新为内核,以"发展-调适-优化-再发展"为演化路径的内在逻辑理性。在此基础上,文章构建"KS"组合分析模式对作用于独立学院转型发展的相关要素进行关键性评估和战略分析,进而探讨不同院校基于自身发展的实践路径:基础较好且优势明显的院校应加大创新力度,创建高水平应用型本科高校;基础扎实但优势尚不明显的院校应加强教育教学改革,提升办学的综合实力和创新人才培养能力;具有一定优势但存在办学风险的院校应强化办学特色,理顺各方关系,规范办学秩序,防控办学风险;办学实力较弱且面临一定困境的院校,应着力改进存在的不足,夯实育人质量,解决运行机制及管理体系方面的问题。

基于K-S检测的SAR图像灰度压缩性能评估

根据灰度压缩前后图像直方图间的形态差异,提出一种衡量各种合成孔径雷达(SAR)图像灰度级压缩算法性能的两步检验方法。首先,基于柯尔莫哥洛夫-斯米尔诺夫(K-S)检测原理,在给定置信界限下,选出压缩后图像分布与原始分布满足一致性的算法。其次提出等效均值偏量、等效方差偏量、等效偏态差三个检验指标,对经第一步选择出的方法做进一步定量评价,从而得到最终的算法性能检验结果。计算机仿真表明,该方法能有效衡量压缩前后图像灰度分布函数间的形态差异。

基于K-S检验法的雪荷载统计分析

近年来由于强风暴雪等极端天气频繁发生,致使许多结构尤其是轻钢结构在这种极端气候下发生破坏,究其破坏原因是多方面的,比如设计因素、施工质量等,荷载取值的不足也是其中之一.由于气候的变化,现行荷载规范的雪荷载取值是否可能被低估是当前工程界普遍关心的问题.为验证这种假设的真实性,以中国辽宁省2007年发生的一场56年罕见的暴雪为背景,对辽宁省内8个主要城市近50年雪荷载实测值进行统计分析,利用K-S检验法对辽宁地区雪荷载的概率分布函数进行假设检验,根据极值Ⅰ型分布分析这8个城市的代表值.将计算结果与GB 50009—2001《建筑结构荷载规范》比较,结果表明荷载规范取值在一些城市偏低.

R-K-S方程在压缩因子计算中的应用

探讨了用R -K -S方程求解压缩因子的方法和适用范围 ,对比了R -K -S方程两种形式的特点 。

基于重构背景二维K-S检验的有害入侵光纤预警

提出一种基于重构背景二维K-S检验的有害入侵光纤预警方法.利用有序统计量恒虚警率初步检测Ф-OTDR采集信号,筛选出入侵信号.为将有害入侵信号从筛选出的入侵信号中有效分离,对检测背景进行空域重构,使检测背景仅包含入侵信号.基于重构入侵背景中有害信号的空间幅度及时域间隔特性,设计了二维柯尔莫哥洛夫-斯米诺夫(K-S)检验方法来检测有害入侵信号.在实际的光纤入侵预警系统中,该方法主要应用于施工工地和过车公路等无害入侵较多的场景,能够有效地提取有害入侵信号.

基于K-SVD的偏微分方程模型在毫米波图像恢复中的应用

在图像被大噪声污染或具有较低分辨率时,传统的偏微分方程(PDE)模型的稳态解会产生明显的阶梯效应,恢复图像质量较差。针对此缺点,提出了一种新的基于K-奇异值分解(K-SVD)的PDE图像恢复方法,并应用于毫米波(MMW)图像的恢复。K-SVD是一种图像稀疏表示方法,对图像进行稀疏估计的同时实现去噪,对噪声方差较大的图像具有较好的去噪鲁棒性。首先采用K-SVD对MMW图像进行去噪,对去噪图像再应用全变分(TV)模型的PDE方法进行恢复。对所提出的算法分别使用模拟的MMW图像和真实的MMW图像进行测试,并进一步和K-SVD、PDE方法比较,同时使用峰值信噪比(PSNR)对恢复图像进行评价。根据不同噪声方差下的PSNR数据和恢复图像的视觉效果,实验结果证明了所提方法能够有效地恢复MMW图像。

一种基于K-SVD的说话人识别方法

为了充分提取语音中的个人特征信息,类比矢量量化,提出了一种基于K-均值奇异值分解(K-SVD)的说话人识别方法。利用K-SVD训练得到的字典可较好地保存语音信号中的个人特征信息。利用这一特性,通过K-SVD从训练数据中提取包含说话人个人特征信息的字典,利用该字典实现说话人识别。相对于传统方法,该方法能够更好地利用语音的稀疏性保存语音中的个人特征信息并减小重构误差。实验仿真结果表明,与基于矢量量化的说话人识别方法相比,该方法在多说话人的情况下具有更好的识别率,具有更高的实用价值。

极小极大问题的K-S函数及延拓算法

采用Ｋ－Ｓ函数近似极大值函数，在分析了近似函数的控制参数、梯度以及Ｈｅｓｓｉａｎ性质的基础上，证明了控制参数本身可以作为同伦参数，并据此提出了求解非线性极小极大问题的延拓算法。数值结果表明算法是可行的、有效的。