结合非局部空间信息和KL信息的鲁棒FCM算法

针对传统模糊C均值(Fuzzy C-Means,FCM)聚类算法对噪声敏感的问题,提出一种结合非局部空间信息和KL信息的鲁棒FCM算法.首先,将灰度信息与非局部空间信息相融合,用于增强算法对噪声的鲁棒性;其次,在目标函数中引入KL信息,以便减少分割的模糊性.在密度为5%的混合噪声条件下,合成图像和自然图像的实验结果表明,该文算法的分割精度较高、鲁棒性较强,能较好地分割噪声图像.

基于KL散度工况识别的混合动力汽车队列的分层控制

针对混合动力汽车队列行驶过程中工况的适应性问题,提出了一种基于KL(Kullback-Leibler)散度工况识别的分层控制方法。上层控制器利用车—车通信技术,获取队列中前车状态信息,采用模型预测控制(MPC)算法,实现队列纵向控制,并计算出最优跟车车速;下层控制器基于典型工况,离线求解需求功率的转移概率矩阵,并通过Q-Learning算法训练最优Q表嵌入整车模型中;在行驶中以固定时间长度在线更新转移概率矩阵,采用KL散度进行工况识别,根据识别的工况类型,结合当前时刻车速、需求功率和电池荷电状态(SOC),通过在线查表实现转矩分配。结果表明:与未考虑工况识别策略相比,本策略的油耗降低了8.6%;与作为基准的动态规划(DP)相比,增加了4.8%;在与DP油耗基本保持相同的前提下,该策略离线仿真时间缩短21%,不仅能够在线应用,还能实时适应工况变化。

基于KULLBACK-LEIBLER信息距离的接收机稳定性检测

为准确反映雷达接收机工作状态的变化情况,提出了一种基于KULLBACK-LEIBLER信息距离的接收机稳定性检测方法。该方法通过ARMA模型和KULLBACK-LEIBLER信息距离的建立,能够有效克服检测过程中的杂波干扰对检测结果的影响,得到较为精确的功率谱偏离量估计,且便于用DSP芯片进行实时计算,判断接收机工作状态的变化情况。最后通过对模型的仿真,证实了上述方法的可行性。

受控AR信号模型下基于Kullback-Leibler信息量HMM参数的估计算法

本文是在对现实世界中常见的信号模型 -受控 AR模型的处理中引进 HMM的 ,并且基于 Kullback- L eibler(简记为 K- L)信息量在此特定信号模型下给出了 HMM参数的估计算法。

基于KL距离加权和局部邻域信息的CV模型

本文提出了基于Kullback-Leibler(KL)距离加权和局部邻域信息的Chen-Vese(CV)模型.引入KL距离作为内外部局部区域能量的权值系数;计算曲线附近点的局部邻域能量之和作为模型的内部能量,从而提高对边缘的检测性能,并降低区域内灰度不均匀等因素对曲线进化的影响.验证实验采用大量实际临床数据,结果表明该算法能准确地分割医学图像,且能量函数有较好的收敛性.

基于KL变换的TM图像变化信息提取方法

遥感图像的一个典型应用是进行地面的变化监测。美国Landsat系列卫星提供的TM图像提供了进行变化监测的良好数据源。文章在对同一地区不同时相的TM图像精配准的基础上,对K-均值聚类差异法的实现过程进行了较为详细的探讨,并进行了多波段KL变换、主分量差异法、差异主分量法等处理,以提取该地区由于工程或其它人类活动所造成的地表破坏在遥感图像上所反映的变化信息,比较了通过这些方法来提取多光谱遥感图像上具有一定范围的变化信息的优缺点。

应用KL信息距离识别砂轮磨损状态

通过磨削试验 ,应用KL信息距离法对磨削火花信号进行处理以识别磨削过程中砂轮磨损状态的变化。研究结果表明 :时域和频域中的信息距离方法均能有效识别磨削过程中不同的砂轮磨损状态 ,但频域信息距离方法计算工作量较小 ,响应速度较快 ,对硬件要求较低 ,更有利于实现在线监控。

融合KL信息的多视图模糊聚类算法

现有多视图模糊C均值聚类(FCM)算法通常将一个多视图分解为多个单视图进行数据处理,导致视图数据聚类精度降低,从而影响全局数据划分结果。为实现高维数据和多视图数据的高效聚类,提出一种基于KL信息的多视图自加权模糊聚类算法。将多个视图信息及其权重进行拟合融入标准FCM算法,求解多个隶属度矩阵和质心矩阵。在此基础上,通过附加KL信息作为模糊正则项进一步修正共识隶属度矩阵并保持权重分布的平滑性,其中KL信息是视图隶属度与其共识隶属度的比值,最小化KL信息会使每个视图的隶属度偏向于共识隶属度以得到更好的聚类结果。实验结果表明,该算法相比于传统聚类算法具有更好的聚类效果和更快的收敛速度,尤其在3-Sources数据集上相比于MVASM算法的聚类精度、标准化互信息和纯度分别提升了7.46、15.34和5.48个百分点。

基于KL信息矩阵的动态加权选题策略

在Henson和Douglas提出的KL信息矩阵(用D矩阵表示)基础上,借鉴后验加权的思想,将原始KL信息矩阵修正为后验加权KL矩阵,并基于认知诊断中项目区分度的计算方式,提出2种新的CD-CAT选题策略:DPWKL1和DPWKL2方法,在不同测验长度、不同诊断模型以及不同属性相关程度下,与传统PWKL方法进行了比较研究.模拟研究表明,不论实验条件如何变化,DPWKL1和DPWKL2方法的属性判准率及模式判准率均要优于PWKL方法.

基于先验知识和Kullback-Leibler距离的超分辨率图像重建

由给定观测模型和先验模型组合得到潜在高分辨率图像后验分布逼近值,将其作为先验知识进行迭代获得更多的后验逼近值。根据高分辨率图像分布情况得到一特定逼近值以最大程度减小后验分布与Kullback-Leibler距离之差。同时也进行了文中算法与其它超分辨率重建方法的对比研究,实验表明,本算法重建效果较好。

雷达目标检测的信息几何方法

信息几何是源于对统计流形几何性质的研究而发展起来的一套理论体系,为解决雷达信号处理等问题提供了一种新的思路和方法。本文基于信息几何理论,从一个全新的角度认识了雷达目标检测问题,并通过定义统计流形上两分布间的距离,进而提出了雷达目标检测的信息几何方法,该方法通过计算统计流形上由观测数据估计得到的分布与目标有无两种假设分布间距离之差的大小就可以实现目标的检测,将统计检测问题转化为了统计流形上的几何问题,简单实用,最后仿真比较了其与传统似然比检测的检测性能。

多元先验信息的融合问题

在多元先验信息条件下,运用Bayes理论讨论问题时,必然会遇到先验信息融合问题.文中提出了几种简化形式,并针对产品失效率的多个先验信息情形,结合实例与熵度量的拟合优度说明了该方法的合理性.

基于多维矢量矩阵理论的KL变换

为了使Karhunen-Loeve(KL)变换适应高维数据,同时为了找出多维矢量矩阵的最优变换,本文提出了基于多维矢量矩阵理论的M维KL变换(即MKL变换)。首先结合多维矢量矩阵理论定义多维协方差矩阵,并求解多维特征向量矩阵;然后定义MKL变换,将多维数据映射到投影空间。实验结果表明:MKL变换在一维时与KL变换具有相同的最优性;对于三维视频数据,MKL变换实现了完全解相关,平均能量集中率(EPE)高达99%。

一种基于KL分离度的改进矩阵CFAR检测方法

矩阵CFAR检测器是根据信息几何理论提出的,但其恒虚警特性没有从理论上得到分析,且检测性能也有待进一步提高。该文首先根据矩阵流形上正态律的概念从理论上推导了矩阵CFAR检测器的恒虚警特性,并在此基础上,利用积累性能更好的KLD(KULLBACK-LEIBLER Divergence)代替测地线距离,提出了一种改进的矩阵CFAR检测器。最后通过仿真实验验证了改进方法具有更好的检测性能。

GIS支持下的多源信息复合研究

本文在 Ｐ Ｃ Ａ Ｒ Ｃ／ Ｉ Ｎ Ｆ Ｏ Ｇ Ｉ Ｓ软件支持下，把相关地学信息（地貌类型图和地下水等值线图）数字化，与 Ｔ Ｍ 图像配准，提出三种复合方法，即直接叠合法、 Ｉ Ｈ Ｓ变换法和 Ｋ Ｌ变换分量合成法，并对其效果进行了对比，认为主成分分析法比较好，为了取得较好的“复合”效果，在统计学和变换原理基础上，本文提出了对非遥感图像的亮度值概率分布函数进行调整的方法。

基于对称KL距离的自适应粒子滤波算法

针对粒子滤波算法中粒子数自适应的问题,提出了一种新的算法.将当前滤波时刻的粒子随机划分为粒子数相同的两个粒子群,并采用对称KL距离方法计算他们之间的信息距离,然后根据信息距离的大小决定增加或者减少下一时刻参与滤波的粒子数,从而实现了滤波过程中粒子数目的自适应.该方法在确保一定滤波精度的基础上,能够减少滤波过程中需要的粒子数,为降低粒子滤波算法的时间复杂度提供了新的途径.仿真结果表明了算法的有效性.

基于信息几何的高超声速飞行器搜索方法

由于地面雷达受视距限制无法对高超声速飞行器进行连续观测,针对高超声速飞行器飞出雷达视距盲区后难以搜索的问题,提出了一种基于信息几何的雷达搜索方法.本文利用非参数概率密度估计法对高超声速飞行器的出现位置的概率密度进行估计,并将估计的位置概率密度作为雷达搜索的引导信息;根据引导信息确定搜索区域,以区域覆盖率最大化作为优化目标在搜索区域内进行波位编排;基于信息几何理论,将搜索策略建模为统计流形,利用KL (Kullback-Leibler)散度来度量搜索策略与引导信息之间的差异,通过最小化KL散度获得最优搜索策略.通过仿真实验验证了本文所提方法的有效性和可行性,并验证了相比其他搜索方法具有较明显的优势.

基于正则化KL距离的交叉验证折数K的选择

在机器学习中,K折交叉验证方法常常通过把数据分成多个训练集和测试集来进行模型评估与选择,然而其折数K的选择一直是一个公开的问题。注意到上述交叉验证数据划分的一个前提假定是训练集和测试集的分布一致,但是实际数据划分中,往往不是这样。因此,可以通过度量训练集和测试集的分布一致性来进行K折交叉验证折数K的选择。直观地,KL(Kullback-Leibler)距离是一种合适的度量方法,因为它度量了两个分布之间的差异。然而直接基于KL距离进行K的选择时,从多个数据实验结果发现随着K的增加KL距离也在增大,显然这是不合适的。为此,提出了一种基于正则化KL距离的K折交叉验证折数K的选择准则,通过最小化此正则KL距离来选择合适的折数K。进一步多个真实数据实验验证了提出准则的有效性和合理性。

针对信息物理系统线性欺诈攻击的水印加密策略

利用水印加密策略来防御信息物理系统(CPS)的线性欺诈攻击。线性欺诈攻击可以降低系统的远程估计性能,很难被检测器检测。采取KL散度检测器和水印加密的方式来保护系统传输的数据,并证明这一方法可以有效地帮助KL散度检测器检测攻击或降低攻击的效果,最后给出了数值模拟进一步说明水印加密策略的有效性。

信息检索结果隐式多样化排序方法研究

针对信息检索隐式多样化算法展开研究。介绍了检索结果重排序中的最大边际相关度(MMR)算法、相对熵(KL)算法、现代投资组合理论(MPT)3个隐式多样化算法,采用此3个算法对所选的已排序的文档数据集进行重排,通过对排序结果进行评价来对比三者的性能。得出隐式多样化方法中当相关性和多样性以一定比例的线性组合时,会使最终的检索结果在一些评价指标上相对于原始结果有所提高。