基于Kullback-Leiber距离粗差探测的Bayes方法

从影响分析角度,基于Kullback-Leiber距离提出了粗差探测的Bayes方法。对非等权独立观测情形,在一定先验分布下,对数据删除模型、方差膨胀模型和均值漂移模型进行了比较分析,给出3种模型相应的Kullback-Leiber距离的计算公式,建立了粗差探测的判别法则。最后将该方法应用于边角网的粗差探测,取得了较好的效果。

基于对称KL距离的用户行为时序聚类方法

网络用户随时间变化的行为分析是近年来用户行为分析的热点,通常为了发现用户行为的特征需要对用户做聚类处理。针对用户时序数据的聚类问题,现有研究方法存在计算性能差,距离度量不准确的缺点,无法处理大规模数据。为了解决上述问题,该文提出基于对称KL距离的用户行为时序聚类方法。首先将时序数据转化为概率模型,从划分聚类的角度出发,在距离度量中引入KL距离,用以衡量不同用户间的时间分布差异。针对实网数据中数据规模大的特点,该方法在聚类的各个环节针对KL距离的特点做了优化,并证明了一种高效率的聚类质心求解办法。实验结果证明,该算法相比采用欧式距离和DTW距离度量的聚类算法能提高4%的准确度,与采用medoids聚类质心的聚类算法相比计算时间少了一个量级。采用该算法对实网环境中获取的用户流量数据处理证明了该算法拥有可行的应用价值。

基于KL距离的交互式动态影响图近似算法

交互式动态影响图(interactive dynamic influence diagrams,I-DIDs)状态空间太大,候选模型的数量随时间变化而呈指数倍增长。针对其备受计算量困扰的问题,提出一种利用近似行为等价原理与区别模型更新算法(discriminative model updates,DMU)相结合的近似算法。首先给出了基于Kullback-Leibler(KL)距离模型行为等价和近似行为等价的定义,然后基于KL距离和候选模型的动作对候选模型聚类,自上而下合并策略树形成策略图,最后利用DMU算法进行求解。仿真结果表明,相对于传统的DMU算法,所提近似算法能显著降低候选模型的数量,提高I-DIDs的效率,对I-DIDs的理论及应用研究具有参考价值。

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。

基于局部特征的自适应快速图像分割模型

基于区域的活动轮廓模型如Chan-Vese(CV)模型等以其能较好的处理图像的模糊边界和复杂拓扑结构而广泛运用于图像分割中.然而基于灰度分布均匀假设,该模型对于含灰度不一致性的目标分割结果较差.此外,纹理是周期性重复出现的细节,依靠灰度信息无法正确检测.针对这些问题,提出一种基于局部特征的自适应快速图像分割模型.一方面,利用两种区域项检测卡通部分和纹理部分的特征信息,在自适应的局部块中提取局部统计信息以克服卡通部分的灰度不一致性;另一方面,利用自适应的局部块中的纹理特征来计算背景和目标区域的Kullback-Leibler(KL)距离以检测图像的纹理部分.进一步,基于分裂Bregman方法对该模型进行快速求解.分别对医学和纹理图像进行了实验,准确性和时效性都有显著提高.

基于Kullback-Leibler距离的网络节点一致性排序

在复杂网络中,重要节点比其它节点能更大程度地影响网络的结构与功能.如何评价节点之间的相对重要性,找出重要节点,是一个重要的研究课题.已有的节点重要性评价和排序方法存在一定的局限性.为此,本文综合节点基本属性,依赖网络拓扑特性,提出基于Kullback-Leibler距离的节点一致性排序方法.最后,通过实例分析,验证了本文方法较已有方法在不同类型网络上的有效性和适用性更强.

城市洪水灾害易损性多属性动态评价

近年来极端天气事件频发,尤其洪水灾害日趋频繁并且影响深远。在众多易损性概念基础上,进一步明确了城市易损性的内涵,并构建了城市洪水灾害易损性的评价指标体系。针对传统多属性决策方法——逼近理想解排序法(TOPSIS)不能比较正、负理想解中垂线上点的问题,采用Kullback-Leibler距离计算评价对象与正理想解的贴近度,建立了KL-TOPSIS模型,应用该模型对哈尔滨市2005～2009年洪水灾害易损性进行了动态评价,得出其易损性先升后降的结论,并通过横向比较发现哈尔滨市的洪水灾害易损性要小于同时期的沈阳市、武汉市和上海市。

模型关系有向图辅助下的KL-VSIMM目标跟踪算法

为提高交互多模(Interacting Multiple Model,IMM)算法模型选择的灵活性,减少模型间的竞争,提出一种变结构交互多模(Variable-Structure Interacting Multiple Model,VSIMM)算法。在IMM算法的基础上计算当前各模型的KL值,并作为参考量评估模型与目标当前运动模式的接近程度,计算出与目标运动模式相似度较高的模型;借助模型关系有向图激活其在加速度空间上的邻近模型,同时剔除匹配程度最低的模型以实现模型集的自适应切换,形成KL-VSIMM算法。仿真结果表明,KL-VSIMM算法在状态估计质量和模型识别能力上均表现出了很好的性能。

基于复数小波域广义高斯分布模型的纹理图像检索

由于在频域用能量参数来表示图像的特征矢量缺乏准确性,而且实数离散小波变换具有平移变化性和弱的方向选择性,为此针对以上问题提出了一种基于复数小波域广义高斯分布模型的纹理图像检索方法。该方法首先利用双树复数小波变换系数的统计特性来建立广义高斯分布的统计模型;然后基于该模型提取图像的特征矢量;最后利用Kullback-Leibler distance(KLD)测度算法进行纹理图像检索。对Brodatz图像库的仿真表明,新方法较双树复数小波算法的查准率提高6.96%,较基于Gabor纹理特征检索法的查准率提高了18.8%。同时复数小波系数统计模型具有旋转不变性。新方法对今后的纹理图像检索具有重要的理论与实际意义。

基于AR模型和K-L信息量的柴油机气阀机构故障诊断

通过模拟气阀机构的两种常见故障:气阀漏气和气阀间隙异常,采集柴油机缸盖表面的振动信号。提出了柴油机气阀机构的状态监测及故障诊断策略,采用FPE准则和Burg算法建立不同状态时振动信号的AR模型,利用K-L信息量对不同工作状态进行了有效识别。诊断结果表明该方法是可行的,便于实现柴油机气阀机构故障的在线实时监测与诊断。

已知部分信息的先验确定

讨论了已知参数的边际先验 ,来求以其为条件的条件参考先验 ,进而对总体参数先验做出确定 。

MMCKDE:基于数据流的m-混合聚类核概率密度估计

数据流挖掘应用对时间、空间有着较高的要求,因而传统的密度估计方法,如核密度估计法、压缩集密度估计法等并不适用于数据流密度估计.提出一种新颖的面向在线数据流的m-混合聚类核密度估计(m-mixed clustering kernel density estimation,MMCKDE)方法,该方法通过创建MMCKDE节点,用固定个数的混合聚类核获得聚类信息,以代替其他密度估计方法中的所有核.针对数据量不断增加的情况,通过计算Kullback Leibler(KL)距离进行核合并,可进一步以更紧凑的形式表示概率密度估计信息.较之于其他一些方法只能估计整段数据流的密度,MMCKDE方法最终获得的模型不仅适用于整段数据流,还适用于任意时间段上的密度估计.MMCKDE算法同SOMKE算法在不同基准数据集及真实数据集上进行密度估计精度和运行时间的比较.实验结果表明,MMCKDE算法具有更好的性能.

基于EKLD的属性约简方法

信息的Kullback-Leibler距离能够很好地表示两个分布函数所包含信息的差异程度。文章提出了扩展Kullback-Leibler距离的概念,在此基础上提出了一种新的基于扩展Kullback-Leibler距离的属性约简算法。实验分析表明,在多数情况下该算法能够得到决策表的最小相对约简,同时还对算法复杂度作了简单分析。

基于信息准则的基因选取方法及其在肿瘤诊断中的应用

大规模基因表达谱为肿瘤诊断提供了更为可靠和细致的生物数据,但相关基因的选取是对这些数据进行分析的关键。本文从Kullback-Leiber判别信息的角度对于肿瘤相关基因的选取进行了研究。根据肿瘤相关基因和无关基因的表达水平值分布的特性,我们提出了一种基于信息准则的基因选取方法。进一步,我们将这种方法应用到肿瘤诊断上,并根据支持向量机(SVM)对相关基因表达谱数据进行训练建立肿瘤诊断模型。实验结果表明这种方法是有效的,依此所建立的诊断模型可使得在结肠癌数据集和白血病数据集上的诊断(预测)正确率分别高达94.4%和100%石。

布尔函数最优连续化函数的信息论分析

不同形式的连续化函数在将组合优化问题转化为非线性连续最优化问题时对信息提取能力、对非线性规划问题的求解性质有很大的影响.利用信息论原理给出了布尔函数的连续化函数相对熵漏的概念,指出了它与Kull backLeibler距离之间的关系,给出了布尔函数的连续化函数是最优连续化函数的充分必要条件.这些分析结果可以直接推广到一般离散问题的连续化分析之中.

光圈图案选择方法实验性研究及其应用

通过实验分析提出了一种基于图像统计学和Kullback-Leibler散度算法的最优光圈图案的选择方法。因为光圈图案本身对深度信息是有一定的敏感度和区分能力,只是会有好坏之分,所以选择一个最优的光圈图案对于深度信息的区分及提取有很大帮助。利用图像统计学原理得到模糊图像在频域中的分布,计算不同深度距离上的两两模糊图像的分布之间的Kullback-Leibler散度值,并通过实验找到评价光圈图案区分深度信息的综合能力的方法,以此作为不同光圈图案间的比较依据,进而找出在几种图案中对区分深度信息相对最优的光圈图案。利用提出的方法对多个自制光圈图案进行了实验,实验结果表明了该方法的可行性。介绍了编码光圈在图像复原上的简单应用。

基于峰值特征高斯混合建模的SAR目标识别

提出了基于峰值特征高斯混合建模的合成孔径雷达(SAR)自动目标识别(ATR)识别方法。该方法首先提取待识别SAR图像及与其对应模板图像的峰值特征;然后采用高斯混合模型对两组峰值特征集进行概率建模。建立的高斯混合模型描述了峰值特征集的内在结构及变化规律。采用KL散度评价高斯混合模型的距离,最后基于待识别图像的峰值特征集与各类模板图像峰值特征集的距离大小决定目标类别。为了验证提出方法的有效性,基于MSTAR三类目标数据集进行了目标识别实验。

结合文本聚类和文本检索的语料选取方法

为了克服用应用相关的文本数据进行语音识别、智能输入等各种自然语言处理中在有些情况下因很难收集到充足的相关数据和缺乏应用相关的训练数据带来的困难,提出了一种通过结合非监督文本聚类和文本检索技术实现相关语料选取的新方法。该方法仅使用少量与特定应用相关的文本,即可从未经整理的大规模语料库中发现更多与此应用相关的文本。利用该方法在手机短信文本和未经整理的大规模语料库上进行了实验,实验结果表明该方法能够有效提取应用相关的文本。

扰动因素影响下对修正的OS-EM算法的收敛分析

在扰动因素影响下,通过引入松弛参数对Ordered-Subsets Expectation-Maximization(OSEM)算法进行修正.基于修正迭代的L^1收敛性,我们通过修改相应停止规则中的参数得到了一些主要的单调性结果,进而证明了迭代的L^2收敛性.

我国装备制造业空间集中度差异分析

本文整合Kullback-Leibler距离与分解Ellison and Glaeser指标体系的方法,建立了一个新的空间集中度测度指标,并运用此指标对我国装备制造业空间集中的差异程度进行了经验分析。结果表明,我国某些经济区域已经形成了完整的装备制造业产业链,有良好的产业基础,部分省份拥有一定程度的产业集群,这些地区都应成为我国重点发展为产业基地。