基于Kullback-Leibler散度的无源传感器数据关联

针对多无源传感器多目标多维分配数据关联模型在构造关联代价时未考虑位置估计不确定性所引入的误差问题,提出了一种基于Kullback-Leibler散度的关联算法。将伪量测信息的概率密度函数与真实观测数据的最大后验概率密度之间的Kullback-Leibler散度作为关联代价,给出了一种Kullback-Leibler散度的近似解析公式,从而简化了计算。最后对经典关联算法与本文算法的正确率进行了试验对比,仿真结果表明:基于Kullback-Leibler散度的关联代价能够更精准地反映出数据关联的可能性,所提关联算法可以获得更好的关联性能。

基于高斯混合模型的谐波责任估计方法

针对不完全可观系统提出一种基于高斯混合模型的谐波责任估计方法。依据谐波测量电压的概率分布特性估计各谐波负荷的谐波责任,规避因引入不可测的线路参数对量化谐波责任造成的困难。先根据测得的谐波电压样本训练高斯混合模型;然后,基于贝叶斯信息准则和Kullback‐Leibler散度比率确定混合模型中的高斯分量的数量及位置范围,并通过Z检验实现谐波电压样本的异常检测;最后,通过IEEE 14节点测试系统检验了所提方法的有效性。

基于激光反射强度特征的智能汽车路面估计方法

为了提升智能汽车行驶安全性,适应高速、大侧偏等极限工况应用场景,轮胎-路面附着系数峰值估计技术越来越受到汽车主动安全控制领域研究的关注。提出了一种基于激光雷达的路面估计方法:基于极大似然估计方法求解了结构化道路常见类型路面的激光雷达反射强度分布模型参数,并依此建立典型路面数据库;利用Kullback⁃Leibler散度表征反射强度分布相似度,结合所建立的路面数据库辨识路面类型,然后映射出对应的峰值附着系数估计值。试验结果表明,提出的轮胎-路面附着系数峰值估计方法的准确率达到90%以上,能够灵敏地检测出路面突变现象,且对白天和夜晚不同的光照条件具有鲁棒性。

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.

基于贝叶斯自组织映射和高斯混合模型的混合像元分解

提出一种新的对多通道遥感图像进行混合像元分解的方法.该方法将贝叶斯自组织映射算法引入混合像元分解问题中,通过最小化Kullback-Leibler信息度实现高斯参数的估计,并结合高斯混合模型完成解混.为了获得较高的解混精度,要求适当地扩展正态分布的范围,提出了3σ的方差调整方法来解决这一问题.所采用的解混模型自动满足混合像元分解问题所要求的2个约束条件:丰度值非负约束,丰度值和为1约束.实验结果表明,该方法有较好的混合像元分解结果,同时具有较强的抗噪声能力.

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.

基于信息散度的多无源传感器数据关联

针对多无源传感器多维分配数据关联模型在构造关联代价时,未充分考虑位置估计不确定性所引入的误差问题,提出一种基于信息散度的数据关联算法.将伪量测信息的概率密度函数与真实观测数据的最大后验概率密度函数之间的差异性信息作为关联代价,并分别采用Kullback-Leibler散度和对称Kullback-Leibler散度来量化该差异.仿真分析结果表明,该算法具有良好的关联性能,其关联代价能更精准地反映数据关联的可能性程度.

基于δ-广义标签多贝努利的群分裂算法

群分裂是群目标的重要运动形式,基本的广义标签多贝努利(GLMB)滤波器计算复杂,且只对存活和新生目标建模,不能有效描述群分裂运动。针对此问题,在δ-GLMB滤波算法的基础上建立群分裂模型,通过最小化Kullback-Leibler散度(KL-DIV)的方法近似目标真实密度分布,推导了一种考虑群分裂的GGIW-δ-GLMB滤波算法。仿真实验表明,该算法能够较好地跟踪群分裂运动。

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。

信息几何及其应用

本文介绍了信息几何的基本内容和最新的一些研究进展,特别是信息几何的理论在神经网络、热力学系统、控制系统以及Birkhoff系统中的应用.

信息复杂性准则的深入探讨

介绍联系拟合优度与模型复杂性测度的一种模型选择准则—信息复杂性(ICOMP)准则的基本原理.由Bozdogan提出的信息复杂性(ICOMP)准则可以视为两个Kullback- Leibler距离之和的一种近似.首先研究了所考虑模型中有真实模型的情况下,ICOMP准则类的渐近相容性;然后又介绍并完成了所考虑模型中没有真实模型的情况下,ICOMP准则类的渐近相容性.在有限样本容量的情况下,用ICOMP准则选择的估计模型,比用其他通用的准则选择的估计模型,更接近于真实模型.

基于箱粒子滤波的混合标签多伯努利跟踪算法

针对标签多伯努利滤波器在目标处于近邻或目标量测与轨迹关联模糊情况下,更新步中由于近似产生信息丢失,导致跟踪效果下降的问题,引入区间分析技术,结合标签多伯努利滤波器及广义标签多伯努利滤波器各自的优势,提出一种箱粒子滤波下的混合标签多伯努利跟踪算法.建立两种滤波器的参数模型,通过Kullback Leibler散度和熵两项评定标准在两种滤波器间进行切换,在特殊环境中使用广义标签多伯努利滤波器提高跟踪性能,在其他环境中使用标签多伯努利滤波器近似降低算法的复杂度,提高运算效率;同时基于箱粒子滤波实现混合标签多伯努利算法.仿真实验表明,在特定环境中,与原有滤波算法相比,所提出的改进算法在保证计算效率的同时,可提高跟踪的精确度及稳定性.