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Kullback散度的主客观权重相结合的投资决策方法

运用信息论中的Kullback散度解释已有的两种主客观权重相结合的多指标决策问题,以最小化Kullback散度的方式建立了确定指标权重的一种优化模型,并给出了一种新的组合权的确定方式,对4家企业投资决策的实例分析表明,应用该指标赋权确定的决策方法既保持了与主观和客观权重法的一致性,又体现了主客观相结合的统一性。

基于对称散度的SAR图像超像素分割分析

阐述一种基于对称散度的SAR图像超像素分割算法(SLIC-SDSAR),算法在简单线性迭代聚类(SLIC)的基础之上,根据SAR图像的统计分布特征,构建了基于对称散度和空间位置的距离度量准则,实现了对SAR图像的分割,并对SAR图像斑点噪声有较好的适应性。

基于无监督的非对称度量学习优化行人再识别

行人再识别是对同一行人不同视图进行相似性匹配的技术,针对匹配过程中出现的不同相机、相机角度以及行人姿势、有无光照和障碍物等因素结合度量学习进行相似性度量。随着外界条件的变化,由于忽略特定视图特征易导致部分信息丢失,视图有可能展现出不同的分布。结合非对称的无监督度量学习方法UAML(Unsupervised Asymmetric Metric Learning)把视图分布分为共享视图和特定视图,共享视图提取共享特征,特定视图提取与视图相关联的特征投影到公共子空间中,再通过K-means聚类,KL(Kullback-Leibler)散度对其进行优化,这样得到的子空间样本具有相同分布及全面的表示形式。该方法在VIPeR数据集、CUHK01数据集、Market-1501数据集上进行了实验测试,使用累计匹配曲线(Cumulative Match Characteristic,CMC)、Rank-1精度和平均精度曲线等指标来衡量算法的性能。其中,秩-1精度在不同数据上分别达到了40.25%、56.6%/58.09%、61.67%。该方法主要通过无监督非对称度量学习方法结合KL散度来进一步对行人再识别方法进行优化,通过实验进行比较来验证该方法的有效性,结果表明在行人再识别应用中具有更优的识别精度。

1215号“布拉万”台风暴雨及降水非对称性分布的成因分析

利用中尺度非静力模式WRF对2012年第15号台风"布拉万"在中国东北地区造成的暴雨过程进行了数值模拟,结合观测资料对模拟结果进行了验证,利用模式输出的高分辨率资料,对"布拉万"台风造成的强降水及其非对称性分布的成因进行了诊断分析。结果表明,模式很好地再现了台风登陆过程中的路径、强度变化和降水分布,受中纬度西风槽带来的干冷空气影响,"布拉万"台风登陆后的降水和环流结构具有明显的不对称性,降水主要集中在台风中心西北侧的能量锋区附近。水汽散度通量和水汽螺旋度能够较好地描述强降水过程的发生、发展及其非对称性分布的时空特征,在强降水区,水汽散度通量表现为正值强信号,而水汽螺旋度表现为负值强信号,在非降水区和弱降水区,两者均表现为弱信号。等熵位涡分析显示,对流不稳定只是此次台风暴雨前期和初始阶段的不稳定条件,而湿位涡(MPV)的湿斜压项(MPV2)则是暴雨增强和出现非对称性分布的主要机制。在暴雨形成过程中,由于冷空气侵入造成了在台风环流西北侧湿等熵面的陡立倾斜和水平风垂直切变的增强,导致了气旋性涡度的显著增强,气旋性涡度增强造成的强烈上升运动将降水区东南侧输送过来的暖湿空气向上输送,从而导致了暴雨的发生,这其中条件性对称不稳定是降水得以加强的一种重要不稳定机制。

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。

基于对称Kullback-Leibler散度的点集配准方法

提出一种基于SKL (Symmetric Kullback-Leibler)散度的点集配准算法,将点集中的每一个点表示成一个高斯分布,高斯分布包含点的位置信息和周围点的影响大小信息。将整个点集建模为一个高斯混合模型(GMM),因此两点集的配准问题转化为求两GMM间SKL散度的最小值问题。采用遗传算法进行优化求解。实验结果表明,所提算法对噪声、出格点和缺失点具有较强的鲁棒性,且取得较高的配准精度。

一个热带气旋的非对称性与移动的数值模拟

通过模式气旋的数值模拟研究了风暴的非对称性结构与移动之间的关系。从总流场中减去对称涡旋得到非对称风场,在低层辐合层,非对称风场中存在两个涡旋。气旋性涡旋在平均风下风方向左侧,反气旋性祸旋在右侧。在涡旋发展阶段,低层辐合层中,在半径为1.8个纬距的内区里,平均风指向涡旋移动方向的左侧,而在半径为1.8到9.5个纬距的外区,其平均风指向涡旋移动方向的右侧;在涡旋的衰减阶段,这两个区域内的平均风与涡旋移动方向近于一致。

利用Kullback散度的多组二次判别分析

本文介绍用两个线性变换将 m 维因子向量进行变换,建立二次判别函数的方法.这种变换的优点在于可用 Kullback 散度指标对二次判别函数进行组合和优选.大量计算实例表明,这种方法的效果优于其它判别分析方法.

广义行为正则化离线Actor-Critic

行为正则化Actor-Critic(BRAC)是一种离线强化学习算法,通过将当前策略与行为策略之间的Kullback-Leibler(KL)散度作为策略目标函数的正则化项来缓解分布偏移问题.但是,由于KL散度是一种无界的分布差异度量,在策略差异过大时,策略目标函数中的累积期望回报项将仅对策略改进发挥有限的作用,从而导致最终学到的策略性能较差.针对该问题,将当前策略与行为策略之间的斜对称Jensen-Shannon(JS)散度作为策略目标函数的正则化项,提出了一种广义行为正则化离线Actor-Critic(GOACBR)算法.理论分析表明:由于斜对称JS散度有界,将其作为正则化项有助于降低策略性能差异.进一步,针对行为策略未知导致难以直接计算当前策略和行为策略间斜对称JS散度的问题,设计了一个辅助网络来对其进行间接估计.最后,给出了GOACBR的收敛性理论证明.在D4RL基准数据集上的评估结果表明:相较于BRAC,GOACBR在所有测试任务上获得的平均累积回报总和提升了289.8%.相关代码公布在https://github.com/houge1996/GOAC.

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.

组合赋权TOPSIS在汽车零部件供应商选择中的应用

针对汽车零部件供应商评价中存在的问题,根据目前汽车零部件供应商评价中指标赋权方法的特点,构建了基于组合赋权TOPSIS的供应商评价模型。在此过程中,提出了一种将主客观权重进行组合的算法——Kullback散度算法。组合后的权重体现了评价指标的客观信息和主观信息,使评价结果更加可靠、可信。给出了实证分析,验证了该方法的有效性。

色噪声下估计信源数的方法及性能分析

分析了雷达谱估计信号源数的方法。在高频地波雷达中,当各阵元噪声功率非平稳时,提出了一种基于盖氏圆半径和Kullback对称散度的信号源数目估计方法。通过实验证明,该方法能够有效解决在小快拍数、阵元噪声功率不相等情况下信号源数目估计的问题,实现色噪声环境下信源数的估计。

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。

相对熵在图像去噪中的应用

针对图像中的高斯噪声,提出一种基于相对熵(Kullback-Leibler divergence,KL divergence)的图像去噪方法。首先,对图像中的每一个像素,根据像素周围邻域的像素信息建立高斯分布模型,得到待滤波图像;然后,在待滤波图像中利用2个像素点高斯分布间的对称KL距离来衡量像素点之间相似性,两高斯分布间的对称KL散度大小表示2个像素点邻域间统计信息的差异;最后,对图像进行加权平滑滤波。仿真实验表明,该算法能很好地保持结构信息,提高了图像去噪性能。

基于局部平稳的随机序列变化点检测及参数估计

在Kullback-Leibler对称散度的框架下,建立了检测结构变化点的辨识信息量和确定AR模型阶数的KICC准则,提出了分段拟合AR模型的系统方法,采用混合粒子群优化方法确定变化点的分布及位置,应用最小二乘法估计模型参数,提高了运算速度和精度。仿真实验表明,本文提出的随机序列变化点检测和AR模型参数估计方法,具有高度的稳定性和可靠性,是一种有效的方法。

台风“白鹿”对梅州降水的影响及成因分析

利用登陆前地面自动气象站资料、卫星云图、NCEP/NCAR(2.5°×2.5°)网格资料,探讨“白鹿”对梅州降水的影响及成因.结果表明:副热带高压的稳定维持,使台风“白鹿”沿着稳定的西偏北方向移动,移速较快,使得“白鹿”在梅州的停留时间不长;从“白鹿”生成到停编,结构都存在明显的不对称结构性,使其二次登陆后,强度迅速减弱;地形的抬升作用、水汽输送的不对称性和环境风垂直切变的变化也是造成此次降水分布不均的原因,梅州降水落区的非对称分布.

应用在化学中的复杂几何体的分维特性分析

具有“自身相似性”的复杂几何体,其几何特征遵循分维指数关系。本文举例说明分维理论用一种几何参数——分数维表征复杂几何体的不规则性及表面结构的物理和化学性质。

9219号台风登陆前后动力结构变化及其成因分析

本文分析了9219号台风登陆前后的动力结构及其变化,得出其动力结构具有明显不对称。对其结构的成因作了物理解释,最后得出该台风的不对称结构有利于减小动能消耗。

基于对称高斯赛德尔分解的交替方向乘子法的因子个数稳健估计

因子分析是一种可用于简化数据,对数据进行降维的统计方法,如今已被广泛应用于各个领域.在因子分析中,如何对因子个数进行选择是非常重要的问题.在实际应用中,因子个数的确定通常依赖于样本协方差矩阵.本文利用~Kullback-Leibler(KL)散度刻画协方差矩阵估计的不确定性,并基于此建立~KL散度正则化最小迹模型对因子个数进行估计.同时,采用具有全局收敛性的基于对称高斯-赛德尔分解的交替方向乘子法对所建立的模型进行求解,并从数值实验的角度验证了模型和算法的有效性.