一种超像素上Parzen窗密度估计的遥感图像分割方法

图像分割是高分辨率遥感图像分析中的关键步骤,对信息提取精度起到重要作用。为提高传统基于像素的遥感图像分割算法性能,提出一种在超像素上进行Parzen窗密度估计的分割算法。包括超像素初始分割、特征测量、密度估计并重新聚类3个主要步骤。在超像素初始分割阶段,采用简单线性迭代聚类算法将图像进行超像素粗分割,并将每个超像素块标记为图结构中的一个顶点;然后测量每个超像素块的Gabor纹理特征,构建高维特征向量并计算纹理间的相似度,作为图中连接2个顶点的边的权值,并在该图的最小生成树上计算2个顶点之间的距离;接着将此距离用于Parzen窗,估计每个顶点的密度,并重新聚类得到最终结果。采用多幅多光谱高分辨遥感图像验证本文提出的算法,基于目视判别以及基于准确率和召回率的定量评价,将该方法与其他分割算法的结果进行比较,验证了提出算法的有效性。

Parzen窗密度估计器的隐私保护实现

互联网的快速发展使得网络中的数据共享和交换行为变得越来越频繁,但与此同时也带来了隐私保护方面的诸多问题,如何在数据挖掘过程中保护好隐私已经成为一个亟待解决的问题。本文设计了一种新型的能有效提取需要的特征值而不需提供原始数据的密度估计器,拟从概率密度函数的角度出发,利用Parzen窗法估计总体样本的概率分布密度,把决策函数利用泰勒展开式展开,展开之后的模型中已不包含原始数据,从而达到隐私保护的目的。

从Parzen窗核密度估计到特征提取方法:新的研究视角

当前主流特征提取方法大致有2种研究思路:1)从高维数据的几何性质出发,根据某种寻优准则得到基于原始空间特征的一组特征数更少的新特征;2)从降维误差角度出发,保证降维前后数据所呈现的某种偏差达到最小.试图从降维过程中数据分布特征的变化入手,基于广泛使用的Parzen窗核密度估计方法,来审视和揭示Parzen窗估计与典型特征提取方法 LPP、LDA和PCA之间的关系,从而说明这些特征提取方法可统一在Parzen窗框架下进行研究,为特征提取方法的研究提供了一个新的视角.

Parzen窗核密度估计的模式分类隐私保护方法

针对大规模数据集上的模式分类任务,提出了一种基于Parzen窗核密度估计的模式分类隐私保护算法。该算法首先利用Parzen窗算法对原始大规模训练集服从的概率密度进行估计,然后根据估计的概率密度函数构造la个替换训练样本,其中l为原始样本的数目,a通过10折交叉验证方式确定。最后发布替换训练样本进行模式分类,以实现原始数据上的隐私保护。在Adult数据集上的仿真实验充分验证了该算法的有效性。

基于估计点的双窗宽核密度估计算法

针对核密度估计中窗宽确定困难的问题,提出了基于估计点的滑动双窗宽核密度估计算法。通过采用固定窗宽的密度估计函数代替假设的正态分布密度函数以及增加求解二次导数的窗宽的方法,对估计域中的每一估计点求取其最优窗宽值,实现了窗宽根据样本的分布情况,在不同的估计点自动调整窗宽的取值。文中给出了算法的具体推导以及实现步骤,给出了多组对比实验。结果表明双窗宽算法在估计结果的精度、平滑度等方面比现有固定窗宽的算法有明显提高。

基于估计点的滑动窗宽核密度估计算法

针对核密度估计中窗宽确定困难的问题,提出了基于估计点的滑动变窗宽核密度估计算法。通过采用固定窗宽的密度估计函数代替假设的正态分布密度函数的方法,对估计域中的每一估计点求取其最优窗宽值,实现了窗宽根据样本的分布情况,在不同的估计点自动调整窗宽的取值。文中给出了算法的具体推导以及实现步骤,给出了对比试验。结果表明,新算法在估计结果的精度、平滑度等方面比现有固定窗宽的算法有明显提高。

核密度估计逐点最优窗宽选择的改进

在核密度估计中,当核函数的期望为零且方差有限时,通过把均方误差的偏差项展开至二阶泰勒公式,而后再极小化均方误差,可以构造出逐点最优窗宽的具体形式。但是这一窗宽在使f″(x)≠0的x处为无穷大,导致出现了奇异的估计。针对这一问题,文章在相同的条件下,要求核函数为对称分布,把均方误差中的偏差项展开至四阶泰勒公式,通过极小化均方误差方法在使f″(x)的x0处构造出了新的窗宽,以此修正了原窗宽在这些点处的奇异估计;利用这一窗宽,通过选用标准正态核函数和Epanechnikov核函数来进行数值模拟,并与原窗宽的模拟结果作比较分析,验证了该窗宽的优越性。

基于参数Parzen窗估计的独立分量分析

在对盲源信号进行独立分量分析时,往往需要已知源信号的概率密度函数(PDF)。然而,由于源信号是未知的,一般事先很难知道其PDF。通常的做法是采用非参数的Parzen窗估计源信号的PDF。但是因为不同的信号具有不同的PDF,本文引入窗宽作为参数的Parzen窗来估计源信号PDF。用信息熵最小原则进行独立分量分析。模拟结果表明信号干扰比(SIR)明显提高。

基于最优窗宽核密度估计的短期负荷区间预测

针对确定性短期负荷预测难以满足电力需求中可变性决策问题,提出一种基于最优窗宽高斯核密度估计的短期负荷区间预测方法。该方法利用最小二乘支持向量机对负荷进行确定性预测,根据对历史负荷相对误差特征的统计分析,采用核密度估计方法及最优窗宽选择,对各区域内的相对误差建立密度函数,实现短期负荷的区间预测。以浙江某地区的负荷数据为例,给出了不同置信度下的负荷区间预测,将所提出的方法与固定窗宽的负荷区间预测效果做比对,在相同置信度下所提出方法的区间覆盖率有明显提高并且区间宽度有所降低。

核密度估计中递归方法选择窗宽及其应用

本文讨论了密度估计中递归选择窗宽的方法。在余弦核的情况下,得出了计算窗宽的解析表达式。最后通过随机模拟,与理论窗宽值比较,验证了该方法的有效性。

一种基于Parzen窗估计的鲁棒ELM烧结温度检测方法

在回转窑燃煤火焰视频模糊且干扰较大的情况下,基于火焰辐射能量和燃烧稳定程度提取多帧煤粉燃烧图像的统计特征进行烧结温度判断.为克服工业现场特征数据中的粗差干扰,将极限学习机(Extreme learning machine,ELM)与稳健估计理论相结合,用训练误差分布的Parzen窗非参数估计构造ELM权矩阵,对其输出层权值进行稳健最小二乘估计.基于上述火焰视频的统计特征,用该改进的鲁棒极限学习机(Robust-ELM)检测烧结带温度.实验结果表明,在视频图像模糊、不能用常规静态图像处理方法软测量烧结带温度时,本文方法可快速有效地检测窑内烧结温度,且检测系统不易受现场干扰,稳定性强。

基于Parzen窗估计的设备状态综合报警方法

针对现有监测报警方法难以适应工况变化和融合多元数据的缺点,提出基于Parzen窗估计的设备状态综合报警方法。该方法动态估计多元监测数据的联合概率密度函数,以局部分布边缘包络作为报警边界,随着监测数据的不断积累,逐步提高正常和故障概率分布估计的准确性,形成符合设备个性化状态发展历程的动态报警区域。通过对转子试验台和加热炉风机监测数据分析,验证了该方法的有效性。

基于Parzen窗法的贝叶斯参数估计

针对贝叶斯估计中所需的非规则概率密度函数,提出用Parzen窗算法估计相关概率密度,从而求解不同损失函数下的贝叶斯参数估计器。实例分析中,选择一组电阻测量值作为样本,利用Parzen窗法计算出相应的概率密度函数,最后用交叉验证法得出了该样本的最小绝对值误差参数估计器。

基于核密度估计的我国鲜活农产品价格风险度量

文章收集了2006年1月至2015年6月主要肉类、蔬菜、禽蛋、水果月度价格,计算了价格增长率和相对随机波动值反映价格短期和长期波动,利用核密度估计方法,拟合波动概率分布,度量鲜活农产品价格风险。研究发现：蔬菜价格的短期和长期风险明显高于其他产品,又以叶类菜价格风险最为明显,而肉类、禽蛋、水果价格风险相对较小;虽然肉类价格短期风险较小,但累积特征明显。一些产品价格波动并不对称,正偏态分布特征较为明显。

基于核密度估计的性能退化数据建模分析方法

针对现有性能退化建模分析方中存在试验样本数据量少和先验分布假设过于严格的不足,提出了一种基于核密度估计的性能退化数据建模分析方法,并详细说明了进行核密度估计时最佳窗宽的确定方法.通过实际算例对建模分析方法进行了验证,结果表明:基于核密度估计方法能有效地克服试验样本数据量少和先验分布假设严格的不足,从而为该情况下产品的性能退化分析提供了一种新方法.

基于核密度估计的需要系数求取方法

针对许多小区选择的配电变压器容量过大、求取计算负荷时只是将间断的测量数据相加得出等问题,采用核密度估计拟合住宅负荷,选取合适的窗宽将测量得到的数据拟合成了一条不间断的曲线,模拟单户住宅全天的负荷使用情况,根据拟合曲线得到不同户数的计算负荷,最后计算出相应的需要系数表。应用此表计算得出的住宅小区计算负荷,与小区全年的最大负荷较为近似。核密度估计可以自主选择适当的窗宽,在拟合曲线时只考虑合适范围内的数据,从而保证了住户负荷的时域性。应用得到的需要系数表可用于参考选择配电变压器容量。

基于Parzen窗估计的一类加权极限自编码器

针对传统的一类分类器分布适应性差、数据描述不够精确等问题,提出了基于Parzen窗估计的一类加权极限自编码器.该方法首先采用Parzen窗法对数据分布的全局概率密度进行估计,进而对样本进行个性化加权操作,并训练极限学习机,从而实现对样本分布的精确描述.特别地,极限学习机以自编码器的方式实现,并通过重构误差来确定样本类属.实验结果表明:与诸多传统方法相比,其不但具有更好的数据描述能力,而且兼具时间复杂度低的优点.

基于核密度估计优核选择的研究

使用核方法估计密度时,窗宽{nh}和核函数K)(×的选择是必要的.这里提出在相对均方积分误差RMISE达到最小的意义下寻求获得最优核函数,并对不同核与优核的效率进行了讨论.

基于均匀核的柯西密度估计

非参数核密度估计具有良好的性质,有固定窗宽和变窗宽两种形式,由于渐近方差收敛率相同,而渐近偏度存在差异,固定窗宽和球估计量的偏度为h2,Ambramson估计量为h4,本文提出了固定窗宽核密度估计量的一个性质,并计算基于均匀核的柯西密度Ambramson估计量的期望发现刚好是无偏的。

Parzen窗估计法在图像复原中的应用探索

通过对降质图像离散退化模型与Parzen窗估计法基本公式的对比和对几种退化模型的点扩展函数特点的分析 ,揭示了点扩展函数与Parzen窗函数之间的对应关系 .提出用Parzen窗函数对点扩展函数进行估计的思路和方法 。