非中心t分布合格判定方法中k值计算

非中心t分布是批量产品电磁兼容符合性评定的重要统计技术之一,k值是非中心t分布合格判定方法中的关键参数,在GB/Z 6113.403-2020中仅给出了80%/80%准则的有限样本下的k值,且未给出具体计算方法。本文结合电磁兼容试验统计技术实际应用情况,从非中心t分布分位数表中有对应分位数概率(P)值而无置信度(α)值、无P值且无α值两方面进行计算方法研究,提出了适用于不同准则和不同样本的k值计算方法,对不同计算方法进行了对比研究分析,指出基于线性插值和指数逼近拟合算法的准确性、与标准的一致性较高,最后给出了两种典型的k参数计算值。旨在为电磁兼容非中心t分布试验符合性统计评定提供工程指导和参考。

基于自适应t分布与动态权重的樽海鞘群算法

针对樽海鞘群算法寻优精度低、收敛速度慢和易陷入局部最优等缺点,提出一种基于自适应t分布与动态权重的樽海鞘群算法。首先,在领导者位置更新中引入蝴蝶优化算法中的全局搜索阶段公式,以此来增强全局探索能力;然后,在追随者位置更新中引入自适应动态权重因子来加强精英个体的引导作用,从而增强局部开发能力;最后,为了避免算法陷入局部最优,引入自适应t分布变异策略对最优个体进行变异。通过对12个基准测试函数进行求解,根据平均值、标准差、求解成功率、Wilcoxon检验和收敛曲线分析,表明所提出的算法要优于标准樽海鞘群算法,以及参与比较的其他改进樽海鞘群算法和其他群智能算法,说明了其在寻优精度和收敛速度方面都有显著提升,并且具备跳出局部最优的能力。通过将其应用在脱硝入口浓度最低点寻找上,验证了算法的有效性。

基于K-L散度和深度聚类的自适应EEGNet-T分布解码算法研究

脑机接口是脑与外界不通过神经或肌肉建立的交流通路,脑电解码通过归类脑电特征解读输出大脑意图,是影响性能的关键之一。由于脑电信号存在非平稳特性,即使在同一实验过程中脑电信号的特征也会随时间发生变化,导致事先训练好的解码模型精度常常会随时间逐渐降低,不利于脑机接口的长期稳定运行。本研究提出基于K-L散度和深度聚类的自适应EEGNet-T分布解码算法,根据脑电特征变化前后T分布的K-L散度评估脑电的非平稳性并构建基于平稳性差值的目标函数,并以此目标函数调整EEGNet网络参数通过改变非线性映射的方式缩小平稳性差值,从而动态调整融合深度网络与聚类的EEGNet-T分布模型,实现对非平稳脑电的自适应解码。10名被试参与了视觉-听觉的脑机接口实验,并进行较长时间的脑电解码预测。与传统算法相比,本算法在连续128个试次组的任务中获得最高的平均准确率87.85%(p<0.05),并且在前半段实验和后半段实验对比中表现出最强的稳定性,表明该算法能够通过深度网络调整数据特征分布更好地适应脑电信号特征变化,具有更强的解码稳定性,能够保证脑机接口长时间工作的解码精度,为脑机接口实用化提供基础。

基于自适应t分布与随机游走的麻雀搜索算法

针对麻雀搜索算法在解决复杂问题时存在的收敛精度降低以及陷入局部最优等问题,文中提出了一种基于自适应t分布与随机游走的麻雀搜索算法。该算法在初始化过程中使用反向学习来生成反向解,从中选择优秀的个体组成初始化种群。在原始麻雀搜索算法上采用自适应t分布策略和高斯随机游走策略可以提高麻雀个体的寻优能力,同时防止算法早熟。仿真结果表明,相较于对比算法,文中所提算法的收敛精度和收敛速度都有所提升。

一种自适应t分布和Lévy飞行机制的沙猫群优化算法

沙猫群算法是一种新颖的群智能优化算法。为了进一步提高该算法的收敛精度,避免陷入局部最优问题,引入自适应t分布和Lévy飞行机制改进沙猫群算法,称之为TLSCSO算法。首先设计一个非线性收敛因子,用来平衡算法的探索和开发,再引入自适应t分布,提高收敛精度,最后引入Lévy飞行机制,使算法跳出局部最优。在CEC 2022的12个测试函数上与其他算法进行对比,计算结果表明,TLSCSO在大部分测试函数上能够找到更好的解,且收敛速度快。

基于TGARCH-偏态t分布模型的美元兑人民币汇率波动实证分析

文章使用R4.2软件,选取2015年1月—2022年9月工作日美元兑人民币汇率数据,选取非对称GARCH模型族,参考具有尖峰厚尾特征的分布函数。研究结果表明,基于偏态t分布的非对称TGARCH模型的拟合优度高于传统的GARCH(1,1)模型,且高于其他分布的EGARCH模型,一阶差分的美元兑人民币汇率序列具有杠杆效应。

改进T分布随机近邻嵌入改进聚类的机械故障分类方法

轴承、齿轮等零部件作为机械设备的关键组成部分,它们的运行状态直接影响着整个系统的安全。为此,提出了T分布随机近邻嵌入改进的机械故障诊断方法。该方法将机械故障信号历史监测信号作为原始特征库,采用t-SNE降维算法提取机械故障信号的主特征矩阵,基于改进的聚类算法搜寻每一采样时刻的聚类中心,分别计算在各个采样时刻的偏心距离,得到归一化的累积偏心距离矩阵,从而实现故障的准确预测。结果表明,所提出的方法能够准确地分类不同机械故障模式,有助于保障设备健康平稳运行。

基于t分布的床位利用指数模型对某医院床位设置情况的分析

目的 针对目前医院4个季度各临床科室存在实际开放床位设置不合理、医院床位资源分配无法与实际需要相匹配的问题,该文提出基于t分布的床位利用指数模型,综合分析各科室床位是否合理,为床位调整提供科学依据。方法 以某三甲医院为例,分析2019年全年统计报表和年报表,根据平均开放床位与床位利用指数的数学关系,计算各科室4个季度所需开放床位的95%可信区间。结果 在78个临床科室中,需要上调床位的科室有26个,需要下调床位的科室有39个,床位设置合理的科室有13个。通过调整床位,对比2023年第二季度统计报表,相应科室平均住院时间缩短,床位利用指数升高。结论 基于t分布的床位利用指数模型是有效的,为各科室床位设置提供了科学依据。

含局部空间约束的t分布混合模型的点集配准

基于高斯混合模型(Gaussian mixture model,GMM)的点集非刚性配准算法易受重尾点和异常点影响,提出含局部空间约束的t分布混合模型的点集非刚性配准算法.通过期望最大化(Expectation maximization,EM)框架将高斯混合模型推广为t分布混合模型;把Dirichlet分布作为浮动点的先验权重,并构造含局部空间约束性质的Dirichlet分布参数.使用EM算法获得配准参数的闭合解;计算浮动点的自由度,改变其概率密度分布,避免异常点水平估计误差.实验表明,本文提出的配准算法具有配准误差小、鲁棒性好、抗干扰能力强等优点.

采用混合t分布粒子滤波器的视觉跟踪(英文)

由于目标数量的变化,观测数据的岐义性和目标间的遮挡,多目标视觉跟踪问题面临多种困难。基于目标分布的有限t分布混合模型提出了一种混合t分布粒子滤波器以实现多目标跟踪。在算法中,每个被跟踪目标指派一个独立的粒子滤波器,显式处理当新目标出现在场景中时对应粒子滤波器的初始化,当被跟踪目标消失时,对应粒子滤波器的删除。混合t分布粒子滤波器算法不仅能够跟踪多种类型的多目标,还能够持续跟踪遮挡消除之后的多目标。为了展现混合t分布粒子滤波器的跟踪性能,完成了基于颜色分布的跟踪多种不同颜色和相同颜色的多目标实验,对比了混合t分布粒子滤波器,混合粒子滤波器以及Boosted粒子滤波器的跟踪性能。实验结果表明:文中算法不仅能够跟踪数量可变的多目标,进行实时计算,而且具有更好的鲁棒性。

偏t分布与非对称Laplace分布对我国股市收益率分布拟合研究

金融资产的未来性决定了人们在作出决策选择时必须面对不确定性,当投资者面临不确定性时,概率分布最好地描述了不确定性。通过2007年1月4日至2011年8月30日期间1029个交易日的实证研究,发现我国股市收益率序列具有有偏、尖峰厚尾特征,而不满足正态分布。随后选择t分布、偏t分布与非对称Laplace分布来拟合我国股市收益率序列分布,结果显示偏t分布能很好地描述这些分布特征,说明偏t分布拟合我国股市收益率序列分布更具有合理性和有效性。

基于t分布变异的进化规划

参考已提出的各种变异算子,提出了基于t分布变异的进化规划.在该算法中,使用t分布将高斯分布和柯西分布衔接起来,改变自由度n可以调整其变异性能.通过仿真得到了t算子随n和σ变化的一般规律,初步总结了进化代数、变异尺度和求解精度三者之间的关系.在此基础上,给出了一个基于t算子的自适应性进化规划算法,该算法将高斯变异和柯西变异的优点结合起来,仿真表明算法具有良好的性能.

基于t分布函数的玉米群体三维模型构建方法

为利用少量实测数据快速构建能够反映因品种、环境条件、栽培管理措施等因素产生形态结构差异的玉米群体三维模型,提出基于t分布函数的玉米群体三维模型构建方法。通过实测数据构建主要株型参数的t分布函数,在其约束下生成群体内各植株主要株型参数,通过构造株型参数相似性度量函数调用玉米器官三维模板资源库中的器官几何模板,结合人工交互或图像提取的各植株生长位置与植株方位平面角2组群体结构信息生成玉米群体几何模型。利用三维数字化仪获取的玉米群体田间原位三维数字化数据所构建玉米群体计算得到的LAI与该方法构建玉米群体计算得到的LAI进行对比验证,结果表明:该方法所生成玉米群体叶面积指数与原位三维数字化数据所构建玉米群体计算得到的LAI相比,误差在±2%以内,可以满足面向可视化计算的玉米结构功能分析研究需求。方法可为玉米株型优化设计、耐密性鉴定、品种适应性评价等虚拟试验研究提供技术手段。

基于学生t分布的鲁棒分层模糊算法及其在图像分割中的应用

著名的模糊C均值算法(FCM)一直被视为图像分割应用中一个强有力的工具.然而,由于FCM中距离函数选择问题使得其对图像噪声的鲁棒性不足.本文提出了一个新的分层模糊C均值算法,使得传统的模糊C均值算法对于图像噪声和离群点有更好的鲁棒性.在此基础上引入了一个更加灵活的函数,即将距离函数本身看作是一个子学生t分布函数.使分层模型具有更好的通用性和灵活性.本文提出的算法可以扩展到其他基于FCM模型的算法实现,以获得更优的鲁棒性.实验结果表明本文提出新的分层模糊C均值算法的鲁棒性确实有效.

基于t分布混合模型的抗差关联算法

针对传感器系统误差和观测目标不完全一致的情况下目标航迹关联中鲁棒性问题,该文提出一种基于t分布混合模型的抗差关联算法。将航迹关联问题转化为图像匹配中的非刚性点集匹配问题,针对非共同观测目标影响关联性能的问题,将非共同观测目标的航迹视为图像匹配中的异常点,建立了对异常点具有更好鲁棒性的重拖尾t分布混合模型,利用期望最大化(EM)算法求解t分布混合模型的闭合解,在求解中为了确保航迹点间的运动一致性(CPD),加入Tikhonov正则项。最后通过实验仿真验证,所提算法在系统误差和观测目标不完全一致情况下的鲁棒性和有效性。

基于自适应t分布混合变异的人工萤火虫算法

针对人工萤火虫(AGSO)算法中存在一些漫无目的随机运动的萤火虫及一些萤火虫在非全局极值点出现严重聚集时,收敛速度降低,甚至陷入局部极值的问题,提出一种基于自适应t分布混合变异的人工萤火虫算法。用自适应t分布变异和最优调教变异来增强种群的多样性,限制算法陷入局部最优;定义了变异控制因子对变异的运行进行控制,结合历史状态信息给出了自适应t分布混合变异描述。该变异方法能使算法同时提高全局探索能力和局部开发能力。通过典型函数算例和实际应用算例实验结果表明,该算法是可行有效的,比传统算法具有较快的寻优速度和较高的寻优精度。

t分布受控遗传算法优化BP神经网络的PM_(2.5)质量浓度预测

根据齐齐哈尔大学监测点2014年3—5月PM2.5质量浓度及其对应的每小时的气象因素、气体污染物浓度,建立基于t分布受控遗传算法的BP神经网络模型(BPM-TCG),对PM2.5质量浓度进行模拟预测。并将其与BP神经网络模型、遗传算法优化BP神经网络模型(BP-GA)进行对比分析。3种模型预测结果表明:BPM-TCG模型预测精度最高,泛化能力最好。BPM-TCG模型对PM2.5质量浓度的准确预测为预防和控制PM2.5提供依据。

基于t分布混合模型的点集非刚性配准算法

考虑高斯混合模型(TMM)的点集非刚性配准算法易受异常点和重尾点的影响,提出了基于t分布混合模型的运动一致性非刚性配准算法。通过期望最大化(EM)框架的完整数据定义将高斯混合模型推广为t分布混合模型,使用EM算法最小化参数的条件期望获得非刚性配准参数的闭合解。在EM算法中计算浮动点集各个点的先验权重,减小异常点和重尾点对配准结果的影响;计算浮动点集各个点的自由度,自适应地改变每个点的概率密度分布模型,提高算法的鲁棒性,并避免了异常点水平估计误差对配准结果的影响。在t分布混合模型的条件期望函数中加入点集位移的正则项,使邻近点具有运动一致性(CPD)。仿真数据表明,当噪声水平很高时,TMM-CPD仍可以精确配准点集,且误差仅为对比算法的1/10。真实图像的近似椭圆状分布、管状分布和三维点云状分布的点集配准结果表明,TMM-CPD的配准误差仅为对比算法的42.0%、80.1%和77.5%。实验表明,TMM-CPD配准含有重尾点和异常点的点集,具有精度高、鲁棒性好和受重尾点与异常点干扰小等优点。

基于偏t分布的Shibor隔夜拆借利率影响因素分析

由于隔夜拆借利率更能有效反映货币市场短期资金供求关系,本文通过建立Garch模型分析影响Shibor隔夜拆借利率波动性的各种因素,发现新股发行对其影响显著远大于存款准备金制度;随着央行不断提高法定存款准备金率,准备金制度对波动性的影响有增强趋势。这一结论可以为央行把握存款准备金制度改革进程,准确估计Shibor隔夜利率的走势提供参考;也有利于央行更好地制定金融市场政策,实现货币政策既定目标。

基于自适应t分布变异的粒子群特征选择方法

在分析粒子群优化(particle swarm optimization,PSO)的基础上,提出了一种基于自适应t分布变异的简化粒子群特征选择方法。针对PSO容易陷入局部收敛的缺陷,通过对群体极值进行自适应t分布变异,使其跳出局部收敛。为了解决随机选择初始群体可能会延长搜索时间这一问题,将互信息引入到算法中。通过计算特征与类别的相关性来确定每个特征的入选概率,根据概率值生成一个近似最优粒子,使粒子群一开始就沿着比较合理的方向搜索,从而缩短进化时间。最后,以支持向量机(support vector machine,SVM)为分类器,通过仿真实验验证了算法的可行性和有效性。