基于Pignistic概率距离的证据源组合新方法

DS理论在决策级信息融合中有广泛应用。针对DS理论进行证据源组合时可能导致的“一票否决”和“信任偏移”问题,以及证据源内焦元间的关联和冲突问题,提出了一种有效处理冲突证据源的组合方法。新方法用自冲突和互冲突来描述证据源组合中的全局冲突,在Pignistic概率距离基础上给出基于退火自适应变异算法的自冲突修正方法,然后根据Pignistic相似度提出互冲突的修正方法,最后运用DST组合规则得到识别结果。仿真算例验证了所提方法的合理有效性。

基于动态TDFP模型与Wasserstein距离的滚动轴承运行状态评估

针对滚动轴承运行状态评估问题,提出一种基于动态二维特征概率(TDFP)模型与Wasserstein距离的评估方法。首先通过滚动轴承健康数据样本的均方根和线性峭度指标构建二维性能指标序列,利用多元核密度估计构建TDFP基准模型;然后通过不断累积的监测数据样本对TDFP模型进行动态更新,并计算Wasserstein距离测度获取基准模型与更新模型之间的量化差异;最后结合自适应健康阈值策略实现对滚动轴承运行状态的动态评估。滚动轴承全寿命周期实验数据验证结果表明:该评估方法能够准确跟踪轴承的退化过程,并及时捕捉到轴承初始退化时刻,对实际工程应用具有一定参考及借鉴价值。

基于Wasserstein距离和相关对齐迁移学习的野生动物图像识别方法

【目的】为解决光照、背景和拍摄尺度等复杂因素对野生动物图像识别准确性的影响。【方法】以野外红外触发相机采集的野生动物图像为对象:1)利用ENA24和NACTI两个公开的野生动物数据集构建包含不相交领域数据集S1和S2,共11个动物类别,包含25591幅图像;2)针对领域偏移问题,采用ResNet50网络作为特征提取模块构建领域对抗网络,有效减轻了领域偏移;3)引入Wasserstein距离和相关对齐的表征学习网络,建立了基于Wasserstein距离和相关对齐的迁移学习网络,用于特征提取和识别,挖掘迁移性的特征。【结果】采用平均准确率作为评价指标,ResNet50、DDC、DCORAL、DAN、DANN、CDAN、HAN和JTN这8个模型在11种野生动物上的识别表现分别为48.4%、51.6%、49.6%、52.6%、45.2%、50.9%、54.6%和53.5%;在改进残差模块的ResNet50基础上,并引入Wasserstein距离和相关对齐的表征学习网络后,与现有最佳方法相比,11种(类)野生动物的平均准确率提高了2.7%。【结论】基于Wasserstein距离和相关对齐的迁移学习方法在野生动物识别方面的平均准确率达到57.3%;引入Wasserstein距离和相关对齐的表征学习可有效提高野生动物识别模型的准确性。

基于Wasserstein距离分布鲁棒的电解铝负荷协同火储深度调峰方法研究

大规模的风电并网致使现有系统调峰资源难以为继,风电消纳受阻。为此,文中综合考虑风电出力与电价的不确定性,提出一种基于Wasserstein距离的电解铝负荷协同火储深度调峰分布鲁棒优化方法。首先,结合电解铝的负荷特性,计及储能辅助火电机组优化深度调峰容量,建立了电解铝负荷协同火储深度调峰的电力系统优化框架;其次,借鉴Wasserstein距离的分布鲁棒模型的思想,构建了上级电网购售电价与可再生能源出力的Wasserstein模糊集约束,设计了电解铝负荷协同火储深度调峰的分布鲁棒优化模型;最后,通过仿真分析验证了所提方法可有效降低系统运行成本,改善系统调峰压力,促进风电消纳,通过对比分析验证了其方法的经济性和鲁棒性。

基于分数阶矩和分片Wasserstein距离的鲁棒风险度量优化模型

鲁棒风险度量优化是一类随机风险分析度量的重要问题,其对不确定分布信息的捕捉需依赖不完善的假设和估计,分布尾部的反映直接影响分布预测的精准性,尾部模型误差在实际风险管理决策中会造成严重的后果。文章以一种对尾部模型误差具有稳健性的方式建立鲁棒风险度量优化模型。在构造模型不确定集时,提出基于Wasserstein距离的分布估计方法,克服了已有参数分布无法反映真实分布尾部行为的限制。鉴于分数阶矩对分布尾部信息具有精准刻画的能力,在解析分布估计的基础上,建立分数阶矩约束的鲁棒风险度量模型。为优化Wasserstein距离忽略分布几何结构造成的尾部模型误差,基于纤维丛理论思想,提出分片Was⁃serstein距离解析约束的分片鲁棒风险度量模型。最后,通过规范数据进行仿真分析,数值实验结果显示,该模型能够精准量化突发性极端损失风险。

基于有限关键节点及Wasserstein距离的配网拓扑识别

明确配电网结构是配电网最优潮流、安全评估、网络重建、故障定位的基础。针对现有配电网拓扑识别方法缺乏结合现有网络结构参数和潮流信息,仅通过量测数据来进行拓扑识别效率低的问题,提出一种基于有限关键节点及Wasserstein距离的配电网拓扑识别方法。首先,利用子空间扰动模型证明配网拓扑变化时,可以利用有限的关键节点来进行拓扑识别,基于熵值法的混合K-Shell算法引入影响度概念,通过影响度与节点电气距离得出节点的重要度,确定配电网拓扑结构中的关键节点。其次,基于密度的噪声应用聚类算法通过电压、电流、有功、无功等4个特征来进行节点的聚类,将其他节点与关键节点进行类别归属,再结合Wasserstein距离得出节点间的连接关系从而得出配电网的拓扑结构。最后,通过IEEE 33节点算例和某小区实例,验证该方法的有效性。该方法极大地提高配电网拓扑识别效率与正确率,实现了配网拓扑结构的动态识别。

高斯Wasserstein距离改进轻量YOLOv7模型的遥感影像道路交叉口检测

YOLOv7是目前目标检测任务中性能较优的模型,但在处理遥感影像中的道路交叉口时,出现目标背景复杂、先验框定位误差以及模型训练参数量增多的问题。针对复杂场景的道路交叉口提出一种结合归一化高斯Wasserstein距离与轻量级YOLOv7的遥感影像道路交叉口检测模型。首先,使用归一化高斯Wasserstein距离与CIoU(complete-IoU)进行先验框定位损失函数的改进,以提高网络模型对于目标尺寸的鲁棒性;其次,在加强网络特征提取模块中加入三维注意力机制,实现网络处理的特征优化;最后,在主干特征提取网络与加强特征提取网络中加入改进的FasterNet模块,提升网络模型的训练速度,减少了模型训练的参数。实验结果表明,改进后的YOLOv7网络模型相比原网络模型,漏检测情况得到明显改善,准确率(precision,P)、召回率(recall,R)、平均准确率(average precision,AP)和F_(1)分别提升了6.2%、4.9%、6.7%、6.5%,对道路交叉口的检测效果优于原网络模型。其成果对不同环境的影像具有较强适应能力,为道路交叉口检测的发展提供了参考。

基于概率距离的高分辨率遥感影像分割结果的优化方法及其应用研究

不同于传统的通过选择合适的尺度参数来优化分割结果的方法,本文从统计学的角度,提出了一种基于概率距离的高分辨率遥感影像分割结果优化方法,并以Jeffries Matusita距离为例,介绍了利用该方法优化分割结果的流程。该方法通过为影像中的地物构建最优影像对象达到优化分割结果的目的。使用无人机影像对本文提出的优化方法进行了测试,测试结果表明,本文所提出的分割结果优化方法具有较好的效果,优化后的分类精度得到明显提高。

基于XGBoost和Wasserstein距离的风电机组塔架振动监测研究

针对风电机组塔架振动监测问题,考虑到风能脉动与机组控制动作等激励对塔架振动的影响,提出一种基于数据驱动的塔架振动监测方法。首先基于K-均值算法对风电机组工况进行辨识,分析各状态参量、机组工况对塔架振动的影响;其次基于极限梯度提升(XGBoost)算法对不同工况下的塔架振动趋势进行建模预测,针对同一风电场不同塔架振动预测残差的差异,提出一种基于Wasserstein距离的塔架振动监测方法;最后使用风电场实际数据验证,以误差平方和为评价指标,考虑机组工况条件的XGBoost预测精度提高了34.6%。基于数据驱动的方法能有效识别风电场中异常振动较频繁的塔架,提升了运维效率。

Wasserstein距离在液体火箭发动机故障检测中的应用

健康监控技术能够切实提高液体火箭发动机的可靠性,针对液体火箭发动机健康监控中的故障检测问题,提出基于Wasserstein距离的方法,利用液氢液氧火箭发动机地面热试车数据进行验证。该方法的核心思想是利用Wasserstein生成对抗网络模拟正常数据的样本分布,利用其判别器计算测试样本与模拟分布间的Wasserstein距离,进而实现故障检测。结果表明:该方法能够克服故障数据不足的困难,有效检测稳态过程中的故障,没有发生误报警,且对早期异常有较高敏感性;在训练样本较少的情况下,当Wasserstein距离阈值为3σ时对启动过程的早期异常有较高敏感性,取5σ时仍可有效检测启动过程中的故障,误报警率为12.5%。

基于pignistic概率距离的改进证据组合规则

针对使用传统冲突系数识别证据冲突存在的不足,采用pignistic变换后得到的概率赋值函数之间的距离,结合传统冲突量化标准,讨论了Dempster组合规则适用条件,并提出了一种改进的证据组合方法.该方法通过证据之间的pignistic概率距离表示证据之间的冲突程度,将证据间的冲突程度转化成相似程度,然后求出证据之间的支持程度,并确定权重系数,最后采用Demp-ster组合规则合成权重系数调整后的基本概率赋值.数值算例分析结果表明,改进的证据组合方法可以有效地处理证据冲突,且具有较快的收敛速度.

基于概率距离的电脑鼠走迷宫融合算法研究

针对传统电脑鼠迷宫搜索算法无法适应随机迷宫图搜索的问题,提出一种新的电脑鼠走迷宫融合算法。运用概率距离将迷宫划分为八区域,标定各区域概率距离特征并进行算法填充,实现概率距离向心算法和洪水算法的高效融合,提高迷宫搜索效率并降低对高性能CPU的依赖性。通过对6张迷宫的测试结果表明,与传统向心和洪水算法相比,该算法迷宫搜索时间可减少50%,搜索成功率达到100%,是一种高效的迷宫融合搜索算法。

结合冲突系数K与pignistic概率距离的冲突度量方法

针对经典证据理论中,冲突系数K不能有效地度量证据之间的冲突程度的问题,提出了一种新的证据冲突表示方法,通过引入pignistic概率距离,将pignistic概率距离和冲突系数K看成平面直角坐标系上的一点,通过计算这个点到坐标原点的距离,以此作为衡量证据间冲突程度的标准;针对新的冲突度量方法,提出了一种改进的证据合成算法,将新的冲突系数作为修正因子,证据冲突时对合成结果进行修正,证据不冲突时采用D-S合成规则进行合成。实例及仿真验证了新冲突度量算法和改进合成算法收敛速度显著快于对比算法。

一种基于Pignistic概率距离的合成公式

针对多证据源信息融合过程中证据源间存在的冲突问题,提出了一种基于Pignistic概率距离的合成公式。利用Pignistic概率距离构造证据可信度;再利用证据可信度修正证据体,以改进合成公式;利用改进的合成公式对证据源进行融合。算例结果表明,改进合成公式的融合结果合理有效,与其他方法相比有更好的适用性、可靠性和较快的运算速度。

基于正弦同源-概率空间协同互补的涌流闭锁方案

为了取消正弦相似性原理中的最小二乘法等中间环节,获得直接固定标准正弦波形所需要的能量信息。借鉴时域概率分布的方法论,从优势互补的角度出发,设计了一种基于Wasserstein距离算法的变压器励磁涌流闭锁方案。该方案采用特征离散化的方式,提取目标对象和模板信号并转化为状态向量作为样本标签,以此来判别两者之间的能量分布差异,从而达到正弦场景同源识别的效果。理论分析与仿真结果表明,该方法实现简便,不需要频域计算。相比于现有正弦相似性原理,降低了保护流程的复杂程度,具有更强的实际应用价值和速动性能。通过PSCAD/MATLAB平台对现场合闸的录波数据进行测试分析,验证了所提方案对促进变压器保护性能的积极意义。

核概率距离聚类方法及应用

研究聚类分析新方法一直是统计学和机器学习研究领域普遍关注的课题。针对概率距离聚类算法不能解决非线性可分聚类问题的缺欠,笔者应用核函数理论将该模型拓展成为一种能够解决非线性可分聚类问题的统计模型,称为核概率距离聚类分析模型。研制出一种应用新模型进行遥感图像非监督分类研究的实施策略和可行算法;在GDAL遥感图像数据输入输出函数库基础上,用VC++语言开发了遥感图像核概率距离聚类分析算法程序;用ERDAS软件提供的一幅7波段491像素×440像素大小的TM图像进行新方法分类应用实验研究。对比了新模型和其原版本的TM遥感图像非监督分类效果,结果表明新模型的非监督分类效果优于原有的分类模型。

概率距离在联机汉字识别中的应用

借助概率理论 ,将汉字信息看成随机事件 ,提出了概率距离的概念。概率距离依据事件的稳定性决定事件对识别距离的影响力 ,并以此为依据实现了在识别过程中的特征选择。经试验分析 ,有很好的效果 ,已将识别率提高了

转移概率的可测耦合与概率距离

本文利用线性规划的思想证明了定理１．１，然后改进了所谓的Ｄｏｂｒｕｓｈｉｎ－Ｓｈｏｓｍａｎ唯一性定理的证明．

基于概率距离的电脑鼠迷宫搜索算法

效率不高是目前电脑鼠竞赛中迷宫搜索算法存在的普遍问题,为此,提出一种基于概率距离的电脑鼠迷宫搜索算法。通过生成静态概率距离图,并结合对迷宫图的动态处理,以达到提高迷宫搜索效率,缩短迷宫搜索时间的目的。测试结果表明,基于概率距离的电脑鼠迷宫搜索算法,在迷宫搜索效率、迷宫搜索时间等方面,较左手、中左、中心、中心分区算法有明显优势。

概率距离的电脑鼠走迷宫融合设计分析

作为自主移动机器人系统,电脑鼠的主要任务是在不知迷宫布局的情况下找到迷宫目标区域。文章认为可运用概率距离将迷宫进行划分并对概率距离和标定各区域进行算法填充,实现概率距离向心算法与洪水算法的高效融合,并有效提升、改进机器人完成任务的能力。为此,文章在充分分析概率距离算法的基础上,设计了一种电脑鼠走迷宫算法体系,提高了迷宫搜索效率,降低了对高性能CPU的依赖性。