基于Bhattacharyya距离算法的线路纵联保护新判据

根据不同类型故障下的输电线路两侧电流波形特点,从实用化角度考虑,结合Bhattacharyya距离算法,提出了基于Bhattacharyya距离算法的线路纵联保护新判据。通过仿真实验分析了该判据的动作特性和灵敏度等问题。仿真结果表明,利用Bhattacharyya系数进行线路两侧电流波形相似度比较的纵联保护,原理简单,可靠性和灵敏度高,能快速有效识别输电线路中出现的各类故障,并在区外故障引起某侧电流互感器饱和而导致波形缺失以及波形采样异常时能够可靠闭锁,具有很强的抗干扰性。

基于区域Bhattacharyya相似度的SAR图像地物分类方法

传统的基于像素的合成孔径雷达(synthetic aperture radar,SAR)图像地物分类方法难以有效区分起伏变化大的地物。针对该问题,提出了一种基于区域Bhattacharyya相似度的SAR图像地物分类方法。方法首先利用适当的图像分割技术获取均匀的SAR图像区域。接着定义Bhattacharyya相似度来描述区域之间的统计相似程度,并推导了其对应Gamma分布的解析表达式。最后,以图像区域为分类单元,基于最大区域Bhattacharyya相似度准则实现SAR图像地物分类。利用实测SAR图像的地物分类结果表明,该方法性能优于经典的基于像素的最大似然分类方法和支持矢量机方法,且优于基于区域的最小距离法。

基于Bhattacharyya距离准则的核空间特征提取算法

提出了一种新的以Bhattacharyya距离为准则的核空间特征提取算法 .该算法的核心思想是把样本非线性映射到高维核空间 ,在核空间中寻找一组最优特征向量 ,然后把样本线性映射到低维特征空间 ,使类别间的Bhat tacharyya距离最大 ,从而保证Bayes分类误差上界最小 .采用核函数技术 ,把特征提取问题转化为一个QP(QuadraticProgramming)优化问题 ,保证了算法的全局收敛性和快速性 .此算法具有两个优点 :(1)该算法提取的特征对数据分类来说更有效 ;(2 )对于给定的模式分类问题 ,算法可以预测出在不损失分类精度情况下所必须的特征向量数目的上界 ,并能够提取出分类有效特征 .实验结果表明 ,该算法的性能与理论分析的结论相吻合 ,优于目前常用的特征提取算法 .

基于Bhattacharyya系数的改进相似度度量方法

相似度度量是基于邻居的协同过滤推荐算法中的关键步骤,对推荐结果的优劣有至关重要的影响。基于Bhattacharyya系数的相似度度量方法虽然解决了依赖于共同评分的问题,但忽略了评分值绝对数量对结果的影响。同时,当项目间相同评分值数量占比小时,基于Bhattacharyya系数的相似度度量方法存在计算准确性差的缺点。为此,引入Laplace校准法和权重赋值法对该相似度度量方法进行改进。改进后的方法不仅克服了原方法的不足,而且还充分利用所有评分信息,提升计算的准确性。数据实验结果表明,提出的相似度度量方法性能优于改进前的算法及传统的度量方法。

使用Bhattacharyya系数的道路自动提取

介绍了基于Bhattacharyya系数的小比例尺正射影像道路提取方法。首先假设道路点的灰度特征符合标准正态分布,建立理想道路模型,在影像中通过计算Bhattacharyya系数评价该位置为道路点的可能性,系数较大者为道路点。实验证明该方法具有一定的可行性。

一种基于Bhattacharyya核的SVM

包括图像识别在内的很多应用领域里,把单个样本表示成向量的集合的形式是很自然的想法,利用一个合适的核函数我们可以把这些向量映射到一个更高维的Hilbert空间,在这个高维空间里用Kernel PCA方法找到样本的高斯分布族,这样就可以把样本上的核函数定义成它们所服从的高斯分布密度函数的Bhattacharrya仿射.这样得到的核函数具有比较好的性质,比如说在各种变换下有稳定性表现,从而也说明了即使还有别的表示样本的方法,用向量集合的形式来表示单个的样本也是具有合理性的.

基于类别距离和Bhattacharyya距离的雷达信号特征评价

从瞬时自相关法、小波变换法和时频原子法提取的脉内特征比较分析入手,提出了一种新的最优特征评价准则。以类内距离、类间距离和Bhattacharyya距离为基础,从特征的空间分布和错误识别率的上界等方面对不同算法提取出的脉内特征进行分析,实现了最优特征的选择。实验的仿真结果表明,这种最优特征评价准则是有效的,为雷达辐射源信号的特征评价提供了有意义的参考。

一种基于Bhattacharyya系数和项目相关性的协同过滤算法

在大数据时代,为了满足用户的信息需求,个性化推荐系统得到了广泛应用。协同过滤是一种简单有效的推荐算法。然而,许多传统的相似度计算方法仅仅基于用户的共同评分值,且不适用于稀疏数据环境,因此提出了一种新的基于Bhattacharyya系数的相似度方法。该方法使用了所有用户对项目的评分信息,不仅可以通过用户的评分行为获得用户的相似兴趣特征,而且可以获得用户已评分物品之间的相关性;同时由于不同的用户有不同的评分习惯,新方法也考虑了每个用户的评分偏好。通过考虑用户相似性的更多因素,可以为目标用户选择更恰当的邻域用户,以更有效地提升推荐性能。在两个真实数据集上进行的实验表明,所提方法优于其他当前最好的相似度方法。

MULTI-TARGET VISUAL TRACKING AND OCCLUSION DETECTION BY COMBINING BHATTACHARYYA COEFFICIENT AND KALMAN FILTER INNOVATION

This paper introduces an approach for visual tracking of multi-target with occlusion occurrence. Based on the author's previous work in which the Overlap Coefficient (OC) is used to detect the occlusion, in this paper a method of combining Bhattacharyya Coefficient (BC) and Kalman filter innovation term is proposed as the criteria for jointly detecting the occlusion occurrence. Fragmentation of target is introduced in order to closely monitor the occlusion development. In the course of occlusion, the Kalman predictor is applied to determine the location of the occluded target, and the criterion for checking the re-appearance of the occluded target is also presented. The proposed approach is put to test on a standard video sequence, suggesting the satisfactory performance in multi-target tracking.

基于Bhattacharyya距离的小电流接地故障选线

提出一种基于Bhattacharyya距离测度零序电流相似性的配电网小电流接地系统故障选线方法,克服小波变换等暂态选线方法存在的难以确定能量频段的问题。通过对不同故障条件下小电流接地系统零序电流分析,发现故障后半个周波内故障线路和非故障线路的暂态波形相似度很低,而非故障线路之间的相似度很高。为此,提出了采用Bhattacharyya距离作为度量零序电流相似性的配电网小电流接地系统故障选线判据。仿真结果表明,该方法容易实现,对采样频率要求不高,选线准确率和效率高,且不易受过渡电阻、故障初始条件差异等外界因素的干扰。

Bhattacharyya不等式在Hilbert空间的推广

该文在Ｈｉｌｂｅｒｔ空间算子统计模型中，导出了用算子迹表示的Ｂｈａｔ－ｔａｃｈａｒｙｙａ不等式，并通过算子方程给出了达到Ｂｈ下界的算子值估计量所应满足的条件。

基于改进Bhattacharyya系数的粒子滤波视觉跟踪算法

基于颜色直方图的粒子滤波跟踪通常采用Bhattacharyya系数(B氏系数)衡量目标与候选区域特征模型之间的相似性.分析说明目标内部区域的B氏系数存在大量的峰值,使得粒子滤波跟踪仅能适应目标收缩,无法适应目标的膨胀.为此,提出了一种改进的B氏系数,从理论上分析说明了该系数具有单峰特性,基于该系数的粒子滤波跟踪能同时适应目标收缩和膨胀.分析和实验结果均表明,基于本文提出的改进B氏系数的粒子滤波跟踪对目标快速膨胀和收缩等形变具有较好的鲁棒性和准确性.

基于Bhattacharyya系数的由粗到精的核匹配搜索方法

均值漂移算法是一种高效的模式匹配算法.在传统的均值漂移方法基础上,本文针对运动范围较大的目标跟踪问题进行研究,提出一种基于 Bhattacharyya 系数的由粗到精的核匹配搜索方法.该算法能够有效利用相似性度量函数 Bhattacharyya 系数在实现对运动目标初始的粗定位情况下,利用均值漂移方法进行迭代求解局部最优值,从而实现目标的精定位,成功实现大范围运动目标的跟踪.实验结果验证该算法在跟踪精度和速度上均优于传统方法.

基于Bhattacharyya距离的典型地物波谱特征差异性分析

地物波谱数据主要应用于定量遥感与影像分类等相关基础研究,对各条光谱曲线之间进行定量化的光谱差异性分析具有重要意义。从USGS及JHU地物波谱库中挑选了在土地覆盖分类层次具有意义的植被(73条)、人工材料(100条)与土壤(30条)3种类型共203条地物波谱数据,以分层分类体系在4.2～2.5μm的波长范围内分析比较各类典型地物材料的光谱特征,以B距离(Bhattacharyya Distance)作为指标定量计算不同类别地物波谱间的光谱差异性。结果表明:波谱库中金属、砖石和混凝土3类人工材料光谱对于植被、土壤等自然材料光谱具有较大的光谱差异性,而塑料与自然地物间的光谱差异度最小,在此基础上统计了最能反映这些地物光谱特征差异的最优波段。该方法能够量化多种光谱曲线间的差异性并得到最佳的区分波段,从而为地物材料光谱及高光谱数据分类提供参考。

改进巴氏距离算法下混合级联直流输电纵联阻抗保护优化

为提高纵联保护在LCC-MMC混合级联高压直流输电系统中的鲁棒性,提出一种基于纵联阻抗和改进巴氏距离算法的高压直流输电纵联保护方案。该方案将巴氏距离算法与纵联阻抗保护相结合,对被保护线路首末两端电气量的差异进行量化,并通过量化后的数据,进行区内外故障的判定,然后基于能量函数构建了故障选极判据,保证了保护的可靠性;在此基础上,通过分形维数构建了改进的自适应滑窗,提高了保护的速动性。最后,基于Matlab与PSCAD/EMTDC平台建立了“白江工程”±800 kV LCC-MMC混合级联高压直流输电系统模型,并对所提改进后的保护方案进行验证。仿真结果表明所提保护方案能够快速可靠地判别区内外故障并正确完成故障选极,且有着较好的耐受过渡电阻能力。

基于2D-VMD和BD结合的医学图像去噪算法

为提高去噪图像质量,提出了一种基于二维变分模态分解算法(2D-VMD:Two Dimensional Variational Mode Decomposition)和巴氏距离(BD:Bhattacharyya Distance)的结合算法用于图像去噪。该算法首先使用2D-VMD算法将图像分解为若干个固有模态函数(IMFs:Intrinsic Mode Functions);然后使用BD测量每个IMF的概率密度函数(PDF:Probability Density Function)与原图像PDF间的几何距离,区分出信号主导IMF和噪声主导IMF;最后将噪声主导IMF经小波阈值去噪后与信号主导IMF重构,得到去噪图像。将算法应用于医学图像去噪,理论分析和仿真结果表明,2D-VMD和BD结合算法与全变分模型(ROF:Rudin Osher Fatemi)算法、中值滤波和小波阈值滤波相比,其在主观和客观评价方面都具有较好的去噪效果,有效地提高了去噪图像质量。

支持向量机的电子商务用户购买行为检测

阐述数据挖掘中的支持向量机方法,介绍客户关系管理(RFM)模型,建立基于支持向量机的电子商务用户购买行为检测模型,并用该模型进行了电子商务用户购买行为检测实验。结果表明:基于支持向量机的电子商务用户购买行为检测方法可帮助商家进行用户购买行为检测,为电子商务企业提供决策依据。

基于Jaccard的协同过滤刀具推荐算法

针对目前系统给用户推荐刀具的准确率不高的问题,提出基于Jaccard的协同过滤刀具推荐算法。首先,通过用户对刀具进行评分;其次,引入巴氏系数和KL散度,充分考虑用户的所有评分信息,来解决受共同评分项的限制的问题;最终给目标用户推荐刀具。实验结果表明,该协同过滤算法在稀疏数据集上获得很好的推荐效果,提高了推荐准确率。

考虑加速度频响函数不确定的有限元模型修正

为克服实际应用中缺乏足够的结构统计信息,获得结构参数和响应的极限值,提出了一种基于加速度频响函数的区间有限元模型修正方法。首先,将频响函数小波变换,提取低频小波系数作为模型修正的响应特征量,以待修正参数和响应特征量分别为输入和输出构建径向基代理模型并采用鲸鱼优化算法来优选径向基模型方差值;其次,根据区间重叠率和巴氏距离分别构造两步求解待修正参数区间的两个目标函数和同步求解待修正参数区间的一个目标函数,以评估两个样本区间分布的相似性和相异性;然后,由灰色数学方法估计径向基模型预测响应特征量的区间,运用花朵授粉算法分别实施待修正参数区间中点和半径的两步和同步求解;最后,通过两个数值算例和一个试验算例验证了所提方法的可行性。结果表明,所提区间有限元模型修正方法能够有效地修正结构参数的区间中点和半径,且在不同试验响应区间下对参数区间的修正具有鲁棒性,同时可以有效地解决小样本的不确定性模型修正问题。

基于机器视觉的激光雷达目标跟踪与定位方法

为实现遮挡等客观条件下激光雷达目标的准确跟踪,研究基于机器视觉的激光雷达目标跟踪与定位方法。采用基于非局部均值的滤波算法消除图像的噪声,利用reinhard颜色迁移算法提升激光雷达图像训练数据的多样性,得到增强激光雷达图像,并将其输入卷积神经网络中,通过训练检测激光雷达目标。利用巴氏系数分析两个模型间的巴氏距离,确定两模型一致度,循环一致度分析过程实现激光雷达目标跟踪与定位。结果显示该方法可在目标非遮挡与部分遮挡等不同条件下实现准确的目标跟踪与定位,且追踪定位精度为100%,效率高,两种状态下所耗时间分别为4.786 s和5.123 s。