基于联合方向梯度和均值对比度的红外弱小目标检测方法

针对小目标在整幅图像中占比很低,且目标周围存在大量杂波,提出了一种基于联合方向梯度(Associated Directional Gradient,ADG)和均值对比度(Mean Contrast,MC)的红外弱小目标检测算法。该算法由两个模块组成:ADG利用红外弱小目标的高斯分布模型,将单一方向的梯度与一个相邻方向上的梯度相加组成新的联合梯度特征,增强真实目标、抑制背景杂波的同时能够消除高亮边缘对目标检测效果的影响;MC融入方向信息来计算目标的多方向对比度,选用多方向对比度的最小值抑制结构噪声,并将均值滤波的思想引入对比度的计算,抑制背景中的孤立噪声,进一步降低检测的虚警率。在实际红外图像上的实验结果表明,该算法在增强目标信噪比和抑制背景噪声方面,能够取得较好效果。

采用混合策略联合优化的模糊C-均值聚类信息熵点云简化算法

针对传统聚类算法处理点云简化问题时精度低、耗时长且易丢失特征信息等问题,提出了一种基于动态精英自适应混合策略的鹈鹕算法(DEAMPOA)与加权熵法联合优化的模糊C-均值聚类(FCM)信息熵点云简化算法。采用动态自适应种群混合策略,同时融合了精英反向化思路,显著提升了鹈鹕优化算法(POA)的收敛趋势和全局寻优能力,提高了寻找FCM最优聚类中心的成功率;利用DEAMPOA结合加权熵法对FCM进行优化,提高鲁棒性的同时增强了搜索精度,得到较好的聚类结果;在8种UCI标准数据集上与4种算法对比进行聚类性能评估实验,验证了所提方法综合性能优越;将所提方法与信息熵融合,并应用在三维点云KITTI数据集简化中。实验结果表明:与包围框简化法、随机采样简化法和特征选择简化法对比,所提方法全局误差简化前后点集之间平均欧式距离(MED)指标分别降低了2.25%、6.93%、5.74%,点云简化效果最优且运行速度满足要求。

噪声鉴别C均值聚类的滁菊花茶品质等级鉴别研究

近红外光谱检测技术可以通过探测近红外区域的光谱特征,反映所测样品内部有机物化学成分和结构信息。在分析物质成分时,近红外光谱通常会涉及到大量的波长数据,因此其维数往往比较高。同时,光谱会出现重叠和冗余等现象,会影响模型的性能。提出一种噪声鉴别C均值聚类(NDCM)算法。NDCM将一种快速广义噪声聚类(FGNC)和模糊线性判别分析(FLDA)相结合,可实现模糊聚类过程中进行数据鉴别信息的提取和数据空间维度的压缩,以达到更高的聚类准确率。对滁菊花茶近红外光谱数据进行模糊C均值聚类(FCM)得到的模糊隶属度和聚类中心作为噪声鉴别C均值聚类(NDCM)的初始模糊隶属度和初始聚类中心,使NDCM具有聚类速度快,准确率高等优点。FCM算法对光谱噪声数据敏感,而NDCM算法在处理含噪声的光谱数据时能够表现出较好的性能。该研究选取特级滁菊、一级滁菊、二级滁菊三种品质等级的滁菊花茶作为实验样本,共计240个样本。实验使用便携式近红外光谱仪(NIR-M-F1-C)采集滁菊花茶的近红外光谱数据。用Savitzky-Golay滤波和多元散射校正(MSC)对滁菊花茶近红外光谱进行预处理,以减少光谱中掺杂的噪声和重叠信息。通过主成分分析(PCA)对采集到的400维光谱数据进行维度压缩降至6维。该研究使用线性判别分析(LDA)提取滁菊花茶光谱数据中的鉴别信息,并将数据空间维度进一步转换为2维。分别用FCM,FGNC和NDCM三种算法对处理后的数据进行聚类分析,以实现对滁菊花茶的准确分类。实验结果显示:当权重指数m=2.5时,FCM,FGNC,NDCM的聚类准确率分别为92.42%,98.48%,100%。NDCM聚类时间略长于FGNC。FCM算法需要进行27次迭代才能收敛,而FGNC算法和NDCM算法分别只需要13次和10次迭代就能达到收敛。采用近红外光谱技术结合MSC、Savitzky-Golay滤波、PCA、LDA和NDCM算法,建立了一种精准鉴别滁菊花茶品质等级的聚类模型。

基于最大均值差异的能量侧信道泄露量化评估

能量侧信道分析是通过对密码设备运行时的能量消耗进行分析,推导出运行时的操作及操作涉及的敏感中间值.对密码设备进行能量泄露量化评估是分析密码设备信息泄露程度的重要手段,目前主流的评估方案主要关注于能量迹上单个样本点的泄露,并未充分考虑高阶攻击模型下的泄露评估问题,对于采用掩码防御措施的密码芯片来说,一旦发生泄露,通常表现为多变量联合泄露,因此采用传统的单样本点方法进行泄露评估会存在假阴性的问题.本文研究多点联合泄露评估问题,引入最大均值差异方法,提取能量迹的多变量联合特征,构建基于最大均值差异的能量泄露量化评估模型,提供了一种有效的能量侧信道泄露量化评估方法.通过实现无防御对策和有防御对策的AES算法,使用DPA contest v2、ASCAD v1和自采能量迹数据集进行实验,结果表明,基于最大均值差异的泄露量化评估方法能够有效降低单样本点检测方法出现假阴性的风险,HAC、MTD和Bartlett-F检验的对照结果也进一步验证了该方法的有效性.

一组加权平均值参数不等式

采用变量替换,构建了一组加权平均值参数不等式,对Popovic不等式与Rado不等式进行了加权推广,加细了加权算术几何调和平均值不等式.

基于改进Ratio统计量的重尾AR(p)时间序列均值变点检验

文章提出两个改进的Ratio统计量来研究重尾AR(p)时间序列均值变点检验问题,在原假设下推导了统计量的渐近分布,且在备择假设下证明了其一致性。由于重尾指数未知且难以估计,因此结合Wild Bootstrap重抽样方法来确定渐近分布的临界值;在均值变点存在的情形下,给出了变点位置的一致估计量。数值模拟结果表明:统计量的临界值均不受重尾指数和自回归系数的影响,其经验水平和经验势均取得满意的效果;尤其在原假设下,积分型Ratio统计量的经验水平表现出更好的稳健性,而在备择假设下,最值型Ratio统计量则具备更好的显著性。最后,基于一组股票数据,从实际应用角度进一步阐明所提方法的有效性和可行性。

融合均值榜样的反向互学习水母搜索算法

为解决水母搜索算法(jellyfish search algorithm,JS)的洋流运动缺乏多样性、群内运动缺乏引导性、种群间信息无交流,造成搜索速度慢、稳定性差及易早熟的问题,构建了一种融合均值榜样的反向互学习水母搜索算法(oppositional-mutual learning jellyfish search algorithm based on mean-value example,OMLJS).首先在水母跟随洋流运动(全局搜索)部分,利用前两代水母的平均位置代替只考虑上一代水母的平均位置来引导水母个体的位置更新,提高算法的全局搜索能力;其次在水母的群内主动运动(局部搜索)部分,利用最优个体代替随机个体来引导水母进行更有效的搜索,加快算法的收敛速度;然后在水母进入下一次迭代前增加对水母种群进行动态反向互学习步骤,增加种群多样性及增强种群间的信息交流,达到互补另外两个策略,提高算法的整体优化性能.选用12个经典的基准测试优化函数,将OMLJS与5个对比算法从解的平均值、最优值及方差进行对比分析,并用于求解最小生成树问题,OMLJS能够更快地找到最小生成树.实验结果表明,OMLJS的收敛速度、求解精度明显提高.

基于改进切尾均值的矿井图像去噪算法

现有矿井图像去噪算法对于复杂噪声的去除效果有限,且处理速度不能满足实时监控需求。针对该问题,提出一种基于改进切尾均值的矿井图像去噪算法。首先,采用切尾均值滤波器对图像噪声进行初步滤除,同时引入二次检验机制处理残留的噪声点,通过引入离散系数提升算法对不同像素的区分能力,增强去噪性能;其次,采用基于极值数量的分类处理及再次检验机制,有效减少残留噪声问题;然后,在小波函数中引入新的控制变量优化软阈值函数和硬阈值函数,构建双阈值函数,结合Radon变换增强对线性特征的处理,增强对矿井图像的检测能力;最后,采用均方误差(MSE)与峰值信噪比(PSNR)进行图像质量评价。实验结果表明:相较于切尾均值算法、硬阈值算法、软阈值算法,基于改进切尾均值的矿井图像去噪算法处理的图像的MSE增长相对缓慢,MSE最小,图像去噪效果最好;引入离散系数后,去噪图像的MSE相较于引入前低300 dB左右,PSNR相较于引入前高20 dB左右,引入离散系数能有效减少噪声点对算法的影响;相较于卡尔曼遗传优化算法、变换域图像去噪算法、交叉分支卷积去噪网络,基于改进切尾均值的矿井图像去噪算法处理的图像MSE分别降低了27,21,13 dB,PSNR分别提升了8,6,3 dB,去噪耗时分别缩短了0.20,0.16,0.14 s。

广义Kloosterman和及它的四次均值

为了研究对任意素数模p的一类广义Kloosterman和的四次均值,利用初等与解析方法、Gauss和以及三角和的转换性质引入了当素数p≡1 mod 4时该均值的计算问题,并将该类均值转化为特征和的简易形式。从计算结果上对均值的估计具有充分性,从计算方法上对广义Kloosterman和各种形式的四次均值研究具有重要的参考价值。此外,这也为指数和均值计算问题提供了一种新的转化思路与方法,必将对有关问题的进一步探索起到推动作用。

老年人家庭代际关系模式及其影响因素研究——基于代际双向报告的K均值聚类分析

在传统的代际关系模式研究中,数据往往来自家庭中父母或子女一方的报告,然而仅凭借“一面之词”对代际关系进行测量真的准确吗?这一问题的背后透视出当前国内相关研究中双向报告视角的缺失。利用2020年中国家庭追踪调查(CFPS)数据,运用K均值聚类分析及多层Logistic回归方法,探究当前中国老年人家庭中代际关系的双向报告状况、代际关系模式及其影响因素。研究结果表明:首先,老年父母的代际关系报告平均得分要略低于成年子女的报告平均得分,但两者间并不存在显著差异,代际利益假说未获支持。其次,基于双向报告的聚类结果,可将老年人家庭代际关系具体划分为结构维度上的“亲子一致型”、“亲近子疏型”、“亲疏子近型”模式与水平维度上的“亲子和睦型”、“亲子有隙型”、“亲子疏离型”模式。最后,从代际关系模式的影响因素来看,代际结构、老年父母特征及成年子女特征均会在结构维度与水平维度上产生显著影响,而家庭特征仅在水平维度上产生显著影响。简言之,两代人的年龄差距越大、父母年龄越小、子女年龄越大,越可能形成评价一致的代际关系;两代人的年龄差距越大、两代人的性别一致、父母年龄越小、父母获得子女支持以及在城镇家庭中,越可能形成和睦的代际关系。

基于局部均值分解与局部离群因子动力电池故障诊断

动力电池故障诊断是保证电动汽车正常运行的关键。提出一种基于局部均值分解和局部离群因子的动力电池故障诊断方法,用于电池组故障识别与定位。通过局部均值分解对电压信号预处理,并根据相关系数高低重构电压信号。进一步提取重构信号的峭度因子作为故障特征输入到局部离群因子算法中,根据局部离群因子算法自适应阈值输出故障电池。采用实车数据验证了所提方法能有效、准确地检测出故障,具有较好的可靠性与鲁棒性。

船用柴油机均值模型建模及仿真研究

柴油机模型的研究是探究柴油机性能、实现虚拟仿真的基础,可缩短仿真计算时间、有效节约柴油机开发成本。本文以RK270柴油机为研究对象,使用GT-POWER软件建立稳态性能仿真模型,在此基础上,采用仿真精度高、计算速度快的平均值法,以C++语言建立柴油机平均值模型,并归纳通用的平均值模型建模标定校核流程;提出二元响应拟合的方法,解决了涡轮增压器特性参数处理困难的问题,并借助数学工具,获得了压气机主要工作区域内拟合精度较高的模型。完成模型开发后,分析了8组工况下的仿真结果,通过误差分析,验证了模型的准确性,丰富完善了柴油机建模理论和方法,可应用于实时控制模型的动态仿真或者实现与船舶动力系统的交互。

基于覆盖树的自适应均值漂移聚类算法

为解决均值漂移聚类算法聚类效果依赖于带宽参数的主观选取,以及处理密度变化大的数据集时聚类结果精确度问题,提出一种基于覆盖树的自适应均值漂移聚类算法MSCT(MeanShift based on Cover-Tree)。构建一个覆盖树数据集,在计算漂移向量过程中结合覆盖树数据集获得新的漂移向量结果KnnShift,在不同数据密度分布的数据集上都能自适应产生带宽参数,所有数据点完成漂移过程后获得聚类结果。实验结果表明,MSCT算法的聚类效果整体上优于MS、DBSCAN等算法。

树状结构在数据流求均值中的应用

数据采集过程中,随着数据的增加,数据的平均值持续发生变化。为了研究平均值的变化过程,分析平均值序列的计算方法是有必要的。传统的方法是使用线性顺序存储方式计算均值序列,总的时间复杂度高达O(n2)。提出利用树状结构存储方法求取均值序列,并介绍其实现方法,该方法时间复杂度大大降低,仅为O(n*lnn)。

关于加权平均值中变量个数n的六个单调函数

对加权平均值不等式采用变量替换的方法,构建了6个关于加权平均值变量个数的有趣单调递增(减)函数.

优化模糊C均值聚类的台区用户用电特征分析方法

精准的用户特性分析方法是配电网模型计算与电力服务制定的重要基础之一,为克服现有配电台区多样性用户划分的数量选择与特征选择难题,提出一种优化模糊C-均值聚类的用户用电特征分析方法。利用优化的模糊C-均值算法实现聚类分析,通过聚类中心建立特征模型,从而获知多样化场景下配电台区用户特性。在聚类过程中,通过蜜獾算法优化选取模糊C-均值聚类初值,来应对易局部最优的难题,找到目标函数最小的结果;利用指标自适应极小值的原则选取最佳聚类数,使聚类中心代表性更强。通过天津地区的典型案例获取用户用电特征,实现聚类目标函数与结果综合性评价指标最优的目的。

量子均值估计算法研究进展

随机变量的均值估计问题一直是经典数据分析中研究的热点,均值估计算法的目的是通过对随机变量尽可能少地采样从而获得尽可能准确的均值估计值。量子计算作为一项革命性的技术,在一些问题上具有超越经典计算的优势。量子算法在均值估计问题上相对于经典算法具有平方加速,展现了量子计算的优越性。该文系统梳理了量子均值估计算法的发展历程,详细介绍了各阶段的算法流程及其优缺点,并对其主要应用场景进行了展示,最后讨论了量子均值估计算法的潜在发展方向。

基于梯度场和非局部均值的复杂工件图像增强算法

由于高动态X射线成像系统与工件自身结构复杂性,复杂异形工件的射线图像往往呈现对比度低或特征信息不明确的问题。针对该问题,本文提出基于梯度场和非局部均值降噪的图像增强算法,提高视觉质量。首先,基于梯度场和局部方差构建对比度的自适应增强模型,提高射线图像的对比度;然后,利用非局部均值对图像进行去噪,特别地,本文构建了基于泊松分布的非局部均值算法进行图像去噪,从而得到增强的对比度场;最后,建立能量泛函并用梯度下降法求解来获得具有微小细节的更高质量的图像。实验部分对3个复杂异形工件的X射线图像进行图像增强和缺陷检测实验,结果证实了本文算法的有效性。

均值方差保费原理下带有时滞的鲁棒最优再保险和投资策略

研究带有时滞的保险公司鲁棒最优再保险和投资策略问题。假定保险公司通过购买比例再保险来转移部分索赔风险,且依据广义均值方差保费原理支付再保险保费。同时,保险公司将资产投资于由一种无风险资产和一种风险资产组成的金融市场。风险资产模型的瞬时期望收益率服从均值回复Ornstein-Uhlenbeck(O-U)过程。以保险公司终端财富的指数效用期望最大为优化目标,运用动态规划原理,通过求解相应的Hamilton-Jacobi-Bellman(HJB)方程,得到最优再保险–投资策略以及相应值函数的显式表达式。最后,通过数值分析讨论模型主要参数对最优策略的影响。结果显示,再保险策略主要受保险市场模型参数和无风险资产模型参数的影响,而与风险资产模型的参数及风险资产预期收益率模型的参数无关。另一方面,时滞效应和鲁棒因素会对最优再保险–投资策略产生较大的影响,考虑时滞效应可以增强保险公司财富的稳定性,考虑模型不确定性能有效降低概率测度不精确带来的风险。

基于融合距离的极化SAR图像非局部均值滤波

在极化合成孔径雷达(synthetic aperture radar,SAR)图像降噪领域,常见的非局部均值滤波仅依靠像素间的统计距离进行相似性度量,忽略了像素点的空间信息。本文结合极化SAR数据统计特性和图像空间特征作为像素间的相似性度量,提出了一种利用融合距离来计算相邻窗口权重的方法——基于融合距离的非局部均值滤波器。融合距离的引入使得滤波器能够更全面的评估像素间的相似性,从而得到更合适的像素权重。此外,本方法还引进变异系数对邻域窗口的权重进行评估,通过该参数可以控制滤波的程度。在多幅极化SAR图像上的实验结果表明,所提出的滤波器能够在有效抑制斑点噪声的同时保留较为完整的图像边缘信息和极化散射特性。