检索结果-内蒙古大学图书馆

声学技术 2007年第3期26卷 498-502页

作者：王平波蔡志明刘旺锁海军工程大学电子工程学院武汉430033

混合高斯模型是对非高斯数据进行概率密度拟合典型模型,其参数估计可以通过期望最大化(EM)迭代算法获得。多维混合高斯模型参数的EM估计因结构庞杂而难以求解,而对主动检测背景的统计特性拟合来说,一维的混合高斯模型一般即已足够。描... 详细信息

混合高斯模型是对非高斯数据进行概率密度拟合典型模型,其参数估计可以通过期望最大化(EM)迭代算法获得。多维混合高斯模型参数的EM估计因结构庞杂而难以求解,而对主动检测背景的统计特性拟合来说,一维的混合高斯模型一般即已足够。描述了该情形下的混合高斯模型及其参数估计问题之后,导出了一种工程实用的、简化的EM迭代算法,并给出了可计算机编程实现的算法流程图。然后详细探讨了对EM估计精度与速度有着重要影响的参数初始化问题,给出了三种可选择的初值设置方案:高速度方案、高精度方案和二者的折衷方案,并分析了它们各自的适用场合。最后,结合一组数值仿真实例,演示了EM迭代算法的良好的混合高斯模型参数估计性能。

关键词：混合高斯概率密度模型 EM 最大似然估计

来源：评论

学校读者我要写书评

暂无评论

一种基于模糊序优化的风功率概率模型非参数核密度估计方法

一种基于模糊序优化的风功率概率模型非参数核密度估计方法

引用

作者：杨楠周峥崔家展张善咏张刘峰侯杰王璇黎索亚 443002 湖北省宜昌市大学路8号

一种基于模糊序优化的风功率概率模型非参数核密度估计方法，该方法属于风电场规划领域。包括步骤一：采用非参数核密度估计方法建立风动率概率密度模型，该模型的精确性由带宽值决定；步骤二：以非参数核密度估计函数曲线的准确性及平... 详细信息

标准号: CN105225000B

一种基于模糊序优化的风功率概率模型非参数核密度估计方法，该方法属于风电场规划领域。包括步骤一：采用非参数核密度估计方法建立风动率概率密度模型，该模型的精确性由带宽值决定；步骤二：以非参数核密度估计函数曲线的准确性及平滑性为评价指标，建立带宽优化模型；步骤三：将带宽优化模型模糊化；步骤四：基于序优化理论求解带宽优化模型。本发明对于研究建模过程实用简单，且模型具有较高的精度及普遍适用性，有助于计算风电场的有效容量，因而具有重要的理论和工程价值。

关键词：核密度估计带宽优化非参数风电场概率密度模型普遍适用性概率模型规划领域函数曲线建模过程评价指标有效容量风功率模糊化平滑性求解风动优化带宽模糊研究

来源：评论

学校读者我要写书评

暂无评论

一种基于模糊序优化的风功率概率模型非参数核密度估计方法

一种基于模糊序优化的风功率概率模型非参数核密度估计方法

引用

作者：杨楠周峥崔家展张善咏张刘峰侯杰王璇黎索亚 443002 湖北省宜昌市大学路8号

标准号: CN105225000A

关键词：核密度估计带宽优化非参数风电场概率密度模型普遍适用性概率模型函数曲线评价指标优化理论有效容量带宽值风功率模糊化平滑性求解风动建模一种模糊实用计算建立优化规划决定研究

来源：评论

学校读者我要写书评

暂无评论

旋流两相流动的DSM—PDF两相湍流模型

引用

工程热物理学报 1999年第2期20卷 252-257页

作者：周力行李勇清华大学工程力学系北京100084

本文提出了气相雷诺应力方程模型和颗粒概率密度输运方程模型相结合而构成的ＤＳＭ—ＰＤＦ两相湍流模型，并用该模型和ｋ－ε－Ｋｐ模型模拟了文献中测量的旋流数为０．４７的旋流突扩气粒两相流动．和测量结果的对照表明，两模型都能... 详细信息

本文提出了气相雷诺应力方程模型和颗粒概率密度输运方程模型相结合而构成的ＤＳＭ—ＰＤＦ两相湍流模型，并用该模型和ｋ－ε－Ｋｐ模型模拟了文献中测量的旋流数为０．４７的旋流突扩气粒两相流动．和测量结果的对照表明，两模型都能较好地模拟族流数不高的两相流动平均速度场，但ＤＳＭ—ＰＤＦ模型可以揭示出两相湍流的各向异性，因此有预报强旋两相流动的潜力．

关键词：旋流两相流动概率密度模型两相湍流模型

来源：评论

学校读者我要写书评

暂无评论

高速列车作用下南京大胜关大桥动位移响应分析

引用

铁道科学与工程学报 2018年第9期15卷 2187-2195页

作者：赵瀚玮丁幼亮李爱群东南大学混凝土及预应力混凝土结构教育部重点实验室江苏南京210096 北京建筑大学北京未来城市设计高精尖创新中心北京100044

基于南京大胜关大桥健康监测系统的速度监测数据,获取桥梁各部位在高速列车作用下的准静态位移响应和自由振动位移响应。讨论桥梁结构准静态位移响应、自由振动位移响应与位移动力系数的空间分布特征。建立桥梁结构在高速列车作用下的... 详细信息

基于南京大胜关大桥健康监测系统的速度监测数据,获取桥梁各部位在高速列车作用下的准静态位移响应和自由振动位移响应。讨论桥梁结构准静态位移响应、自由振动位移响应与位移动力系数的空间分布特征。建立桥梁结构在高速列车作用下的准静态位移响应、自由振动位移响应与位移动力系数概率密度模型。研究结果表明:南京大胜关大桥的主梁横向、墩顶纵向的准静态位移响应幅值与自由振动位移响应幅值存在桥梁中部(中间墩处)响应最大的空间分布特征;在长期运营过程中,南京大胜关大桥各部位单次过车的准静态位移响应服从Log-Logistic分布,自由振动位移响应服从t Location-scale分布,位移动力系数服从Burr分布。

关键词：大跨钢桁拱桥桥梁健康监测动位移空间分布概率密度模型

来源：评论

学校读者我要写书评

暂无评论

基于非线性量化概率模型的弱小目标跟踪

引用

激光与红外 2017年第7期47卷 900-905页

作者：张强潘卫军朱新平王玄中国民用航空飞行学院空中交通管理学院四川广汉618307

针对红外弱小目标跟踪问题,提出一种基于非线性量化概率密度模型匹配的快速跟踪方法。首先分析了红外弱小目标的灰度特性和多帧运动相关特性,引入α-β滤波对红外目标进行运动相关跟踪,并预测下一帧图像中目标的质心位置,然后提出一种... 详细信息

针对红外弱小目标跟踪问题,提出一种基于非线性量化概率密度模型匹配的快速跟踪方法。首先分析了红外弱小目标的灰度特性和多帧运动相关特性,引入α-β滤波对红外目标进行运动相关跟踪,并预测下一帧图像中目标的质心位置,然后提出一种适合红外弱小目标的非线性量化概率密度模型,通过在预测邻域内进行模板匹配来跟踪真实目标。实验结果表明该方法用于红外弱小目标的跟踪精度和处理速度明显优于现有算法,工程意义显著。

关键词：红外弱小目标跟踪 α-β滤波非线性量化概率密度模型

来源：评论

学校读者我要写书评

暂无评论

DSM-LPDF两相湍流模型及旋流两相流动的模拟

引用

工程热物理学报 2001年第5期22卷 641-644页

作者：柳朝晖郑楚光周力行华中理工大学煤燃烧国家重点实验室湖北武汉430074 清华大学工程力学系北京100084

本文由流体－颗粒速度的拉氏联合概率密度函数（ＰＤＦ）输运方程出发，用Ｓｉｍｏｎｉｎ建议的Ｌａｎｇｅｖｉｎ模型封闭颗粒所遇到流体瞬时速度的条件期望项，并用ＭｏｎｔｅＣａｒｌｏ方法直接求解ＰＤＦ输运方程，将其和求解流体... 详细信息

本文由流体－颗粒速度的拉氏联合概率密度函数（ＰＤＦ）输运方程出发，用Ｓｉｍｏｎｉｎ建议的Ｌａｎｇｅｖｉｎ模型封闭颗粒所遇到流体瞬时速度的条件期望项，并用ＭｏｎｔｅＣａｒｌｏ方法直接求解ＰＤＦ输运方程，将其和求解流体雷诺应力方程模型的有限差分方法结合，建立了雷诺应力－拉氏ＰＤＦ（ＤＳＭ－ＬＰＤＦ，简称ＤＬ）两相湍流模型．用此模型模拟了旋流数为０．４７的突扩旋流气粒两相流动，并与文献中ＰＤＰＡ实验和用类似于单相流动湍流模型封闭方法的时平均统一二阶矩（ＵＳＭ）模型的预报进行了对比．

关键词：概率密度模型两相湍流模型旋流两相流动 DSM-LPDF

来源：评论

学校读者我要写书评

暂无评论

基于殖民地位置信息的自适应帝国主义竞争算法

引用

现代电子技术 2018年第2期41卷 124-129页

作者：刘阿建梁凤梅太原理工大学信息工程学院山西太原030024

在元启发式算法中,问题优化的质量取决于算法参数的精准设定,而参数的设定通常没有一个确定的标准,重复实验又耗时耗力。偏离角度是帝国主义竞争算法(ICA)中的一个重要参数,盲目选取可能会导致算法陷入局部最优解,出现早熟收敛现象。为... 详细信息

在元启发式算法中,问题优化的质量取决于算法参数的精准设定,而参数的设定通常没有一个确定的标准,重复实验又耗时耗力。偏离角度是帝国主义竞争算法(ICA)中的一个重要参数,盲目选取可能会导致算法陷入局部最优解,出现早熟收敛现象。为了克服该缺陷,提出一种基于殖民地位置信息概率密度函数的自适应帝国主义竞争算法。在帝国主义者同化殖民地过程中,根据殖民地密度函数动态地调整其向帝国主义者运动的偏离角度,提高殖民地脱离局部最优解探寻全局最优解的能力。另一方面,帝国主义者通过及时掠取殖民地位置中的有用信息降低自己的成本函数,延伸了原算法中殖民地与帝国主义者位置互换的步骤,加快了算法的收敛速度。在一系列的基准函数测试中,所提算法在收敛速度和优化性能上均优于原ICA和另外几种经典的遗传算法。

关键词：帝国主义竞争算法同化政策概率密度模型偏离角度殖民地位置全局优化

来源：评论

学校读者我要写书评

暂无评论

混响的混合高斯概率密度建模

引用

声学技术 2007年第3期26卷 514-518页

作者：卫红凯王平波蔡志明蒋来兴海军工程大学电子工程学院武汉430033

混合高斯模型能够有效地拟合混响背景的一维概率密度分布。常用的混合高斯概率密度模型参数估计方法是EM迭代算法,但这种算法的主要缺点是估计精度过分依赖于初始值。而GreedyEM算法通过往混合模型中不断地加入高斯分量,能很好地解决这... 详细信息

混合高斯模型能够有效地拟合混响背景的一维概率密度分布。常用的混合高斯概率密度模型参数估计方法是EM迭代算法,但这种算法的主要缺点是估计精度过分依赖于初始值。而GreedyEM算法通过往混合模型中不断地加入高斯分量,能很好地解决这一问题。文章将多维图象处理中的GreedyEM算法加以合理简化,并给出模型自动定阶方法,从而成功应用于水声混响的一维混合高斯模型建模中。实验结果表明:应用新算法能从混响接收数据中准确拟合其概率密度曲线,并且能适应不同的数据长度,具有很好的通用性。

关键词：混合高斯概率密度模型 EM GreedyEM

来源：评论

学校读者我要写书评

暂无评论

基于概率型证据迭代融合的工业报警器设计方法

基于概率型证据迭代融合的工业报警器设计方法

引用

作者：张凯杭州电子科技大学

学位级别：硕士

在工业生产过程中,工业报警系统能够对过程变量进行分析处理,以研判关键设备的异常状态,并发出警报以便能够及时对其采取维护措施,以免出现重大损失。报警系统的性能指标可以由误报率(FAR)、漏报率(MAR)、平均报警延迟(AAD)来评估。传... 详细信息

在工业生产过程中,工业报警系统能够对过程变量进行分析处理,以研判关键设备的异常状态,并发出警报以便能够及时对其采取维护措施,以免出现重大损失。报警系统的性能指标可以由误报率(FAR)、漏报率(MAR)、平均报警延迟(AAD)来评估。传统的报警器设计方法通常是在获取过程变量概率分布特征后,理论推导出三个性能指标的概率表达式,然后基于这些概率模型优化报警器的阈值等参数,从而设计出满足性能要求的报警器。概率模型能描述过程变量整体上和宏观上的变化规律,但在时间维度上,过程变量连续采样值之间微观的不确定性变化难以用概率模型精确捕捉。而Dempster-Shafer(DS)证据理论在处理不确定信息方面相对概率法具有一定的优势,已有学者将其应用到报警器的设计中,并取得了显著的效果。基于DS证据理论,本文综合考虑了过程变量变化的宏观概率特性和微观动态特性,设计性能更加优越的报警器,主要工作如下:(1)过程变量有限高斯混合(FGM)概率模型的构造方法。将二元分割法(Binary Segmentation,BS)与Pettitt检验法相结合(BS-Pettitt)进行过程变量采样值序列的多变化点检测,并基于假设检验方法对正常和异常数据进行分类。然后,基于有限高斯混合模型分别估计出正常状态和异常状态的概率密度模型,为后续报警器设计打下基础。(2)概率型报警证据迭代融合及工业报警器设计。基于(1)中的概率模型,计算过程变量采样值处于正常和异常状态的概率密度,通过概率密度值的归一化处理,将过程变量数据转化为报警证据;利用证据推理规则迭代融合当前和历史时刻的报警证据,并利用融合后的报警证据进行决策。(3)样本不均衡条件下的报警证据构建与报警器设计。对于过程变量数据表现出不均衡特性(异常样本远少于正常样本),以及生产过程中正常、异常状态切换较为频繁的情况,(1)中概率模型的精度就难以保证。此时,利用基于样本投点统计的似然概率归一化方法,构建过程变量的参考证据矩阵(REM),以客观描述不均衡特性,并从中获取报警证据;最后利用(2)中的证据推理方法实现融合决策。对于以上研究内容,通过仿真实验和工业案例说明所提方法相较于传统报警器设计方法,具有更好的综合性能。

关键词：工业报警器设计概率密度模型证据理论参考证据矩阵

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：