检索结果-内蒙古大学图书馆

交通运输系统工程与信息 2020年第6期20卷 247-252页

作者：陈仲中国城市规划设计研究院北京100037

手机信令数据不仅记录个体出行轨迹,也为分析城市活动空间分布特征提供了基础.本文提出一种基于狄利克雷混合模型的城市活动特征聚类方法,以手机信令提取居民出行OD为基础,将每个基站的到发出行量作为表征该基站所处空间位置的活动特征... 详细信息

手机信令数据不仅记录个体出行轨迹,也为分析城市活动空间分布特征提供了基础.本文提出一种基于狄利克雷混合模型的城市活动特征聚类方法,以手机信令提取居民出行OD为基础,将每个基站的到发出行量作为表征该基站所处空间位置的活动特征,研究特征的聚类方法.引入狄利克雷分布作为先验分布,由中餐馆模型推定特征聚类数量.与其他聚类方法相比,该方法最大的优点在于无需事先指定聚类数量,避免了传统聚类方法的缺陷.将本文方法应用到三亚市城市活动特征聚类当中,结果能够有效地反应不同城市功能组团的活动特征.

关键词：城市交通出行特征狄利克雷过程混合模型手机信令

来源：评论

学校读者我要写书评

暂无评论

基于狄利克雷过程混合模型的车险贝叶斯保费分析

基于狄利克雷过程混合模型的车险贝叶斯保费分析

引用

作者：高云翔对外经济贸易大学

学位级别：硕士

自党的二十大以来，中国的保险市场已经变得越来越多元化，保险行业也正在从规模扩大转变为质量提升，迈向了更加高效的发展阶段。2020年9月，银保监会积极推动车险综合改革，大力鼓励财险公司开发创新型产品，并要求车险费率设定更具... 详细信息

自党的二十大以来，中国的保险市场已经变得越来越多元化，保险行业也正在从规模扩大转变为质量提升，迈向了更加高效的发展阶段。2020年9月，银保监会积极推动车险综合改革，大力鼓励财险公司开发创新型产品，并要求车险费率设定更具针对性、个性化，以及建立完善的多层次车险市场体系。　　本文正是基于这样的背景写就的，参考国内外经验，建立科学严谨的车险贝叶斯保费厘定体系。通过建立参数模型和非参数模型，对模拟数据和国内某大型财险公司赔付数据进行分析，旨在说明狄利克雷过程混合模型在贝叶斯保费计算当中的优势。　　全文结构如下:　　第一章是绪论部分，旨在探讨研究背景、目的和意义，并对国内外相关领域的研究现状进行深入分析。此外，还将探讨研究思路以及创新之处。　　第二章对本文关键词贝叶斯非参数模型,狄利克雷过程,狄利克雷过程混合模型以及贝叶斯保费理论形式的推导做了简要介绍。　　第三章在参数和非参数情景下设定模型的数学结构。　　第四章随机模拟出不同结构的数据，用上述参数和非参数模型进行模拟研究,说明非参数模型在不同先验信息下的实用性。　　第五章对实际的车险索赔数据进行说明，处理后展开实证研究，并比较参数和非参数情形下的模型表现。　　第六章对全文的分析研究进行整理总结，并指出本文研究的不足之处。

关键词：车险保费费率厘定狄利克雷过程混合模型

来源：评论

学校读者我要写书评

暂无评论

基于狄利克雷过程混合模型的宽带频谱感知

基于狄利克雷过程混合模型的宽带频谱感知

引用

作者：司艳玲哈尔滨工业大学

学位级别：硕士

本文主要对宽带频谱感知问题进行研究,宽带频谱感知又叫做多频带信号频谱感知,主要是指检测的频带内同时有多个信号需要感知。和窄带频谱感知不同的是,窄带频谱感知只是检测信号的有无,只需要检测一个信号,宽带频谱感知一次需要检测多... 详细信息

本文主要对宽带频谱感知问题进行研究,宽带频谱感知又叫做多频带信号频谱感知,主要是指检测的频带内同时有多个信号需要感知。和窄带频谱感知不同的是,窄带频谱感知只是检测信号的有无,只需要检测一个信号,宽带频谱感知一次需要检测多个信号,并且检测时不知道信号个数。因此传统的频谱感知方法,如能量检测,匹配滤波检测和循环平稳检测并不适用。有一些研究先假设信号个数已知,再进行进一步的频谱感知,这种假设不符合实际情况。本文提出了一种用于宽带频谱感知的聚类方法,提出的聚类方法基于狄利克雷过程混合模型,该模型可以根据从信号的频谱或循环谱中提取的特征推断信号的数量和载频。该算法不需要明确知道现有信号的个数,本文假设簇参数是从混合模型中提取出的,通过吉布斯采样,确定最适合观测数据的聚类参数。本文的具体研究内容如下:首先,由于目前对于宽带频谱感知的相关定义没有明确标准,相关的参数也没有统一的定义,本文对宽带频谱感知的系统模型进行了设计说明,说明了检测频带带宽,信号带宽,信号之间的关系,信号的形式,以及本文中信噪比的定义。由于本文处理的是宽带信号问题,对接收到的信号进行采样之前进行下变频处理。其次,本文对高斯信道下接收到的宽带信号进行分析,对宽带频谱感知问题和狄利克雷过程混合模型分析对比,证明狄利克雷过程混合模型可以适用于宽带频谱感知问题,不需要精确的信号个数,需要一个信号可能出现的最大个数,可由经验统计得到,再塌缩式地更新信号个数。本文选取了两种信号特征,功率谱特征和循环谱特征,从理论上分析,循环谱的抗噪声性比功率谱好,但是同时循环谱的计算复杂度也比功率谱更高。本文分别从功率谱和循环谱中提取特征,使用基于狄利克雷过程混合模型的方法进行聚类,对性能进行仿真分析,验证了使用循环谱做特征性能更好同时复杂度更高。最后,本文对衰落信道下的宽带频谱感知问题进行分析,建模非频率选择性慢衰落信道下的接收到的无线信号,通过将认知用户感知信号的方式由单节点改变为多用户频谱感知来降低信号衰落的影响。多用户频谱感知虽然能提升感知性能,但是数据量变大了,本文尝试采用压缩感知采样恢复的循环谱进行频谱感知,并仿真分析了它与奈奎斯特采样恢复的循环谱以及功率谱的性能,并仿真分析压缩比对算法性能的影响。本文使用载频在2.4G附近ISM波段的信号进行仿真分析,并在高斯下和衰落信道下分别使用基于狄利克雷过程混合模型的算法和K-means算法进行宽带频谱感知,和K-means算法相比,本文的算法不需要已知信号的个数,但是性能相近。本文对信号个数未知的宽带频谱感知问题,定义了成功率,错检率,漏检率以及平均绝对误差等指标来衡量算法性能。

关键词：宽带频谱感知狄利克雷过程混合模型 K均值循环谱压缩感知

来源：评论

学校读者我要写书评

暂无评论

基于狄利克雷过程混合模型的多元多模态过程质量监控研究

基于狄利克雷过程混合模型的多元多模态过程质量监控研究

引用

作者：龚仁平天津理工大学

学位级别：硕士

随着我国经济的发展和科技的进步,现代工业生产过程规模逐步扩大,复杂程度越来越高,如何保障生产过程稳定并有效提高产品质量成为现代工业面临的主要挑战之一。复杂的工业过程可能涉及多种相关的质量特性和多种操作模式,这类过程称为多... 详细信息

随着我国经济的发展和科技的进步,现代工业生产过程规模逐步扩大,复杂程度越来越高,如何保障生产过程稳定并有效提高产品质量成为现代工业面临的主要挑战之一。复杂的工业过程可能涉及多种相关的质量特性和多种操作模式,这类过程称为多元多模态过程,其过程数据具有多元多模态特征。然而,现有的统计过程控制方法往往不太适应,因为它们不能解决多元多模态数据监测所带来的挑战。它们要求过程数据是单模态或同分布的,或者假设关于多模态过程的信息是先验已知的。因此,本文研究多元多模态过程的非参数质量监控方法,以弥补上述不足,具体研究内容如下: 第一,为充分描述多元多模态过程特征,本文使用数据驱动式的狄利克雷过程混合模型对多元多模态过程建模。基于该模型,构建一种基于负对数似然值的非参数EWMA控制图。第二,为评估模型估计效果和控制图在不同失控情景下的监控性能,本文使用基于惩罚高斯混合模型建模的负对数似然EWMA控制图作为比较方法,采用蒙特卡罗方法进行仿真实验。第三,将本文构建的多元多模态过程非参数控制图应用到实际案例中,分析本文构建的控制图的实践应用效果。研究结果表明,本文构建的非参数控制图具有更好的模型估计效果,在模型参数偏移和模型阶数变化的失控情景下具有更优于比较方法的监控性能。此外,本文构建的非参数控制图能有效的应用于生产实践,并更快的识别过程失控。因此,本文的研究丰富了多元多模态过程质量监控方法的研究内容,提供了新的思路,具有一定的理论意义。同时,本文的研究能针对实际生产过程中的变化及时发出警报,为质量管理决策提供依据,有效的提高质量管理水平,减少损失,具有一定的实践价值。

关键词：统计过程控制多元多模态过程狄利克雷过程混合模型非参数方法在线监控

来源：评论

学校读者我要写书评

暂无评论

一种基于狄利克雷过程混合模型的文本聚类算法

引用

信息网络安全 2015年第11期 60-65页

作者：高悦王文贤杨淑贤四川大学计算机学院网络与可信计算研究所四川成都610065 四川大学网络空间安全研究院四川成都610065 最高人民检察院北京100726

随着互联网的普及,论坛、微博、微信等新媒体已经成为人们获取和发布信息的重要渠道,而网络中的这些文本数据,由于文本数目和内容的不确定性,给网络舆情聚类分析工作带来了很大的挑战。在文本聚类分析中,选择合适的聚类数目一直是一个... 详细信息

随着互联网的普及,论坛、微博、微信等新媒体已经成为人们获取和发布信息的重要渠道,而网络中的这些文本数据,由于文本数目和内容的不确定性,给网络舆情聚类分析工作带来了很大的挑战。在文本聚类分析中,选择合适的聚类数目一直是一个难点。文章提出了一种基于狄利克雷过程混合模型的文本聚类算法,该算法基于非参数贝叶斯框架,可以将有限混合模型扩展成无限混合分量的混合模型,使用狄利克雷过程中的中国餐馆过程构造方式,实现了基于中国餐馆过程的狄利克雷混合模型,然后采用吉布斯采样算法近似求解模型,能够在不断的迭代过程中确定文本的聚类数目。实验结果表明,文章提出的聚类算法,和经典的K-means聚类算法相比,不仅能更好的动态确定文本主题聚类数目,而且该算法的聚类质量(纯度、F-score和轮廓系数)明显好于K-means聚类算法。

关键词：文本聚类狄利克雷过程混合模型非参数贝叶斯吉布斯采样

来源：评论

学校读者我要写书评

暂无评论

猕猴在自步任务线索范式下任务切换过程中的心理机制 ——基于广义线性混合模型与概率分布模型的研究

猕猴在自步任务线索范式下任务切换过程中的心理机制 ——基于广...

引用

作者：曹魏聪华东师范大学

学位级别：硕士

任务线索范式(Task-cueing paradigm)是任务切换(Task Switching)领域常见的研究范式。大量的研究通过操纵线索出现后的准备时间研究线索切换对任务切换损失的影响,认为线索切换会导致任务重建(task-set reconfiguration)或任务间的干扰... 详细信息

任务线索范式(Task-cueing paradigm)是任务切换(Task Switching)领域常见的研究范式。大量的研究通过操纵线索出现后的准备时间研究线索切换对任务切换损失的影响,认为线索切换会导致任务重建(task-set reconfiguration)或任务间的干扰(interference),进而引发任务切换损失(task switch cost)。然而在这些研究中,准备时间均由研究者事先设定,被试仅能被动地接受任务流程完成实验,这可能会干扰被试面对线索切换时的正常反应,而不能反映被试在线索切换任务中完整的心理过程。此外,以往的研究往往直接使用包括ANOVA在内的一般线性模型分析反应时均值,平均正确率等汇总统计量,忽略了这些汇总统计量的分布通常都是非正态的,也不满足方差齐性这一事实。本研究在传统任务线索范式的基础上引入自步的实验设置,在线索出现后,由被试自主决定何时开始实验任务。并以时序判断任务和分辨率判断任务为目标任务,成功训练猕猴掌握了这一范式。本研究中的正式实验综合考察了任务类型,任务难度以及切换类型对任务切换过程的影响,并使用广义线性混合模型对准备时间的均值、反应时的均值以及平均正确率这三个汇总统计量进行了分析,并使用ex-Gaussian模型拟合了反应时的平均分布,基于狄利克雷过程混合模型对准备时间的平均分布进行了建模。以期从分布的形式与参数中获取更多有价值的信息,以更好地了解任务切换的心理机制。通过对准备时间的均值以及准备时间平均分布的分析,结果发现:在自步的实验设置下,准备时间虽然仍会受到切换类型的影响,但是不会影响任务表现。在准备阶段,被试并不会在每个试次中都针对任务进行准备,有些时候会忽略线索直接进入任务阶段。针对任务进行准备的比例是影响准备时间长短的关键因素。通过对被试反应时均值、反应时的平均分布以及平均正确率的分析可以发现:反应时和正确率会受到任务类型与任务难度的影响,不同任务类型与任务难度下反应时和正确率的差异是任务特质的外在体现。反应时和正确率也确实会受到切换类型的影响,但与传统研究中的发现不同,在自步的实验设置下,任务切换会提升任务表现。针对反应时平均分布的分析则表明,切换类型仅会影响被试的专注程度,而对完成任务的能力没有影响。本研究通过引入自步的设置,更加完整地呈现了准备阶段的心理过程,为系统、有效地探究任务切换过程的心理机制提供可靠基础。使用广义线性混合模型和概率分布模型对数据进行分析,得到了更加准确、可靠的结论,并在此基础上提出了准备阶段存在两种互斥的心理过程的猜想,为相关领域的研究提供了有益的补充。而猕猴任务切换模型的建立,为进一步深入研究任务切换的神经机制提供了便利。

关键词：任务切换自步准备时间平均分布狄利克雷过程混合模型

来源：评论

学校读者我要写书评

暂无评论

Dirichlet过程混合模型聚类的GPU实现和优化

Dirichlet过程混合模型聚类的GPU实现和优化

引用

作者：雪小帅中国科学院大学

学位级别：硕士

聚类分析是一种原理简单、应用广泛的数据挖掘技术，即把若干事物按照某种标准归为几个类别，其中较为相近的聚为一类，不那么相近的聚于不同类。聚类分析在客户分类、文本分类、基因识别、空间数据处理、卫星图片分析、医疗图形自动检... 详细信息

聚类分析是一种原理简单、应用广泛的数据挖掘技术，即把若干事物按照某种标准归为几个类别，其中较为相近的聚为一类，不那么相近的聚于不同类。聚类分析在客户分类、文本分类、基因识别、空间数据处理、卫星图片分析、医疗图形自动检测等领域有着广泛的应用，已经成为数据挖掘领域的一个研究热点。\n 传统的聚类分析需要指定类簇的数目。然而实际应用中很多数据是未知的，在数据未知时，指定数目的传统聚类方法变得不大适用。基于Dirichlet过程混合模型的聚类算法，在对未知数据进行聚类时，可以不指定聚类的目标数目，而是根据数据的性质自动聚类出个数，从而达到较好聚类的效果。Dirichlet混合模型聚类算法也有不足之处，由于计算量比较大，造成聚类的时间成本增加，从而影响Dirichlet混合模型聚类算法的广泛使用。\n 基于GPU的通用计算主要研究如何利用GPU进行更为广泛的应用计算。NVIDIA发布的CUDA，使得开发非图像的应用变得相当简单。利用CUDA可以将GPU高速并行处理能力应用到大规模计算领域，从而大幅度提高程序的运算速度。\n 本文结合Dirichlet过程混合模型聚类算法的优越特性，利用GPU强大的计算能力，提出了基于GPU的Dirichlet过程混合模型聚类算法，高效地对类数未知的数据进行聚类。在此基础上，我对GPU代码进行了共享内存优化，提高数据重用性，以及改变并行策略等优化。这些方法进一步提高了程序性能，再加上对运行参数的调优，最终使GPU上的Dirichlet过程混合模型达到了接近200倍的加速。利用本文所述GPU程序处理微软的128维的人脸数据和UCI的561维人体动作数据，在保持聚类精度接近(NMI指标相差小于0.5)的情况下，与CPU相比，分别达到10和198倍的加速。这样在保证Dirichlet混合模型聚类算法的质量的同时，更提高了聚类算法的速度，从而有效的为进一步科研提供了有益参考。

关键词：数据挖掘聚类算法狄利克雷过程混合模型图形处理器

来源：评论

学校读者我要写书评

暂无评论

基于狄利克雷多项式过程模型与K-means结合的菌群分析

引用

生物信息学 2024年第1期22卷 47-57页

作者：彭显贺建峰昆明理工大学信息工程及其自动化学院昆明650000

群体分型是一种有助于更好的理解人类身心健康等复杂生物学问题的有效方法,聚类是一种为了对样本分组来降低复杂性的定义肠型的方法,而传统K-means聚类算法的K值选取无法确定,本文在传统K-means聚类算法的基础上进行了改进,并公开数据... 详细信息

群体分型是一种有助于更好的理解人类身心健康等复杂生物学问题的有效方法,聚类是一种为了对样本分组来降低复杂性的定义肠型的方法,而传统K-means聚类算法的K值选取无法确定,本文在传统K-means聚类算法的基础上进行了改进,并公开数据集上进行了验证,实验表明改进算法能够解决K值选取无法确定的问题,且聚类结果的稳定性、准确性和聚类质量都得到显著提高。将改进后的模型运用于肠道菌群OTUs数据,发现不仅能够有效地区分2-型糖尿病患者样本间的相似性,而且能鉴定出影响菌群结构异质性最大的OTUs菌,为临床解决2-型糖尿病问题提供了一种新的思路。

关键词： K-means算法狄利克雷过程混合模型菌群分析群体分型聚类

来源：评论

学校读者我要写书评

暂无评论

未知杂波条件下样本集校正的势估计概率假设密度滤波算法

引用

电子与信息学报 2018年第4期40卷 912-919页

作者：杨丹姬红兵张永权西安电子科技大学电子工程学院西安710071

在贝叶斯框架下的多目标跟踪算法中,总是假设杂波的先验信息是已知的。然而,实际应用中,杂波分布一般是未知的,假设的杂波分布往往与实际情况匹配度差,难以保证滤波精度。针对该问题,该文研究了未知杂波势估计概率假设密度(CPHD)滤波算... 详细信息

在贝叶斯框架下的多目标跟踪算法中,总是假设杂波的先验信息是已知的。然而,实际应用中,杂波分布一般是未知的,假设的杂波分布往往与实际情况匹配度差,难以保证滤波精度。针对该问题,该文研究了未知杂波势估计概率假设密度(CPHD)滤波算法。首先,提出一种基于狄利克雷过程混合模型(DPMM)类的未知杂波CPHD算法,该算法能够自动选取合适的类数对杂波进行描述,有效降低了杂波空间分布估计的误差。此外,提出样本集校正的思想,并将其引入所提算法,通过去除样本集中由真实目标产生的量测,较好地解决了杂波数过估和目标数低估的问题。与传统算法相比,所提算法的滤波精度更接近于杂波信息匹配情况下的性能,仿真结果验证了其优越性与鲁棒性。

关键词：多目标跟踪参数估计未知杂波狄利克雷过程混合模型势估计概率假设密度滤波

来源：评论

学校读者我要写书评

暂无评论

基于特征贡献率的机械故障分类方法

引用

振动．测试与诊断 2020年第3期40卷 458-464,622页

作者：马波赵祎北京化工大学高端机械装备健康监控及自愈化北京市重点实验室北京100029 北京化工大学发动机健康监控及网络化教育部重点实验室北京100029

为提高往复压缩机、航空发动机等复杂机械故障分类的准确率,依据特征参数对不同故障的敏感度存在差异的特性,提出一种狄利克雷过程混合模型(Dirichlet process mixture model,简称DPMM)与贝叶斯推断贡献(Bayesian inference contributi... 详细信息

为提高往复压缩机、航空发动机等复杂机械故障分类的准确率,依据特征参数对不同故障的敏感度存在差异的特性,提出一种狄利克雷过程混合模型(Dirichlet process mixture model,简称DPMM)与贝叶斯推断贡献(Bayesian inference contribution,简称BIC)相结合的分析方法。采用DPMM方法自学习机械振动信号高维特征的统计分布模型,并依据BIC理论计算得到各特征参数对模型的贡献率,通过对比观测数据与各类故障数据特征贡献率间的差异实现故障分类。试验结果表明,该方法的平均分类准确率比基于高斯混合模型(Gaussian mixture model,简称GMM)的故障诊断方法的平均分类准确率提高19.29%,比基于Relief算法的故障诊断方法的平均分类准确率提高32.71%,且该方法的时效性高,泛化性能强,能够更有效地进行复杂机械故障分类。

关键词：故障诊断特征贡献率狄利克雷过程混合模型贝叶斯推断

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：