检索结果-内蒙古大学图书馆

上海交通大学学报 2010年第2期44卷 271-275页

作者：雷菊阳黄克许海翔史习智上海交通大学机械系统与振动国家重点实验室上海200240 上海工程技术大学机械工程学院上海201620 上海特检院上海200062

提出了基于dirichlet过程混合的高斯过程模型揭示复杂动态系统结构数据的多态性的内在机制.针对均值结构与协方差结构稀疏性的差异性,设计了参数先验与非参数先验来构建基于Polya urn与过松弛层采样的混合采样框架体系.该混合采样方案... 详细信息

提出了基于dirichlet过程混合的高斯过程模型揭示复杂动态系统结构数据的多态性的内在机制.针对均值结构与协方差结构稀疏性的差异性,设计了参数先验与非参数先验来构建基于Polya urn与过松弛层采样的混合采样框架体系.该混合采样方案不但能够在统一的Metropolis-Hasting(M-H)概率评价准则下实现,而且能够最大限度地克服高斯随机走步的缺陷,方便、快速地获得马尔科夫样本链的展开.仿真结果表明,混合采样算法比高斯过程回归模型及高斯过程函数回归混合模型具有更广泛的适应性及更好的预测效果.

关键词：混合采样非参数贝叶斯推理 dirichlet过程混合高斯过程

来源：评论

学校读者我要写书评

暂无评论

线性动态系统基于块采样的卡尔曼平滑推理算法

引用

上海交通大学学报 2008年第8期42卷 1396-1400页

作者：雷菊阳黄克许海翔史习智上海交通大学机械系统与振动国家重点实验室上海200240

针对线性动态系统在复杂噪声环境中的不确定性的传递问题,提出了用块采样推理方法逼近状态和噪声的后验分布.该方法在时序采样中,样本在基于条件独立性准则下可一次性更新,这通常比单独更新来得简单和有效.通过引入dirichlet过程混合模... 详细信息

针对线性动态系统在复杂噪声环境中的不确定性的传递问题,提出了用块采样推理方法逼近状态和噪声的后验分布.该方法在时序采样中,样本在基于条件独立性准则下可一次性更新,这通常比单独更新来得简单和有效.通过引入dirichlet过程混合模型(dirichlet Process Mixture,DPM),能够较方便地获得马尔科夫链式样本.结合卡尔曼平滑技术,使块采样算法能够在分布空间逼近基础上取得较高的精度.仿真结果显示,块采样平滑算法具有较好的效果.

关键词：非参数贝叶斯推理 dirichlet过程混合吉布斯采样块采样

来源：评论

学校读者我要写书评

暂无评论

自动分割图像新方法研究

引用

计算机应用研究 2012年第3期29卷 1127-1129,1145页

作者：卢易苏陈武凡南方医科大学医学图像处理重点实验室广州510515 广州大学华软软件学院电子系广州510990

提出一种采用非参数dirichlet过程混合模型实现图像自动分割的算法。该方法在图像分割时不需要对分类数进行初始化,具有在分割过程中自动获得图像分类数的特点。模型中使用有控制参数的随机变量来代替聚类数,通过调整参数来指定聚类数... 详细信息

提出一种采用非参数dirichlet过程混合模型实现图像自动分割的算法。该方法在图像分割时不需要对分类数进行初始化,具有在分割过程中自动获得图像分类数的特点。模型中使用有控制参数的随机变量来代替聚类数,通过调整参数来指定聚类数的范围。使用该算法对具有高噪声的自然图像和临床磁共振图像进行分割实验,并与其他分割算法进行比较。实验结果显示本算法抗噪声性能强,且可以抑制磁共振图像分割过程中的偏场效应。准确度分析显示,图像分割结果的Dice相似性系数均高于90%,表明提出的新算法具有很高的精确性和鲁棒性。

关键词：图像分割非参数 dirichlet过程混合聚类

来源：评论

学校读者我要写书评

暂无评论

复杂环境下动态系统结构学习

复杂环境下动态系统结构学习

引用

作者：雷菊阳上海交通大学

学位级别：博士

复杂环境下动态系统结构学习研究主要是在贝叶斯的非参数框架体系下通过非参数推理及学习方法达到对复杂动态系统的结构的认知。贝叶斯非参数分析是机器学习领域中最前沿的课题,它在对研究对象潜在的总体知之甚少的情况下,通过数据自动... 详细信息

复杂环境下动态系统结构学习研究主要是在贝叶斯的非参数框架体系下通过非参数推理及学习方法达到对复杂动态系统的结构的认知。贝叶斯非参数分析是机器学习领域中最前沿的课题,它在对研究对象潜在的总体知之甚少的情况下,通过数据自动地推断模型空间的维数及复杂度,成为复杂动态系统结构学习最强大的工具,在语音信号处理、图像处理、文本语义分析及生物医学信号处理等众多领域里展现了广泛的应用前景。非参数贝叶斯研究的对象大多是复杂随机对象,其数据集的产生,要么来自于某一复杂的随机度量分布,要么来源于更复杂的随机函数对象。这种复杂随机对象的不确定性传递远比参数贝叶斯研究的基于参数化分布的传递要复杂得多,虽然非参数贝叶斯框架体系为这一潜在的过程定义了合适的先验过程,使得研究者能够在贝叶斯统一的框架体系下来处理这一类数据集,但传统的系统分析方法并不显得十分有效,马尔科夫链蒙特卡洛方法(MCMC)为这类后验过程的逼近提供通用的工具,但如何有效地构建无穷维的MCMC推理算法是复杂动态系统结构学习的难点。围绕这个问题,本文进行了如下三部分的工作: 第一部分研究线性动态系统在复杂的噪声环境下如何提取有用信号的问题,首先提出一新的非参数贝叶斯块采样推理技术来辨识任意复杂的多模噪声分布,该方法的基本思想:在时序采样中,样本在基于条件独立性准则下可一次性更新,这通常比单独更新更简单有效,能够较为精确地逼近噪声的后验分布;在正确地辨识噪声的基础上,进一步分析这种噪声模型在高维情况下对提取有用信号的影响,通过引入中国餐馆过程混合模型(Chinese Restaurant Process Mixture Model,简称CRPMM),能够较方便地获得马尔科夫链的样本的展开,结合卡尔曼滤波技术,能够在分布空间逼近的基础上取得较高的精度。仿真结果及dirichlet语音增强实验证明算法的有效性。第二部分解决复杂动态系统的非参数回归及预测问题,提出了基于dirichlet过程混合的高斯过程模型来揭示复杂动态系统结构数据的多态性的内在机制,针对均值结构与协方差结构稀疏性的差异性,设计了参数先验与非参数先验来构建基于Polya urn与过松弛层采样混合采样的框架体系,这种混合采样方案不但能够在统一的Metropolis-Hasting概率评价准则下实现,而且能够最大限度地克服高斯“随机走步”的缺陷,可以方便快速地获得马尔科夫样本链的展开。通过仿真及对心电图(ECG)信号的内插及外推预测分析结果表明,基于dirichlet过程混合的高斯过程模型的混合采样推理算法具有更高的精度和更广泛的适应性。第三部分研究完全可交换文本信息抽取方法,给出潜dirichlet分配(Latent dirichlet Allocation,LDA)模型的图模型表示,建立可交换文本主题个数的贝叶斯信息模型选择准则(Baysian Information Criterion ,BIC),提出了基于独立性采样Metropolis-Hastings算法,最后讨论算法的收敛性及BIC准则关于复杂度的“折衷”考虑对收敛性的影响。真实文本数据集实验证明了算法的有效性。本文的主要创新点体现在: 1)提出了基于块采样的非参数的噪声辨识算法,能够在分布空间上更精确地逼近噪声的后验分布,取得了比参数化点估计更高的精度。以条件独立性采样替代相关采样,加快马尔科夫链的收敛速度,在非稀疏噪声的辨识中具有更广泛的适应性。 2)将有限维混合的高斯过程模型扩展到无穷维;非参数函数回归分析能够避免参数化分析对不动点递推规则的建立问题。 3)在非参数回归及预测分析中,采用混合采样方案,能够一定程度地克服马尔科夫“随机走步”现象。 4)建立基于BIC准则的独立性采样Metropolis-Hastings算法能够完成可交换数据集主题个数的辨识,克服了LDA模型在训练可交换数据集时需要人为地指定主题个数的不足。本论文的研究工作获得上海市科委重点基础研究项目支持: 上海市科委重点基础研究项目:“复杂环境下动态系统结构学习”,项目编号:05JC 14026;

关键词：非参数贝叶斯 dirichlet过程混合无穷维推理马尔科夫链蒙特卡洛高斯过程

来源：评论

学校读者我要写书评

暂无评论

线性动态系统噪声辨识的非参数贝叶斯推理算法研究

引用

噪声与振动控制 2008年第6期28卷 69-72页

作者：雷菊阳许海翔黄克史习智上海交通大学机械系统与振动国家重点实验室上海200240

提出一新的非参数贝叶斯推理算法来辨识任意复杂的多模噪声分布,采用无穷维推理技术,能够较为精确地逼近噪声的后验分布。算法主要引入一随机度量分布满足一预设的先验过程——混合dirichlet过程(dirichlet Process Mixture,简称DPM),由... 详细信息

提出一新的非参数贝叶斯推理算法来辨识任意复杂的多模噪声分布,采用无穷维推理技术,能够较为精确地逼近噪声的后验分布。算法主要引入一随机度量分布满足一预设的先验过程——混合dirichlet过程(dirichlet Process Mixture,简称DPM),由于DPM具有形似于Polya urn的采样特性,能够很方便地对噪声数据进行聚类,并导出噪声的后验分布。仿真结果显示,噪声数据似然的Metropolis-Hastings(M-H)的采样算法比点估计的系统分析算法精度高。

关键词：振动与波非参数贝叶斯推理噪声辨识 dirichlet过程混合吉布斯采样

来源：评论

学校读者我要写书评

暂无评论

非参数图像分割算法的研究及改进

引用

计算机工程 2012年第7期38卷 179-181页

作者：卢易苏陈武凡南方医科大学医学图像处理重点实验室广州510515 广州大学华软软件学院广州510990

对传统的dirichlet过程混合(MDP)非参数算法进行改进,提出一种新的MDP非参数图像分割算法。引入马尔可夫随机场(MRF)空间领域关系,并将其作为空间先验约束条件对图像后验概率加以约束。该算法能够光滑图像中的边缘部分、控制分类数并加... 详细信息

对传统的dirichlet过程混合(MDP)非参数算法进行改进,提出一种新的MDP非参数图像分割算法。引入马尔可夫随机场(MRF)空间领域关系,并将其作为空间先验约束条件对图像后验概率加以约束。该算法能够光滑图像中的边缘部分、控制分类数并加快收敛速度。实验结果表明,与传统算法相比,该算法的分割准确度较高。

关键词：图像分割贝叶斯方法聚类 dirichlet过程混合马尔可夫随机场

来源：评论

学校读者我要写书评

暂无评论

随机点模式的检测与参数估计问题研究

随机点模式的检测与参数估计问题研究

引用

作者：王志杭州电子科技大学

学位级别：硕士

随机点模式是研究随机点过程模式分布的理论,它的基数(点个数)与模式特征(例如位置、大小)都随机变化。自然界中很多问题的描述都可以用随机点模式来进行建模,它广泛的应用于排队理论、空间点过程、行星分布、植被分布等领域。随机点模... 详细信息

随机点模式是研究随机点过程模式分布的理论,它的基数(点个数)与模式特征(例如位置、大小)都随机变化。自然界中很多问题的描述都可以用随机点模式来进行建模,它广泛的应用于排队理论、空间点过程、行星分布、植被分布等领域。随机点模式检测、参数估计、非参数估计是随机点模式的主要问题,本文围绕这三方面开展了研究。具体研究内容如下:(1)针对随机点模式的检测问题,提出了一种基于多特征似然比随机点模式检测算法。首先,介绍了随机点模式并对其特点进行了分析,得出了结论:随机点模式具有多特征性,具体体现在它的基数与模式特征中。其次,采用随机点模式的似然比以及分布参数作为评估指标,通过蒙特卡洛实验得到检测阈值对输入进行判别。最后,采用提出的算法对于5种不同参数的随机点模式进行检测验证,结果表明所检测结果与真实情况表现一致。(2)针对于随机点模式的参数估计问题,提出了一种基于Gibbs采样的随机点模式有限混合模型估计算法。首先,构建随机点模式有限混合模型。其次,通过扩展传统Gibbs采样算法,估计混合模型的参数,进一步结合BIC准则来评价模型阶数。最后,仿真实验以高斯混合分布作为随机点模式的特征分布,考虑了若干组随机点模式分布,并与传统的非随机点模式描述算法进行了比较。结果表明,本文所提出的算法对于参数的估计更为精确。(3)针对随机点模式的非参数估计问题,提出了一种基于dirichlet过程混合随机点模式非参数估计算法。首先,根据随机点模式的分布函数以及dirichlet过程的构造形式,对dirichlet过程混合随机点模式模型进行构建。其次,将Gibbs采样方法应用于该模型上,推导出模型的参数以及阶次。最后,基于仿真实验,验证了该算法在采样过程中不断的优化模型参数,并形成合适的聚类个数。

关键词：随机点模式 Gibbs采样有限混合模型 dirichlet过程混合参数估计非参数估计

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：