检索结果-内蒙古大学图书馆

浙江大学学报（工学版） 2015年第11期49卷 2230-2236页

作者：罗林苏宏业班岚浙江大学智能系统与控制研究所浙江杭州310027 北京科技大学机械工程学院北京海淀100083

针对高斯混合模型在模型选择阶段易产生有噪声或过拟合的模型估计问题,提出基于dirichlet过程混合模型的非参数贝叶斯故障诊断方法.通过重新定义高斯混合模型中的混合权重,利用stick-breaking法建立dirichlet过程混合模型.通过具有截断... 详细信息

针对高斯混合模型在模型选择阶段易产生有噪声或过拟合的模型估计问题,提出基于dirichlet过程混合模型的非参数贝叶斯故障诊断方法.通过重新定义高斯混合模型中的混合权重,利用stick-breaking法建立dirichlet过程混合模型.通过具有截断作用的变分法近似推理出模型参数以及隐含变量,利用所得后验对故障模型进行估计,并提出基于后验概率的监测统计量以度量出故障状态在后验中的波动.在连续搅拌釜式反应器和Tennessee Eastman化工过程上的实验结果表明,该方法在故障检测方面优于传统的核主元分析法,并且具有较高的故障诊断率.

关键词： dirichlet过程混合模型变分Bayesian推理故障诊断

来源：评论

学校读者我要写书评

暂无评论

dirichlet过程混合模型SAR图像分割算法

引用

吉林大学学报（工学版） 2009年第5期39卷 1342-1346页

作者：孙莉张艳宁田光见马苗西北工业大学计算机学院西安710072

传统的合成孔径雷达(SAR)图像参数化有限模型都有其特定的物理背景或者数学假设,很难准确估计SAR图像中各地物的密度分布,为了解决这一问题,提出一种基于非参数化无限混合模型的SAR图像分割方法,该方法利用dirichlet过程对SAR图像进行建... 详细信息

传统的合成孔径雷达(SAR)图像参数化有限模型都有其特定的物理背景或者数学假设,很难准确估计SAR图像中各地物的密度分布,为了解决这一问题,提出一种基于非参数化无限混合模型的SAR图像分割方法,该方法利用dirichlet过程对SAR图像进行建模,进一步采用非参数化Bayes模型分割包含复杂地物目标的SAR图像。dirichlet分布作为一种基于分布的分布可以确定不同类别的先验概率,由样本估计出密度函数来描述图像,从而可以更精确地分割各类地物。该算法在模拟图像与真实SAR图像上进行了比对测试,实验结果验证了dirichlet过程混合模型SAR图像分割算法的有效性和稳健性。

关键词：计算机应用非参数化Bayes模型 SAR图像分割无限混合模型 dirichlet过程混合模型

来源：评论

学校读者我要写书评

暂无评论

面向话题追踪的dirichlet过程混合模型

引用

北京邮电大学学报 2012年第3期35卷 91-94,107页

作者：王婵王小捷袁彩霞北京邮电大学智能科学与技术中心北京100876

提出了一个能有效结合待测话题信息的dirichlet过程混合模型进行话题追踪.模型在基于Gibbs抽样进行参数推理时融入待测话题信息,得到报道和待测话题的相关度.实验结果表明,该方法不需要大规模训练数据,基于少量的种子报道就可以显著提... 详细信息

提出了一个能有效结合待测话题信息的dirichlet过程混合模型进行话题追踪.模型在基于Gibbs抽样进行参数推理时融入待测话题信息,得到报道和待测话题的相关度.实验结果表明,该方法不需要大规模训练数据,基于少量的种子报道就可以显著提高话题追踪的性能.

关键词：话题追踪 dirichlet过程混合模型 Gibbs抽样待测话题

来源：评论

学校读者我要写书评

暂无评论

基于dirichlet过程混合模型的滚动轴承运行状态识别

引用

轴承 2018年第9期 58-62页

作者：瞿家明周易文王恒黄希南通大学机械工程学院江苏南通226019

针对滚动轴承的运行状态识别问题,利用典型DP混合模型良好的聚类特性,提出了基于DPMM的滚动轴承运行状态识别算法,并推导了算法聚类的详细步骤。利用轴承状态监测数据进行了验证和分析,结果表明:DPMM算法不依赖于训练样本,模型结构能够... 详细信息

针对滚动轴承的运行状态识别问题,利用典型DP混合模型良好的聚类特性,提出了基于DPMM的滚动轴承运行状态识别算法,并推导了算法聚类的详细步骤。利用轴承状态监测数据进行了验证和分析,结果表明:DPMM算法不依赖于训练样本,模型结构能够随着观测数据的变化实现自适应变化和动态调整,自动识别轴承的运行状态数;同时,识别结果不依赖于DPMM算法初始参数的选择,具有较强的稳定性和适应性。

关键词：滚动轴承状态识别非参数BayeS模型 dirichlet过程混合模型

来源：评论

学校读者我要写书评

暂无评论

一种基于Dirichelt过程隐变量支撑向量机模型的目标识别方法

引用

电子与信息学报 2015年第1期37卷 29-36页

作者：张学峰陈渤王鹏辉刘宏伟西安电子科技大学雷达信号处理国家重点实验室西安710071

在目标识别中,对于样本数较多且分布复杂的数据,若将所有训练样本用来训练一个单一的分类器,会增加分类器的训练复杂度,且容易忽视样本的内在结构,不利于分类。因此人们提出了混合专家系统(ME),即将训练样本集划分为多个训练样本子集,... 详细信息

在目标识别中,对于样本数较多且分布复杂的数据,若将所有训练样本用来训练一个单一的分类器,会增加分类器的训练复杂度,且容易忽视样本的内在结构,不利于分类。因此人们提出了混合专家系统(ME),即将训练样本集划分为多个训练样本子集,并在每个子集上单独训练分类器。但是传统ME系统需要人为确定专家个数,并且每个子集的学习独立于后端的任务,如分类。该文提出一种基于dirichlet过程(DP)混合隐变量(LV)支持向量机(SVM)模型(DPLVSVM)的目标识别算法,采用DP混合模型自动确定样本聚类个数,同时每个聚类中使用线性隐变量SVM(LVSVM)进行分类。不同于以往算法,DPLVSVM将聚类过程和分类器的训练过程联合优化,保证了各个子集中样本的分布上的一致性和可分性,而且可以利用Gibbs采样技术对模型参数进行简便有效的估计。基于人工数据集、公共数据集以及雷达实测数据的实验验证了该文方法的有效性。

关键词：目标识别混合专家系统 dirichlet过程混合模型隐变量支持向量机分类器

来源：评论

学校读者我要写书评

暂无评论

分布式聚类在农场环境数据异常检测中的应用

引用

系统仿真学报 2017年第12期29卷 3035-3041页

作者：邓丽庞洪霖王灵费敏锐上海大学机电工程与自动化学院上海200072 上海市电站自动化技术重点实验室上海200072

为了处理大量分布式存储的农场环境数据,为作物增产提供异常环境参考并制定预防策略,本文结合农场环境数据的特点,在Hadoop平台中实现了对农场环境数据的dirichlet过程混合模型聚类,并提出了基于聚类分析的农场环境异常检测方法。在Map ... 详细信息

为了处理大量分布式存储的农场环境数据,为作物增产提供异常环境参考并制定预防策略,本文结合农场环境数据的特点,在Hadoop平台中实现了对农场环境数据的dirichlet过程混合模型聚类,并提出了基于聚类分析的农场环境异常检测方法。在Map Reduce框架下,Map阶段完成样本点到模型的分配;Reduce阶段对模型与类簇个数进行更新。通过实验验证了分布式dirichlet聚类的性能,分析结果表明该方法可以应用于大量农场环境数据的异常检测。

关键词： dirichlet过程混合模型分布式聚类农场环境数据异常检测

来源：评论

学校读者我要写书评

暂无评论

dirichlet过程及其在自然语言处理中的应用

引用

中文信息学报 2009年第5期23卷 25-32,46页

作者：徐谦周俊生陈家骏南京大学计算机软件新技术国家重点实验室江苏南京210093 南京师范大学计算机科学系江苏南京210097

dirichlet过程是一种典型的变参数贝叶斯模型,其优点是参数的个数和性质灵活可变,可通过模型和数据来自主地计算,近年来它已成为机器学习和自然语言处理研究领域中的一个研究热点。该文较为系统的介绍了dirichlet过程的产生、发展,并重... 详细信息

dirichlet过程是一种典型的变参数贝叶斯模型,其优点是参数的个数和性质灵活可变,可通过模型和数据来自主地计算,近年来它已成为机器学习和自然语言处理研究领域中的一个研究热点。该文较为系统的介绍了dirichlet过程的产生、发展,并重点介绍了其模型计算,同时结合自然语言处理中的具体应用问题进行了详细分析。最后讨论了dirichlet过程未来的研究方向和发展趋势。

关键词：计算机应用中文信息处理变参数贝叶斯模型 dirichlet过程 dirichlet过程混合模型马尔可夫链蒙特卡罗

来源：评论

学校读者我要写书评

暂无评论

基于概率统计模型的雷达高分辨距离像目标识别方法研究

基于概率统计模型的雷达高分辨距离像目标识别方法研究

引用

作者：陈健西安电子科技大学

学位级别：博士

雷达高分辨距离像(HRRP)是用宽带雷达获取的目标散射点子回波在雷达视线方向上投影的向量和,它提供了对目标分类和识别非常有价值的信息,如目标尺寸、结构、散射点沿距离方向的分布情况等;同时,与其它宽带信号(如合成孔径雷达像和逆合... 详细信息

雷达高分辨距离像(HRRP)是用宽带雷达获取的目标散射点子回波在雷达视线方向上投影的向量和,它提供了对目标分类和识别非常有价值的信息,如目标尺寸、结构、散射点沿距离方向的分布情况等;同时,与其它宽带信号(如合成孔径雷达像和逆合成孔径雷达像)相比,HRRP具有易于获取和处理等优点。因此,利用HRRP对未知目标进行类别归属的判断逐渐成为雷达自动目标识别领域的研究热点。概率统计模型,即以概率论为基础并采用数学统计方法建立的模型,基于坚实的统计理论,在雷达HRRP目标识别方面具有独特的优势:模型可融入一定的先验信息,有利于小样本情况下的目标识别;能够提供待求参数的不确定性评价,有效地缓和过拟合问题,识别的泛化精度较高;可结合非参贝叶斯理论实现模型结构随数据的自适应调整等等。本文利用概率统计模型,主要从小样本情况下基于浅层概率统计模型的统计识别和大样本情况下基于深层概率统计模型的特征提取两方面,对HRRP目标识别的相关理论和技术问题进行了分析研究。论文概括如下:1.针对现有因子分析(FA)模型在小样本情况下识别性能较弱的问题,提出了卷积因子分析(CFA)模型。区别于FA模型将HRRP样本参数化为一系列字典原子的加权和(字典原子维度等于HRRP样本维度),CFA模型引入卷积操作,将HRRP描述为多个字典原子与对应权向量的卷积之和。作为卷积核,CFA模型中的字典原子不仅维度远小于观测样本维度,而且能够获取更能反映数据本质的局部细节信息。相比于全局信息,局部信息具有更强的共享特性,因此,利用CFA模型描述全部观测数据所需的字典原子数更少。由于更小的字典原子尺度和更少的字典原子个数,CFA拥有比FA模型更低的复杂度,进而更适用于小样本目标识别问题。基于实测HRRP数据的实验结果表明,当训练样本较少时,CFA模型具有较好的识别性能。***模型对各目标方位帧HRRP数据进行独立建模,然而,不同HRRP样本之间存在一定的相关性,故而用来张成各目标各方位帧观测空间的字典应该有一定的重叠;同时,CFA模型只关注于对数据分布的描述,并未利用对识别有利的监督信息。基于上述分析,我们在CFA模型的基础上提出了多任务标签约束卷积因子分析(MTL-LCCFA)模型。一方面,MTL-LCCFA模型使所有目标类数据共享一个大的字典,而各观测样本所需的字典原子通过贝塔过程(BP)非参先验从字典中进行自动选择。由于参数共享,卷积模型的参数个数进一步减少,对训练样本数的需求也进一步降低。另一方面,MTL-LCCFA通过样本的类别标签来约束模型参数的学习过程,使学习后的不同类目标的模型参数具有更大的差异,进而具有更强的类间可分性。通过引入参数共享和标签约束机制,MTL-LCCFA能够进一步提升小样本情况下的目标识别能力。基于实测HRRP数据集的实验结果表明,利用MTL-LCCFA进行统计建模,不同类模型之间的区分性更强,且在小样本情况下能够获得更优的识别性能。3.针对浅层概率统计模型不能提取数据更深层次的、更有效的分类特征,提出了一种基于类分解变分自编码器(CFVAE)的雷达HRRP特征提取和识别方法。CFVAE通过一个编码网络获得所有观测数据的概率隐表示,同时为每类构建一个解码网络来描述各目标类隐特征分布到对应观测数据分布的生成过程。编码和解码网络的多层非线性结构能够挖掘数据更深层次的信息,有助于提取可分性更强的特征;同时,按类解码的模型构建方式使各类别的解码网络对所属类别的数据有较好的描述能力,而对其它类别数据的描述能力则较差,进而使CFVAE能够通过比较测试样本在各类解码器条件下的重构误差直接实现对测试数据类别属性的判决,避免了传统变分自编码器(VAE)中存在的所提特征与后端分类器不匹配的问题。基于实测HRRP数据集的实验表明,相较于浅层模型和传统VAE,CFVAE具有更强的目标识别能力。4.针对观测数据分布复杂、标记训练样本少情况下的深层特征提取问题,提出了一种判别混合变分自编码器(DMVAE)模型。一方面,DMVAE采用狄利克雷过程(DP)先验将整个观测数据集自适应地划分成多个子集,各子集通过一个解码网络来描述该子集数据的生成过程。相同分布的数据经同一解码网络生成,不同解码网络表示了不同分布数据的生成过程。由于各子集数据的分布较全部观测数据的分布更为简单,各解码网络能够较准确地表示对应子集的数据,因此,DMVAE通过多个解码网络的集合能够给出全部观测数据更精确的描述,进而有利于改善复杂数据分布情况下因单一解码器不能准确描述数据分布而造成的特征表征能力差的问题。另一方面,DMVAE采用了半监督学习机制,即利用多个解码网络对观测数据(包括标记样本和未标记样本)分布进行无监督描述的同时,还利用一个分类网络描述了标记样本的隐特征到其对应标签的生成过程。通过半监督学习方式

关键词：雷达自动目标识别高分辨距离像概率统计模型小样本问题特征提取因子分析多任务学习变分自编码 dirichlet过程混合模型

来源：评论

学校读者我要写书评

暂无评论

特征降维和一类分类器研究及在雷达目标识别中的应用

特征降维和一类分类器研究及在雷达目标识别中的应用

引用

作者：张维西安电子科技大学

学位级别：博士

随着硬件水平的提升和人工智能的兴起,模式识别吸引了越来越多的专家学者的关注。一个完整的模式识别系统一般包括以下五个步骤:数据获取、数据预处理、特征提取、特征降维和分类器设计。特征降维通过一个线性或者非线性变换,将原始空... 详细信息

随着硬件水平的提升和人工智能的兴起,模式识别吸引了越来越多的专家学者的关注。一个完整的模式识别系统一般包括以下五个步骤:数据获取、数据预处理、特征提取、特征降维和分类器设计。特征降维通过一个线性或者非线性变换,将原始空间的特征映射到一个有意义的低维子空间,一方面能够降低识别算法的时间复杂度和空间复杂度,另一方面能够缓解“维度灾难”和“小样本问题”等现象。一类分类器是一种将感兴趣的目标类样本和其他所有不感兴趣的样本区分类的方法,且在训练阶段只需要使用目标类样本,因此,可以解决多类分类器在某些类样本缺失或者类样本数不均衡时,分类器无法训练或者分类界面倾斜的问题。雷达自动目标识别作为模式识别在雷达领域中的一种应用,在民用和军用领域也都得到了广泛的发展和应用。本文从特征降维和一类分类器设计两方面,对模式识别中的相关理论和技术问题进行了研究,并用于雷达自动目标识别。论文主要内容概括如下:1.特征降维是高维数据分类中一个重要的预处理步骤。传统的线性特征降维方法,例如线性判别分析,不能处理复杂的非线性数据。虽然近些年提出了一些非线性降维方法,例如局部线性嵌入,但是这些方法是非监督的,不能最大化低维子空间的类间可分性。针对传统特征降维方法在处理非线性数据时不能兼顾降维后特征类间可分性的问题,提出了一种基于混合因子分析模型和距离度量学习的降维方法。提出方法采用混合因子分析模型来描述观测数据的隐变量结构,即对训练样本聚类,并对每个聚类采用因子分析模型对高维数据降维;同时,采用距离度量学习准则来最大化降维后特征的可分性。在提出方法中,混合因子分析模型的对数似然函数与距离度量学习损失项联合优化,不仅可以准确的描述训练样本的隐变量结构,而且还可以保证每个聚类内隐变量的类间可分性。基于仿真数据、Benchmark数据和实测雷达数据的实验结果表明,提出方法可以针对样本空间的不同区域设计最优的变换矩阵,提升最终分类效果。2.一类支持向量机(One-class Support Vector Machine,OC-SVM)和支持向量描述(Support Vector Data Description,SVDD)是两种经典的一类分类器,但是它们的分类性能对模型中的高斯核参数敏感。为了解决OC-SVM和SVDD的高斯核参数选择问题,提出了一种高斯核参数的优化方法。研究表明,在OC-SVM和SVDD中,对于一个合适的高斯核参数,原始空间中的内部样本应该映射到远离分类界面的区域,而原始空间的边界样本应该映射到靠近分类界面的区域。基于这种样本与分类界面之间的几何关系,提出方法在高斯核空间定义了每个样本的信息熵,样本的信息熵越大,样本离分类界面越近。通过最大化边界样本与内部样本信息熵的差值就可以自动获得最优的高斯核参数。提出方法的目标函数可以利用梯度下降法优化求解,不需要预设高斯核参数候选集合,并且确定最优高斯核参数的所需时间要远远小于传统的参数选择方法。基于仿真数据、Benchmark数据和雷达实测数据表明了提出方法的有效性。3.在一类分类器设计中,对于分布复杂的数据,若针对整个样本空间仅仅建立一个分类器,会忽视样本的内在结构,降低分类器的分类效果。为了提升复杂分布下的一类分类性能,提出了一种集成式最大间隔一类分类器。提出方法利用dirichlet过程混合模型(dirichlet process mixture,DPM)对训练样本聚类,并在每个聚类学习一个最大间隔一类分类器。通过多个最大间隔一类分类器的集成,可以构造一个描述能力更强的分类界面,提升数据复杂分布下的一类分类性能。DPM聚类模型和最大间隔一类分类模型在同一个贝叶斯框架下联合优化,保证了每一个聚类的可分性。在仿真数据、Benchmark公共数据和实测SAR图像数据的实验结果表明,相比于传统的一类分类器,所提方法具有更好的分类效果。4.特征选择通过选择出与分类最相关的特征,降低特征冗余度,提升分类性能。为了增强集成式最大间隔一类分类器特征变换后的特征可分性以及降低特征冗余度,将特征选择引入到该分类器中,提出了集成式Beta过程最大间隔一类分类器。该方法在集成式最大间隔一类分类器中加入了服从Beta过程先验分布的特征选择因子变量。由于先验分布的稀疏特性,保证了特征选择因子中的大部分元素为0,从而降低了变换后的特征冗余度。此外,特征选择因子和模型的分类参数联合学习,从而可以选择可分性最好的特征,提升鉴别效果。基于仿真数据、Benchmark数据和实测SAR雷达数据的实验结果证明了提出方法的有效性。

关键词：模式识别雷达自动目标识别特征降维一类分类器混合因子分析模型距离度量学习高斯核参数一类支持向量机一类支持向量数据描述 dirichlet过程混合模型

来源：评论

学校读者我要写书评

暂无评论

基于概率模型的故障诊断及在航天器中的应用

基于概率模型的故障诊断及在航天器中的应用

引用

作者：张筱磊哈尔滨工业大学

学位级别：博士

执行未来深空探测任务的航天器，需要具备在无人工干预条件下自主进行状态监测与故障诊断的能力。本文从信息处理的角度，研究了航天器自主故障诊断中的信号估计、故障检测及诊断推理问题。此外，结合航天器典型组成结构，探讨了故障诊... 详细信息

执行未来深空探测任务的航天器，需要具备在无人工干预条件下自主进行状态监测与故障诊断的能力。本文从信息处理的角度，研究了航天器自主故障诊断中的信号估计、故障检测及诊断推理问题。此外，结合航天器典型组成结构，探讨了故障诊断系统的实现方式。针对单维测量信号，在只有传感器输出数据且无冗余条件下，研究了基于经验模态分解的信号估计方法。通过分析已有基于经验模态分解信号估计方法的不足，提出一种评价信号成分的能量指标，进而基于此指标提出了一种估计信号的模态分量区间能量方法。针对典型信号，通过不同参数设定条件下的大量仿真实验，验证了模态分量区间能量信号估计方法的有效性。针对单传感器测量数据的故障检测问题，研究了基于概率分布模型的故障检测方法。将本文提出的模态分量区间能量信号估计方法与贝叶斯推理相结合，基于高斯混合模型建立无故障测量信号的概率分布模型，并将其作为基准通过置信界检测突变与缓变故障。通过针对航天器电源系统的仿真实验，验证了故障检测方法的可行性。针对包含未知噪声的非线性动态系统的状态与输出估计问题，研究了基于dirichlet过程混合模型的信号估计方法。在高斯分布假设条件下，针对包含未知噪声的非线性系统，提出一种在线估计系统状态与输出的DPM-EKF滤波器。针对包含未知噪声的非线性系统的输出估计仿真实验结果表明，DPM-EKF滤波器的估计结果明显优于EKF滤波器的估计结果。针对包含未知过程噪声的非线性系统的故障诊断问题，研究了基于Shiryayev序列概率比的故障检测与隔离方法。在故障量大小未知条件下，提出一种结合Shiryayev序列概率比与预测分布的在线故障检测与隔离方法。在本文提出的故障检测与隔离方法中，首先应用DPM-EKF滤波器，在线计算噪声未知条件下非线性系统的输出残差，进而对于未知的故障参数，基于预测分布迭代计算Shiryayev序列概率比。通过航天器姿态确定系统的传感器故障仿真实验，验证了故障检测与隔离方法的有效性。针对具有切换运行模态的混杂系统故障隔离问题，研究了基于有向因子图的故障隔离方法。对于带有切换行为的混杂系统，通过分析贝叶斯网络在故障因果性建模能力上的不足，提出了一种基于混合键合图及因果路径分析建立有向因子图诊断模型，并基于最大后验概率隔离故障的方法。在航天器电源系统的仿真实验中，根据混合键合图构建的有向因子图诊断模型，以及依据最大后验概率准则得到的诊断结果验证了故障隔离方法的有效性。针对以总线为中心的航天器电气连接结构，提出一种递阶化的故障诊断系统结构，其在电气连接上作为总线上的独立功能设备，在诊断方式上则对航天器不同功能层次应用不同的方法。依据航天器系统所包含的典型设备与组成方式，基于递阶化的故障诊断系统结构，设计并实现了包含故障诊断模块，部件模拟器以及外部终端的航天器仿真验证系统，测试结果验证了递阶化故障诊断系统结构的可行性。

关键词：航天器故障诊断信号估计贝叶斯在线故障诊断 dirichlet过程混合模型有向因子图

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：