基于核密度估计的遮挡人体跟踪

充分利用空间、颜色、运动等信息对图像进行块建模、颜色建模和运动建模.通过混合高斯建模法,将运动人体的前景信息提取出来;基于Epanechnikov核密度梯度估计算法,对存储模型中的人体进行聚类,实现块建模;采用非参数的核密度估计算法和基于高斯分布的运动建模,分别获取颜色密度函数和运动密度函数,并利用颜色密度函数和运动密度函数对当前帧的前景区域进行后验概率估计,以获取后验概率图像,根据对该图像中遮挡人体进行分割以实现人体目标的跟踪.实验结果表明:基于核密度估计的遮挡人体目标跟踪算法有效地解决了遮挡人体目标跟踪问题.     

基于改进EM算法的多重威布尔可靠性建模

以两参数威布尔分布为多重威布尔混合模型的基函数,建立了以极大似然函数为目标的参数估计优化模型,并改进了求解优化模型的EM算法。改进EM算法中提出贝叶斯随机分类方法,用于初始化算法中的待估计参数。采用径向基函数插值法求解EM算法极大化步中的超越方程组,并通过实际算例对比分析了改进EM算法与传统算法的准确性。给出了用改进EM算法求解多重威布尔混合模型参数的具体算例,分析了多重威布尔混合模型的逼近性能。针对国内同期出厂的10台某型号冲压机床,通过现场跟踪获取其初期故障样本数据,运用多重威布尔混合模型研究可靠性数据分布规律,并研究了KS检验统计量Dmax与威布尔混合模型重数N之间的关系。应用案例表明,4重混合威布尔模型更能准确地反映冲压机床早期可靠性的实际分布规律。     

驾驶员启动反应时间的核密度估计

为了准确分析驾驶员的启动反应时间,本文采用非参数核密度估计方法对检测得到的驾驶员启动反应时间进行分布密度估计,核函数选取高斯核,最优窗宽由递归法求得.通过分布拟合和假设检验对比分析了核密度估计与正态分布、对数正态分布的估计效果.结果表明:非参数核密度估计驾驶员启动反应时间更加准确有效,并且克服了分布类型事先未知的问题.通过核密度估计的密度曲线可以更加直观地看出驾驶员启动反应时间在各时间段分布水平的变化和整体分布形态.     

物体分类识别中视觉词汇生成方法研究

针对目前Bag of words模型将聚类中心作为视觉单词,而导致语义信息表达不完全的问题,提出了一种新的改进的视觉词汇生成方法。首先,提取图像的SIFT特征点并聚类;然后利用核函数进行核密度估计,选取每个聚类中若干个有代表性的特征点;最后,通过SVM训练生成视觉词汇。实验结果表明,改进后的视觉词汇生成方法,在物体分类识别中,与以聚类中心为视觉单词的生成方法相比,增强了语义信息的表达,提高了查全率,使得物体分类识别率大大增加。     

基于非参数密度估计的股指期货收益率分布研究

文章采用非参数密度估计方法,对我国新兴的金融衍生品——沪深300股指期货,其收益率的分布进行了探索性研究,并从实证的角度验证了股指期货收益率分布的非正态性,运用核密度估计的方法得之间的函数关系,而是直接从数据出发,该方法较好地捕捉金融市场中收益率的分布特征。至于非参数估计下的收益率分布,由于不需预先确定变量之间的函数关系,而是直接从数据出发,该方法较好地捕捉金融市场中收益率的分布特征。     

一种改进的高斯混合模型算法

建立声学模型是说话人识别技术的重要环节，一种好的建模方法对说话人识别系统的识别率具有极其重大的影响。本文介绍了一种改进的高斯混合模型算法——将聚类算法与传统高斯混合模型结合起来的建模方法，并对此种建模方法得出的识别效果与传统的高斯混合模型进行了比较。从对比结果可以看出，基于聚类的高斯混合模型的说话人识别相对于传统的高斯混合模型在识别率上有所提高。     

自适应谱聚类算法研究

谱聚类能识别出在原空间中线性不可分的聚类, 且其效果优于传统聚类算法.谱聚类要想获得好的效果必须选择一个合适的尺度参数,本文在传统谱聚类算法的基础上引入类似核选取的技巧,提出了一个能自动选取该尺度参数的自适应谱聚类算法.将该算法和现有的谱聚类参数选择算法作了比较,在人工数据集和UCI数据集上的实验表明,自适应谱聚类算法在很多情况下优于其它参数选择算法.     

优化核参数的模糊C均值聚类算法

核模糊C均值聚类算法(Kernel-based fuzzy C-means clustering method,KFCM)的性能受核参数的影响很大,然而实践中核参数的选择是极其困难的。为了解决这个问题,本文基于样本在高维空间中的类内距离近、而类间距离远这一思路,提出了一种优化核参数的模糊C均值算法(Parameter optimation-based KFCM,POKFCM)。该算法首先利用K均值方法对样本集进行初始聚类,再通过比较实际核函数矩阵与理想核函数矩阵的相似性距离来确定最优核参数,最后将优化的核参数应用于核模糊C均值聚类算法。在6组UCI数据集上进行对比实验,结果表明POKFCM能有效地改善KFCM的聚类性能。     

融合空间聚类与结构特征的点集配准优化算法

在点集配准中，噪声、非刚性形变和误匹配的存在，产生了求解非线性最优空间变换困难的问题。针对这个问题引入局部约束条件，提出了一种采用局部空间聚类和邻域结构特征的点集配准优化算法(PR-SDCLS)。首先，利用点集空间距离矩阵构造运动一致性聚类子集和离群值聚类子集；然后，在运动一致性聚类子集中分别使用高斯混合模型拟合，并引入通过融合形状上下文特征描述子与加权空间距离获得考虑全局和局部特征的混合系数；最后，采用最大期望算法完成参数估计，实现了混合模型的非刚性点集配准模型；为了提高算法效率，模型变换采用再生核希尔伯特空间建模，并使用核近似策略。实验结果表明，该算法在涉及不同类型数据退化(变形、噪声、离群点、遮挡和旋转)的非刚性数据集上，面对大量异常值时具有良好的配准效果和鲁棒性，配准平均误差的均值在经典和先进的算法基础上降低了约42.0538%。     

一种基于威布尔分布的继电保护装置可靠性分析的新方法

目前继电保护可靠性研究主要针对保护可靠性评估指标及计算模型方面展开,由于缺乏可靠性基础数据,保护可靠性评估中各种参数很难准确全面获得,评估过程中假设过多,影响了评估效果,难以提供有效的改善措施.收集继电保护装置寿命的相关现场运行数据,对这些数据进行分析处理,应用威布尔分布对其进行可靠性参数估计,利用最小二乘法及平均秩次法估算二参数威布尔分布的参数值,得到继电保护装置寿命的分布函数、分布密度函数、可靠度函数、故障率函数,为继电保护装置的可靠性评估提供依据.     

混合核SVM财务欺诈识别

通过线性组合构造混合核函数,建立一种基于混合核学习的支持向量机财务欺诈检测模型。利用蜂群算法对混合核函数参数进行寻优,获取最佳参数,并对给定的训练样本进行学习,得出最佳输入输出关系,从而对财务数据进行识别检测。实例测试结果表明,该模型与单核的支持向量机模型相比,识别精度和鲁棒性都有所提高。     

基于高斯混合模型的轨迹模仿学习表征参数优化

针对高斯混合模型(Gaussian mixture model,GMM)参数选取效率较低的问题,提出了一种在基于GMM的轨迹模仿学习表征中综合求解GMM参数估计的方法.该方法基于多中心聚类算法中的最大最小距离算法改进kmeans算法,得到最优初始聚类中心,并基于贝叶斯信息准则(Bayesian information criterion,BIC)通过遗传算法优化求解,同时获取GMM的4个重要参数.该方法通过提高划分初始数据集的效率,在优化初始聚类中心基础上确定混合模型个数,有效地避免了因为初值敏感而导致的局部极值问题.通过多组仿真实验验证了该方法的有效性.     

一种基于激光信息的移动机器人两步自定位方法

提出了一种基于激光信息的移动机器人两步自定位方法.在对扫描数据预处理之后,第一步采用序贯搜索法进行室内环境的直线提取并建立角度直方图,通过角度直方图匹配求取机器人的旋转角度.第二步对角度匹配后的激光数据进行核密度估计,以核相关为基础建立以平移向量为参数的目标函数,并采用BFGS拟牛顿法实现平移向量的求解.实验结果证明该方法能够有效的实现移动机器人的精确自定位.     

改进K-means算法在声纹识别中的应用

在基于高斯混合模型（GMM）的声纹识别算法中,K-means聚类算法是GMM模型参数初始化常用的方法之一。传统K-means算法在聚类过程中采用几何距离进行分类,忽略了类中各矢量的分布不同对聚类结果的影响,常常得不到令人满意的识别结果。文中对传统K-means算法进行了改进,并将改进后的K-means算法与GMM结合应用到声纹识别系统中。实验结果表明,改进的K-means算法与传统的算法相比具有更好的识别效果。     

一种基于激光信息的移动机器人两步自定位方法

提出了一种基于激光信息的移动机器人两步自定位方法.在对扫描数据预处理之后，第一步采用序贯搜索法进行室内环境的直线提取并建立角度直方图，通过角度直方图匹配求取机器人的旋转角度.第二步对角度匹配后的激光数据进行核密度估计，以核相关为基础建立以平移向量为参数的目标函数，并采用BFGS拟牛顿法实现平移向量的求解.实验结果证明该方法能够有效的实现移动机器人的精确自定位.     

融合时空上下文信息的兴趣点推荐

为了给用户提供更好的位置服务,提出了一种位置社交网络中融入时空上下文信息的混合个性化兴趣点推荐模型.在空间上,对用户签到进行层次聚类,对各聚类内二维核密度估计的结果取平均.在时间上,利用用户签到的时间信息、签到的位置信息及社交网络构建转移矩阵,运行改进图的随机游走模型.混合模型融合时空上下文信息做推荐.在真实数据集上的实验结果表明,无论在标准推荐场景还是冷启动场景下,混合推荐模型的准确率和召回率性能均优于基准方法.     

基于层次化BoF模型和Spectral-HIK过滤的手势识别算法

为了解决基于计算机视觉的人类手势识别问题,提出一种名为层次化Bag-of-Features(BoF)的模型.该模型通过对人手区域进行划分和对图像特征分别向水平和垂直轴投影来提取图像特征的空间分布信息.为了准确快速地实现手势识别,构建一种基于直方图交叉核的手势识别分类算法.该算法结构简单、运行效率高,而且充分利用层次化BoF模型的结构特点.为了进一步提高在复杂背景下手势识别准确率和运行效率,采用一种基于谱和直方图交叉核的背景特征点过滤算法.实验结果显示,所提算法对于简单背景下的手势识别准确率可达99.79%,而对于复杂背景下的识别准确率为80.01%.     

基于抽样数据与核估计的随机数生成法

对任意连续总体的一个独立同分布（i．i．d．）样本,在非参数核密度估计的基础上,定义总体分布函数核估计的多种形式,给出基于非参数核估计的随机数产生方法及统计检验。     

社会媒体群组探测的谱聚类研究与应用设计

改进了传统的谱聚类算法,并优化了初始聚类中心的选择方法。传统的谱聚类算法虽然具有算法复杂度较低、适用范围广等特点,但受高斯核函数尺度参数影响较大。设计的算法通过引入万有引力模型进行相似性度量,设计了基于引力的相似性度量方法,以此消除尺度参数的影响;另外,提出基于密度与距离乘积的初始聚类中心选取方法,优化了初始聚类中心的选择。在UCI基准数据集上的实验表明,改进的算法消除了尺度参数σ影响的同时,也达到了比较好的NMI指标和Accuracy指标。最后,使用改进的算法设计了基于微博用户的群组探测方法,取得了较为理想的用户群组划分结果。     

一种基于谱聚类的聚类核半监督支持向量机

针对传统半监督支持向量机的高斯核函数无法恰当描述流形数据特性,从而导致流形数据分类精度下降的问题,提出一种基于谱聚类的聚类核半监督支持向量机.利用谱聚类方法在特征向量空间中对原始样本数据进行重新表述,使得在新表述中同一聚类中的样本能够更好地积聚在一起,构建聚类核函数,并进而构造聚类核半监督支持向量机,使样本更好地满足半监督学习必须遵循的聚类假设.研究结果表明:聚类核半监督支持向量机对未标记样本的分类精度高且算法性能稳定,对控制参数的设置不敏感,适于解决流形数据的分类问题.