NHPP模型参数调整与EM算法

应用NHPP模型进行软件可靠性分析,不可避免的遇到所提供的软件错误数据不完全的情况.由于此类数据中部分信息的缺失,将影响到分析结果.本文以General NHPP模型为核心,介绍软件可靠性估测系统(SRPS)中,应用EM算法进行模型参数的估计与调整,以提高软件可靠性分析结果的质量.     

一种适合于大数据集处理的混合EM算法

EM算法的计算强度较大,且当数据集较大时,计算效率较低。为此,提出了基于部分E步的混合EM算法,降低了算法的计算强度,提高了算法对数据集大小的适应能力,并且保持了EM算法的收敛特性。最后通过将算法应用于大的数据集,验证了该算法能减少计算强度。     

采用EM算法对粒子滤波跟踪算法进行改进

提出了一种改进粒子滤波跟踪算法EMPF(expectation-maximization particle filter)。针对传统粒子滤波存在的动态模型的不确定问题,将EM算法与粒子滤波算法有效结合,将运动模型的参数作为待估量,采用EM算法来确定目标的运动模型参数,从而获得对目标状态的较准确估计。实验结果表明,当目标做复杂的转弯运动时,该算法能够显著地提高对目标运动状态的预测精度。     

用于图像分割的滤波EM算法

利用邻近像素类别上的相关性,在采用EM算法对模型参数求解的过程中,以滤波方法引入像素的空间位置信息,降低了EM对初始值选择的敏感性.该算法在引入了像素的位置信息的同时,保持了EM算法的简单性,并为混合分量个数的选择提供了一种新的实现途径.对实际图像的分割结果证实了算法的有效性.     

改进的EM算法——A-ECM算法

EM算法应用广泛于缺失数据的模型参数估计,但该算法收敛速度缓慢。本文提出了A-ECM算法,即结合Aitken加速和ECM算法的思想,并通过仿真实验分析,结果表明A-ECM算法既实现了对EM算法的分阶段加速,也达到了稳定收敛的目的。     

基于EM算法的高斯混合模型参数估计

讨论在一般的混合分布条件下,用EM算法,在最小熵原理的优化准则下的数据拟合问题。简单推导有限混合高斯分布的EM算法．并针对其收敛速度慢的缺点设计一种有效的选取参数初始值的方法。实验结果表明,该方法有助于EM算法以较快的速度在参数真值附近收敛。     

基于EM算法的高斯混合模型参数估计

讨论在一般的混合分布条件下,用EM算法,在最小熵原理的优化准则下的数据拟合问题。简单推导有限混合高斯分布的EM算法,并针对其收敛速度慢的缺点设计一种有效的选取参数初始值的方法。实验结果表明,该方法有助于EM算法以较快的速度在参数真值附近收敛。     

基于EM迭代的曲线提取算法

从工程图纸中追踪曲线并进行数字化是一项极有意义的工程。本文设计了一种基于EM算法思想的曲线追踪提取算法。该算法主要通过两个步骤来实现。首先在E步骤,利用两个先验点预测出下一个目标点。预测的方法采用切线导向搜索法。然后在M步骤,对目标点的坐标进行优化调整,将搜索到的黑游程正中间的点作为最终目标点。文中将该算法应用于工程图纸的曲线数据提取,实验表明,本算法能够实现曲线数据的连续自动提取,并且不受交叉点和其它噪声点的影响,同时优化了搜索过程,极大提高了曲线数据提取的效率。     

用快速EM算法实现小波系数的高斯浊合分布模型

提出了一种小波系数的高斯混合分布模型。该模型用两个分量的高斯混合分布来拟合小波域每个高频频带系数的分布：其中，先验概率小方差大的分布代表了少量幅值较大的小波系数，先验概率大方差小的分布代表了大量幅值较小的小波系数，该文采用了基于特征的快速EM逄法完成对高斯混合分布参数的求解，实验结果证明了模型的有效性。     

基于状态空间模型和概率矩阵分解的推荐算法

传统的矩阵分解算法在时间上将全部训练数据作为整体进行计算以获得用户兴趣特征,忽略了用户兴趣漂移问题。针对此问题,提出一种基于状态空间模型和概率矩阵分解的推荐算法。首先将用户兴趣特征向量与用户评分数据的矩阵分解映射到线性高斯状态空间中;然后使用EM算法和卡尔曼滤波器对模型参数进行动态求解;最后根据前后获得用户兴趣特征向量确认用户兴趣是否发生漂移,并进行相应推荐。实验结果表明,该算法与传统的矩阵分解推荐算法相比,能更好地感知用户兴趣漂移,提高推荐质量。     

EM算法的研究及其在文本处理中的应用

引入EM这一个经典的迭代算法,对EM算法进行具体的推导,并对算法的具体执行步聚做进一步的描述;接着对如今常用的几种文本分类的方法做了概括,重点分析Bayes分类方法,并将EM与Bayes分类方法进行结合,提高Bayes的分类精度,并在综述里对未来海量数据时代怎样来弥补EM算法的不足做简要的介绍.     

多目标跟踪算法的研究与应用

将多目标跟踪算法用于水中絮体颗粒的跟踪,提出了一种代价函数结合改进MHT的算法,对出现异常的絮体颗粒用改进MHT算法跟踪,并通过分析絮体颗粒运动特性修正了改进MHT算法,有效解决了跟踪过程中出现的轨迹交叉、轨迹合并等情况,这样在保证跟踪精度的基础上又提高了跟踪速度;同时,采用跟踪絮体颗粒得到颗粒的沉淀速度信息来评价水处理混凝的效果,自动控制混凝剂的加注,从而达到自来水水质检测和净化的目的。     

改进EM算法在图像检索中的应用

基于相关反馈算法的图像检索经迭代后查询点会陷入局部最优。针对该问题,提出一种基于自适应相关反馈算法的图像检索方法。如果当前查询点达到局部最优,则采用EM裂项算法将该点分解为2个子查询点,通过移动查询点使其各自达到局部最优。如果用户对当前查询不满意,再将这2个子查询点分解为4个子查询点进行处理,以此类推,直到用户满意为止。实验结果表明,与自适应的相关反馈算法、混合反馈算法以及不对称的贝叶斯相关反馈算法相比,该方法的查准率较高。     

机器人控制算法的研究

服务机器人是人工智能、机器人学、仿生学、控制理论和电子技术等多种技术学科交叉的产物。随着科技的发展和社会的进步,机器人已经走出实验室,在深海勘测、汽车制造、医学科研、能源开发、军事现代化等领域中都占有着不可取代的位置。     

基于卡尔曼滤波的数据融合算法与应用研究

针对无人机飞控系统对输入的多传感器信息融合时传统卡尔曼滤波算法容易出现滤波发散,滤波精度和系统的实时性降低的问题,研究了一种改进的自适应滤波算法,可以让数据融合后的信息精度更高,实时性更强。改进的算法是在Sage-Husa滤波的基础上引入滤波收敛性判据,并提出了基于改进的Sage-Husa滤波算法的联邦卡尔曼滤波器的设计,可以抑制滤波发散,提高滤波精度和稳定性。同时引入强跟踪滤波算法的思想,调整增益矩阵,改进滤波算法,提高系统突变情况下的滤波处理能力。最后,通过对特定的自主避障系统用改进后的算法与传统卡尔曼滤波算法进行MATLAB仿真比较,仿真结果显示改进的自适应滤波算法在系统模型参数失配和实变噪声情况未知时,可以较好地保持滤波的精度和实时性。     

一种改进的汉语分词算法

首先对汉语分词的基本概念与应用,以及汉语分词的基本方法进行了概述.接着论述了EM算法用于训练分词语言模型的可能性和局限性,为了解决EM算法严重依赖初始化条件的问题,用无监督训练方法建立概率模型,有效地解决了基于EM算法中文分词时可能存在的局部极值问题,提高分词精度.     

基于EM算法和PSO算法的混合优化算法

针对粒子群优化算法容易陷入局部最优解并且存在过早收敛的问题,将类电磁机制算法中的吸引-排斥机制引入到粒子群优化算法中,提出一种类电磁机制算法和粒子群优化算法的混合优化算法(EMPSO).首先按照基本粒子群优化算法的寻优方式对各粒子进行更新,再利用类电磁机制中的吸引-排斥机制对个体最优粒子和群体最优粒子进行移动,最后通过几个标准测试函数进行了测试,并与标准粒子群算法(PSO)、免疫粒子群算法(IPSO)、混沌粒子群算法(CPSO)进行对比.测试结果表明,改进算法提高了全局搜索能力和熟练速度,改善了优化性能.     

改进的扩展卡尔曼滤波算法研究

扩展卡尔曼滤波已被广泛地应用到工程实际等各领域,但是此算法因假设过程噪声固定而带来误差,精度不高。研究了一种改进的EKF算法,主要通过假设过程噪声由滤波结果和观测结果得到,再用差分进化算法对所得到的过程噪声方差进行最优化选择来提高滤波精度,通过Matlab对算法进行验证,并与EKF滤波效果、无迹卡尔曼滤波效果进行比较,结果表明,改进的扩展卡尔曼滤波算法减小了状态估计偏差,获得了比较理想的滤波效果,提高了滤波精度。     

基于鲁棒高斯混合模型的加速EM算法研究*

针对传统鲁棒高斯混合模型EM算法存在模型成分参数难以精确获取最优解以及收敛速度随样本数量的增加而快速降低等问题,提出了一种基于鲁棒高斯混合模型的加速EM算法。该算法采用隐含参量信息熵原理对高斯模型分量个数进行挑选以及使用Aitken加速方法减少算法的迭代次数,当接近最优解时,EM步长的变化极为缓慢,这时使用Broyden对称秩1校正公式进行校正,使算法快速收敛,从而能够在很少的迭代次数内精确获取高斯混合模型的模型成分数。文中算法通过与传统鲁棒EM算法和无监督的EM算法的聚类结果进行比较,实验证明该算法对初始值的设定并不敏感(成分数c无需预先设定),并且能够降低算法运算时间,提高聚类模型成分数(类簇)的正确率。