连续PH分布数据拟合的确定性退火EM算法

针对目前连续PH分布数据拟合EM(Expectation-Maximization)算法存在的初值敏感问题,提出运用确定性退火EM算法进行连续PH分布数据拟合,给出了详细的理论推导,并通过两个拟合实例与标准EM算法进行了对比.对比结果表明所提出的方法可以有效地避免初值选择的不同对EM算法结果的影响,减小陷入局部最优的可能性,能得到比标准EM算法更好的结果.     

基于EM算法的ACPH分布数据拟合方法

ACPH分布继承了PH分布具有良好特性的特点,对其进行数据拟合的难度比PH大大降低。针对ACPH分布缺乏数值稳定拟合算法的问题,提出采用EM算法解决该问题,给出了ACPH分布数据拟合EM算法的理论推导,并通过3个拟合实例验证了算法的有效性。     

连续PH 分布数据拟合的确定性退火BP算法

针对目前连续PH 分布数据拟合EM(Expectation-Maximization)算法存在的初值敏感问题,提出运用确定性退火EM 算法进行连续PH 分布数据拟合,给出了详细的理论推导,并通过两个拟合实例与标准EM 算法进行了对比.对比结果表明所提出的方法可以有效地避免初值选择的不同对EM 算法结果的影响,减小陷入局部最优的可能性,能得到比标准EM算法更好的结果.     

基于朴素贝叶斯的EM缺失数据填充算法

实际应用中大量的不完整的数据集,造成了数据中信息的丢失和分析的不方便,所以对缺失数据的处理已经成为目前分类领域研究的热点。由于EM方法随机选取初始代表簇中心会导致聚类不稳定,本文使用朴素贝叶斯算法的分类结果作为EM算法的初始使用范围,然后按E步M步反复求精,利用得到的最大化值填充缺失数据。实验结果表明,本文的算法加强了聚类的稳定性,具有更好的数据填充效果。     

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。     

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。     

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。     

用快速EM算法实现小波系数的高斯混合分布模型

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。该文采用基于特征的快速算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。     

一阶常微分方程组加速算法及数值仿真

针对一阶常微分方程组提出了一种数值加速算法,给出了该算法的误差分析,并将该加速算法应用于求解太阳帆航天器轨道运动方程组。该算法实现简单,计算量小,计算精度较高。     

基于EM和贝叶斯网络的丢失数据填充算法

实际应用中存在大量的丢失数据的数据集,对丢失数据的处理已成为目前分类领域的研究热点。分析和比较了几种通用的丢失数据填充算法,并提出一种新的基于EM和贝叶斯网络的丢失数据填充算法。算法利用朴素贝叶斯估计出EM算法初值,然后将EM和贝叶斯网络结合进行迭代确定最终更新器,同时得到填充后的完整数据集。实验结果表明,与经典填充算法相比,新算法具有更高的分类准确率,且节省了大量开销。     

A refined EM algorithm for PH distributions

This paper proposes an improved computation method of maximum likelihood (ML) estimation for phase-type (PH) distributions with a number of phases. We focus on the EM (expectation-maximization) algorithm proposed by Asmussen et al. [27] and refine it in terms of time complexity. Two ideas behind our method are a uniformization-based procedure for computing a convolution integral of the matrix exponential and an improvement of the forward-backward algorithm using time intervals. Compared with the differential-equation-based EM algorithm discussed in Asmussen et al. [27], our approach succeeds in the reduction of computation time for the PH fitting with a moderate to large number of phases. In addition to the improvement of time complexity, this paper discusses how to estimate the canonical form by applying the EM algorithm. In numerical experiments, we examine computation times of the proposed and differential-equation-based EM algorithms. Furthermore, the proposed EM algorithm is also compared with the existing PH fitting methods in terms of computation time and fitting accuracy.     

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。     

有限混合密度模型及遥感影像EM聚类算法

遥感信息是地球表层信息的综合反映，由于地球表层系统的复杂性和开放性，地表信息是多维的、无限的、遥感信息传递过程中的局限性以及遥感信息之间的复杂相关性，决定了遥感信息其结果的不确定性和多解性，遥感信息具有一定的统计特性，同时又具有高度的随机性和复杂性，在特征空间中往往表现为混合密度分布，针对遥感信息这种统计分布的复杂性，提出了有限混合密度的期望最大（EM）分解模型，该模型假设总体分布可分解为有限个参数化的密度分布，通过EM迭代计算可估计出各密度分布的最大似然参数集；将有限混合EM聚类算法应用于遥感影像的聚类分析中，并与传统统计聚类方法进行了比较，比较结果表明，其对复杂地物的区分具有优势，另外在融合专家知识、初始化等方面具有扩展能力。     

最佳模型拟合的并行算法

提出最佳函数模型数据拟合的并行算法。每个处理机用不同的函数模型拟合相同的数据,再由主机根据每种函数模型的残差选择最佳的函数模型。该算法不需要事先给出函数模型而由计算机盲目搜索。     

带隐变量的回归模型EM算法

带有隐变量的回归模型具有非常广泛的应用场合,隐回归模型的参数求解问题依赖于自变量的分布假设。基于自变量的beta分布的假设条件,给出了隐回归模型的EM算法,详细地推导了模型中的参数求解过程,给出了使用牛顿法求解beta分布参数的算法,并提出一个合适的初值选择算法。在模拟数据和真实数据的基础上进行了详细的比较性试验,结果表明,对具有不同分布特征的因变量观察值,EM算法能够有效地求解隐回归模型的参数。     

满足LDP的多维数据联合分布估计

多维数据的发布与分析可以产生巨大的价值,但在数据收集阶段时常发生隐私泄露的问题.传统的中心化差分隐私保护方法要求一个完全可信的第三方数据收集者来收集数据,但在现实中很难找到一个完全可信的第三方数据收集者.随着属性维度的增加,数据收集者的求精处理工作(联合分布的计算)也成了一个亟待解决的问题.针对上述问题提出一种适用于多值数据的本地化差分隐私保护算法(RR-LDP),引入一元编码和瞬时随机响应技术用来在数据收集阶段保护个人隐私,降低了通信开销;在满足LDP的情况下,结合期望最大化(EM)算法和LASSO回归模型,提出了高效的多维数据联合分布估计算法(LREMH).该算法用LASSO回归模型估计初始值,用EM算法进行迭代计算.理论分析和实验结果表明LREMH算法在精度和效率之间取得了平衡.     

基于EM算法的文本聚类优化研究

针对现有的文本聚类算法难以取得满意结果的问题，以EM算法为基础，提出能分别描述相似、不相似聚类对的相似性分布以及重要、不重要文档的重要性分布的文本聚类优化模型（text clustering optimization model, TCOM）．基于该模型，设计一种通过合并不同的文本聚类结果以获取最优性能的方法．实验结果表明，利用该方法同时改善了聚类精度和召回率，其性能优于单独使用现有的硬、软聚类算法．     

数据分发管理匹配算法的R-树实现

数据分发管理（DDM）是高层体系结构（HLA）接口规范的6类服务之一,高效的区域匹配算法是DDM研究的重点和难点．当前的多种匹配算法往往只适用于特定的应用环境,且效率不够理想．R-树法是在空间索引技术的基础上提出的一种新的匹配算法,该方法用R-树对DDM区域的矩形进行组织,并利用Hash索引对其叶结点的组织方式进行了改进．实验结果表明R树法可有效减少动态DDM的维护开销,提高分布交互仿真的实时性,通过调整R-树的相关参数,可以进一步改善匹配算法的性能．     

一种含噪数据FCM聚类算法

针对IADFCM算法在运算过程中忽略区间中点和半宽对区间数分析的问题,给出基于中点、半宽含权重区间数间的欧氏距离,提出一种改进的聚类分析算法,对模拟数据集和实际数据集分别进行仿真实验,实验结果表明,该算法是有效的。