多分辨率差分图像非参数核密度估计方法仿真

针对多分辨率差分图像核密度估计阶段中,由于信息冗余与重复计算导致的估计结果准确率下降的问题,提出一种非参数核密度估计方法.利用硬件设备采集多分辨率视频序列,提取关键帧图像作为样本集.分割多分辨率的差分图像,形成由背景图像与前景运动目标两部分组成的初始模型.以该模型为基础构建Copula核函数,利用核函数的运算性能分别确...     

基于网络与统计方法的集成分类器及其应用

分析了各单一方法的分类性能,提出了神经网络与统计方法相集成的策略,由此提出MLFN-CCA-Fisher集成分类器。通过网络的自适应学习,将原样本模式经加权S型变换,映射到新的模式空间,能被线性分类,然后用相关成分分析方法提取特征,再建立Fisher判别模型。在性能测试与实际应用中,集成分类器均取得了良好的效果。     

基于自组织神经网络与核密度估计的非线性MPCA在线故障监测

针对多向主元分析(MPCA)不能提取复杂的非线性系统变量间的非线性特性以及T2统计量置信限的确定是以主元得分呈正态分布为假设前提的情况,提出了一种基于自组织神经网络与核密度估计的非线性MPCA在线故障监测方法.该方法用自组织神经网络去提取变量间的非线性特征信息;用核概率密度函数去估计非线性主元的置信限.将该方法应用到β-甘露聚糖酶补料分批发酵过程的在线故障监测中,应用效果表明用非线性主元比用同样数目的线性主元能够获取更多的变量信息,并且用核密度估计置信限的方法比用参数估计的方法能更准确地对故障进行监测.     

核密度估计及其在聚类算法构造中的应用

经典数理统计学中的核密度估计理论是构造基于数据集密度函数聚类算法的理论基础,采用分箱近似的快速核密度函数估计方法同样为构造高效的聚类算法提供了依据．通过对核密度估计理论及其快速分箱核近似方法的讨论,给出分箱近似密度估计相对于核密度估计的均方误差界,提出基于网格数据重心的分箱核近似方法．在不改变计算复杂度的条件下,基于网格数据重心的分箱核近似密度函数计算可以有效地降低近似误差,这一思想方法对于构造高效大规模数据聚类分析算法具有指导意义．揭示了基于网格上密度函数近似的聚类算法与核密度估计理论之间的关系．     

一种核密度估计动态场景建模算法

利用非参数估计理论核密度估计方法,研究了多模态场景参考帧的动态维护与更新问题。针对背景存在小运动的复杂场景,提出了一种基于多样性采样机制的核估计动态场景建模算法。从包含运动物体的训练图像序列中,提取具有较高频度和多样性的灰度新样本集,建立背景高斯核密度估计模型,并利用背景帧差值法检测运动物体。多样性样本集很好地表征了训练样本的关键信息,避免了采用全样本产生的信息冗余和重复计算,使估计阶段的计算简单有效。通过与全样本方法在运动物体检测效果上的时比,验证了本文算法的有效性。     

基于核密度估计的分层强化学习自动分层算法

分层强化学习中自动分层问题目前仍未得到有效的解决,本文针对Option方法,研究了基于核密度估计的Option自动生成算法,该算法根据分层强化学习的特点并结合改进后的核密度估计层次聚类方法,实现分层强化学习的自动分层,生成子目标,并在此基础上构建出Options。实验结果表明这种算法可以大大加快学习的效率。     

融合上下文信息与核密度估计的协同过滤推荐

随着互联网信息技术的迅速发展,网络数据量快速增长,如何在海量数据中找到用户感兴趣的信息并实现个性化推荐是目前重要的研究方向.协同过滤算法作为推荐系统中的经典方法被广泛应用于不同场景,但是仍然存在数据稀疏,以及在计算相似度时不能考虑到所有数据的问题,只能够利用具有共同评分的数据,严重影响了推荐的精确度.针对上述存在的问题...     

MMCKDE:基于数据流的m-混合聚类核概率密度估计

数据流挖掘应用对时间、空间有着较高的要求,因而传统的密度估计方法,如核密度估计法、压缩集密度估计法等并不适用于数据流密度估计.提出一种新颖的面向在线数据流的m-混合聚类核密度估计(m-mixed clustering kernel density estimation,MMCKDE)方法,该方法通过创建MMCKDE节点,用固定个数的混合聚类核获得聚类信息,以代替其他密度估计方法中的所有核.针对数据量不断增加的情况,通过计算Kullback Leibler(KL)距离进行核合并,可进一步以更紧凑的形式表示概率密度估计信息.较之于其他一些方法只能估计整段数据流的密度,MMCKDE方法最终获得的模型不仅适用于整段数据流,还适用于任意时间段上的密度估计.MMCKDE算法同SOMKE算法在不同基准数据集及真实数据集上进行密度估计精度和运行时间的比较.实验结果表明,MMCKDE算法具有更好的性能.     

核聚类人工免疫网络模型的设计

针对聚类分析问题和人工免疫系统的应用特性,构造出一种新型的人工免疫系统的应用形式—核聚类人工免疫网络。     

Kernel Density Estimation and Intrinsic Alignment for Shape Priors in Level Set Segmentation

In this paper, we make two contributions to the field of level set based image segmentation. Firstly, we propose shape dissimilarity measures on the space of level set functions which are analytically invariant under the action of certain transformation groups. The invariance is obtained by an intrinsic registration of the evolving level set function. In contrast to existing approaches to invariance in the level set framework, this closed-form solution removes the need to iteratively optimize explicit pose parameters. The resulting shape gradient is more accurate in that it takes into account the effect of boundary variation on the object’s pose. Secondly, based on these invariant shape dissimilarity measures, we propose a statistical shape prior which allows to accurately encode multiple fairly distinct training shapes. This prior constitutes an extension of kernel density estimators to the level set domain. In contrast to the commonly employed Gaussian distribution, such nonparametric density estimators are suited to model aribtrary distributions. We demonstrate the advantages of this multi-modal shape prior applied to the segmentation and tracking of a partially occluded walking person in a video sequence, and on the segmentation of the left ventricle in cardiac ultrasound images. We give quantitative results on segmentation accuracy and on the dependency of segmentation results on the number of training shapes. Electronic supplementary material Electronic supplementary material is available for this article at and accessible for authorised users.     

改进的BP算法在建筑工程造价估算中的应用

建筑工程造价估算是项目可行性研究阶段的重要内容.研究了工程造价及其影响因素之间复杂的非线性关系,改进了人工神经网络BP算法,在此基础上建立建筑工程造价估算模型.为了验证模型的正确性,收集了莱芜市20个典型建筑工程项目,并选取其中18个作为训练样本,2个作为测试样本,运用MATLAB建模分析,测试结果表明,预测精度与实际值偏差不大,精度满足要求.神经网络在工程造价估算方面具有良好的发展前景.     

一种基于核密度估计的模拟电路故障诊断方法

为解决模拟电路中含有噪声等异常信息给支持向量机的最优分类面建立带来的困难,提出了一种基于核密度估计方法的模拟电路故障诊断新方法。首先提取电路的时域信号统计参数作为故障特征,然后运用核密度估计方法构造模糊隶属度函数,将该隶属度函数应用到模糊支持向量机上进行故障诊断。通过训练模糊支持向量机获得故障诊断模型,实现对电路单故障和多故障的诊断分类,能有效消除特征中噪声和野点的影响。将该方法应用于CSTV滤波电路进行仿真实验,结果表明该方法能突出不同故障的特性并正确有效地诊断出多故障类型,综合诊断正确率达到95%,为模拟电路故障诊断提供了新的技术途径。     

基于分布估计算法的人工神经网络优化设计

布估计算法是一类新的进化算法,它通过统计在当前群体中选出的个体信息给出下一代个体分布的概率统计,用随机取样的方法生成下一代群体。文章将建立在一般结构Gauss网络上的分布估计算法应用于人工神经网络的优化。仿真实验结果表明,分布估计算法用于优化神经网络,可以在很短的时间内收敛至全局最优解,避免了BP算法的不足,提高了网络的学习性能,从而为人工神经网络的优化提供了一种新的途径。     

优化的BP神经网络分类器的设计与实现

文章从实用、经济和高效的角度出发,提出了一种优化BP神经网络分类器的设计与实现方案。它具有较好的模块性,可移殖性以及透明性。对于各种模式识别的情况,它都具有一定的实用和参考价值。同时提出了一种确定隐层节点数的新方法。结果良好。     

核相关滤波与孪生网络相结合的目标跟踪算法

针对核相关滤波目标跟踪算法中对局部上下文区域图像提取的HOG特征图在复杂环境下不能保证目标跟踪的精度问题,提出了一种核相关滤波与孪生网络相结合的目标跟踪算法.首先在首帧输入图像中提取HOG特征图并建立相关滤波器模板,同时提取经过孪生网络的目标区域图像特征图;然后若后续帧输入图像帧数不为5的倍数则提取仿射变换HOG特征图...     

基于神经网络与贝叶斯的混合文本分类研究

采用向量空间模型(V SM)描述文本,利用隐性语义索引(LSI)技术进行特征重构与降维,构造了BP神经网络文本分类器。将贝叶斯分类技术与前者结合构造了一种混合文本分类器。实验结果表明混合分类器分类准确度和分类速度得到提高。     

基于高阶近似核和傅里叶系数内插的快速频率估计算法

通过理论分析建立了近似核和量化位数之间的约束关系,并提出无需乘法运算的高阶近似核,用于提高单比特测频算法的动态范围.此算法同时对基于近似核的傅里叶系数实部或虚部最大值附近的DFT系数内插构造频率修正项.可以避免常规测频校正算法的复数运算从而有效减少运算量.此算法简单且宜于硬件快速实现,其有效性得到了理论分析和仿真结果的验证.     

一种基于HMM和ANN的语音情感识别分类器

针对在语音情感识别中孤立使用隐马尔科夫模型（HMM）固有的分类特性较差的缺点，本文提出了利用隐马尔科夫模型和径向基函数神经网络（RBF）对惊奇，愤怒，喜悦，悲伤，厌恶5种语音情感进行识别的方法。该方法借助HMM规整语音情感特征向量，并用RBF作为最终的决策分类器。实验结果表明在本文的实验条件下此方法和孤立HMM相比具有更好的性能，厌恶的识别率有了较大改进。     

人工神经网络专家系统在门窗选型中的应用

本文提出了一个将神经网络专家系统的设计思想引入门窗选型过程的应用模型,从而提高了门窗选型的合理性,也充分发挥了神经网络及专家系统的各自优点。文中主要介绍了基于神经网络专家系统的门窗选型模型的结构和推导过程,此模型在实际应用中确实取得了令人满意的效果。