基于SVD-LSTM的高校学生宿舍空调负荷预测

准确预测高校空调负荷是保证高校安全用电和电力高峰期区域配电网稳定运行的前提。文中以高校空调负荷中具有代表性的学生宿舍空调负荷为对象,建立了基于奇异值分解-长短期记忆网络的高校学生宿舍空调负荷预测模型。该方法以高校学生宿舍空调负荷特性为基础,使用奇异值分解进行降噪处理,通过长短期记忆网络对高校学生宿舍空调负荷进行预测。文中以武汉某高校的真实数据为样本进行了分析验证,通过与传统预测模型对比,证明所提预测模型的预测效果和精度优于传统预测方法。     

多尺度高斯模型的短期负荷预测

为了准确地进行电力负荷的短期预测,借鉴小波分析中对函数进行多尺度表示的思想,文中在高斯过程模型的基础上提出了多尺度高斯过程模型.通过选择合适的尺度参数,采用计算预测均方误差值大小的策略获取最佳延迟时间和最优嵌入维数对,然后对西北某地区电力系统进行短期负荷预测.与传统的支持向量机、径向基函数网负荷预测方法相比,基于多尺度高斯过程模型的短期负荷预测方法预测精度与支持向量机方法相当,性能优于径向基函数.     

一种改进的舰船合成孔径雷达图像分割方法

针对舰船合成孔径雷达(SAR)图像识别中的图像分割问题,运用数理统计领域的方法,以舰船合成孔径雷达图像为研究对象,在深入分析经典K–Means聚类算法以及高斯混合模型之后,提出一个改进的高斯混合模型,用来对舰船合成孔径雷达图像进行分割。该方法采用马氏距离对经典K–Means方法进行改进,同时,将传统高斯混合模型的每一个概率分布,进一步再细分成单个的概率成分,在辅助变量计算过程中,采用梯度上升算法。仿真实验结果显示,研究得到了比使用经典K–Means算法和普通高斯混合模型的分割方法精确度更高、稳定性更好的分割结果。     

基于高斯过程回归的电力负荷预测算法

针对基于传统算法的电力负荷预测方法误差大的问题,本文提出一种基于高斯过程回归的负荷预测算法。算法首先利用电量数据当作高斯过程回归的学习样本,并构建电力负荷预测模型,然后采用遗传算法对超参数进行优化,避免用共轭梯度法优化超参数的缺点。最后,利用测试集对该模型性能进行实验测试。基于某地区的电网数据的仿真显示,基于高斯过程回归的负荷预测算法比神经网络和支撑向量机算法的预测精度更高。     

基于统计模型和KL距离的纹理图像检索

为了进一步提高纹理图像的检索性能,提出了一种基于统计模型离的纹理特征提取算法。根据小波分解的特点,从小波系数角度出发,以每个子带的小波系数系数直方图分布特性作为纹理特征,采用混合高斯模型和一般高斯模型分别对低频和高频信息进行描述,利用最大似然估计规则将特征提取和相似计算结合起来,采用KL距离进行度量。与一般高斯模型方法比较,该算法具有检索精度高等特点。理论分析和在纹理图像检索的对比实验数据说明该算法在纹理特征提取方面的性能较一般高斯模型方法提高了5%。     

混合高斯模型的高阶统计量研究与仿真

以高阶统计量数学分析方法,对混合高斯模型进行研究,并给出理论计算结果.重点讨论二元混合高斯模型,给出高阶统计量的理论值,用Matlab仿真不同方差和不同均值时多膜性、对称性和斜度值、峰度值的估计结果,并比较斜度值、峰度值的理论结果和仿真结果,验证理论结果的正确性,为通信理论中混合高斯模型的研究做补充.     

基于受限玻尔兹曼机的语音带宽扩展

语音带宽扩展是为了提高语音质量,利用语音低频和高频之间的相关性重构语音高频的一种技术。高斯混合模型法是语音带宽技术中被广泛应用的一种方法,但是,由于该方法假设语音高频、低频服从高斯分布,且只表征了语音低频、高频之间的线性关系,从而导致合成的高频语音出现失真。因此,该文提出一种基于受限玻尔兹曼机的方法,该方法利用两个高斯伯努利受限玻尔兹曼机提取语音低频和高频中蕴含的高阶统计特性;并利用前馈神经网络将语音低频高阶统计特性参数映射为高频高阶统计特性参数。这样,通过提取语音低频和高频中蕴含的高阶统计特性,该方法可以深层挖掘语音高频和语音低频之间的实际关系,从而更加准确地模拟频谱包络分布,合成质量更高的语音。客观测试、主观测试结果表明,该方法性能优于传统的高斯混合模型方法。     

雷达组网GMPHDF关键参数研究

高斯混合概率假设密度滤波具有严密的数学基础,适合跟踪弱信噪比多目标,但其目标分布协方差P和高斯元素裁剪门限T至今未有合理取值规则,影响了跟踪效果,且残差协方差S参与增益计算时需要对其进行逆计算,如果S为非正定,会导致计算发散。针对上述问题,通过概率统计方法推导了参数P和T的取值规则,通过Cholesky和QR分解,确定了参数S的计算规则。仿真比较分析表明：文中提出的目标分布协方差P、裁剪门限T和残差协方差S的计算规则用于雷达组网高斯混合概率假设密度滤波跟踪弱信噪比多目标时,能较高精度地跟踪到所有目标,且没有带来多余计算负担。     

基于块模型的混合高斯模型运动目标检测方法

文中针对传统混合高斯模型(GMM)运动目标检测方法计算量大、时间复杂度高的缺点,提出一种利用块模型的混合高斯模型运动目标检测方法。该改进算法利用分块处理技术为每个块建立一个模型,同时利用概率更新策略对块模型进行更新,充分利用图像像素间的空域信息,大量减少算法的计算量和存储空间,提高了算法的运行效率。应用这种改进算法,对分辨率不低于CIF(352×288)的监控视频进行检测,结果表明:当块大小值设置为3×3时,检测效果与传统混合高斯模型的检测效果基本一致,而改进算法的平均耗时减少了46.16%,存储空间减少不低于54.15%。     

混合因子分析的重新抽样方法

混合因子分析是一种对具有复杂结构的多维数据建立模型的方法.本文提出了一种进行混合因子分析的重新抽样方法.当给定一组数据样本时,我们首先建立样本概率分布的混合高斯模型,然后为每一个高斯混合项重新抽取新的数据样本,在新的样本上再对每一个高斯混合项进行因子分析.与已有的算法相比较,避免了计算各个高斯混合项在每个样本值之下的后验概率,又减少了进行因子分析时参与计算的数据样本的数量.     

一种基于高斯混合模型的运动目标检测改进算法

在运动目标检测方法的研究中提出一种基于高斯混合模型的运动目标检测的改进算法。首先利用颜色信息对背景建立高斯混合模型;其次在模型更新阶段．为了模型的自适应性和尽量逼近真实信号量,在传统学习率基础上提出一种加权思想,即对均值与方差分别给出一个不同的加权值。最后应用中值滤波及物体空间连通性进行后处理。实验结果表明,与传统高斯混合模型方法相比,改进的方法能更加有效地检测出运动目标,具有较好的鲁棒性。     

高斯混合分布激光中心线提取方法

针对激光辅助立体视觉测量中的非高斯非对称分布激光条的匹配中心线提取精度较低的问题,提出一种基于高斯混合模型的激光中心线提取方法。首先分析了激光散斑对图像的影响,选择均值滤波方法有效去除激光散斑噪声;然后利用最大类间方差(OTSU)阈值分割方法对光条位置进行粗定位;最后,利用本文提出的高斯混合模型提取激光条亚像素中心线,该模型可准确地描述激光条横截面光强分布特性,从而能够实现光条中心极值点的高精度提取。实验结果表明该方法能够高效稳定的提取激光条中心线。     

基于高斯混合多目标滤波器的传感器控制策略

本文基于随机有限集的高斯混合多目标滤波器（Gaussian Mixture Multi-Target Filter,GM-MTF）提出几种传感器控制策略.首先,基于容积卡尔曼高斯混合多目标非线性滤波器,借助两个高斯分布之间的巴氏距离,推导GM-MTF的整体信息增益,并以此为基础提出相应的传感器控制策略.另外,设计高斯粒子的联合采样方法对多目标滤波器的预测高斯分量进行采样,用一组带权值的粒子去近似多目标统计特性,利用理想量测集对粒子的权值进行更新,继而研究利用Rényi散度作为评价函数,提出一种适应性更好的传感器控制策略.最后,给出基于目标势的后验期望（Posterior Expected Number of Targets,PENT）评价的高斯混合实现过程.仿真实验验证了提出算法的有效性.     

Gaussian mixture PHD filter for jump Markov models based on best-fitting Gaussian approximation

A new Gaussian mixture probability hypothesis density (PHD) filter is developed for tracking multiple maneuvering targets that follow jump Markov models. This approach is based on the best-fitting Gaussian approximation which has been shown to be an accurate predictor of the interacting multiple model (IMM) performance. Compared with the existing Gaussian mixture multiple model PHD filter without interacting, simulations show that the proposed filter achieves better results with much less computational expense.     

基于高斯比例混合模型的图像非下采样Contourlet域去噪

为改善图像的去噪效果,该文提出了一种基于高斯比例混合模型的图像非下采样Contourlet域去噪算法。该算法首先建立非下采样Contourlet系数邻域的高斯比例混合模型,然后在模型基础上应用贝叶斯最小二乘法对系数进行估计,最后反变换得到恢复图像。算法结合了非下采样Contourlet变换对图像边缘的高效表示能力、非下采样变换的移不变性质以及GSM模型对非下采样Contourlet系数邻域相关性的概括能力。实验结果表明,该算法在视觉效果和峰值信噪比的改善上都取得了非常好的效果。     

改进高斯混合粒子滤波被动目标跟踪算法

针对被动传感器跟踪系统非线性较强问题,提出了一种基于改进高斯混合粒子滤波的被动传感器目标跟踪算法。该算法基于Sigma点卡曼滤波和粒子滤波的特点,用有限的高斯混合模型来近似后验状态密度、系统噪声和观测噪声的分布。然后结合遗传算法和EM算法来实现模型的降阶,克服了EM算法假定混合成分数为已知、迭代的结果需要依赖初始值、可能收敛到局部最大点或可能收敛到参数空间的边界的缺点,从而改善粒子枯竭的问题。仿真实验结果表明在被动传感器跟踪领域,与传统粒子滤波、基于EM的高斯混合粒子滤波和基于贪心EM的高斯混合粒子滤波相比,该算法在保持高精度估计能力的同时,具有较强的鲁棒性,是解决非线性系统状态估计问题的一种有效方法。     

约束条件下的结构化高斯混合模型及非平行语料语音转换

提出一种约束条件下的结构化高斯混合模型及非平行语料语音转换方法.从源与目标说话人的原始非平行语料中提取出少量相同音节,在结构化高斯混合模型的训练过程中,利用这些相同音节包含的语义信息及声学特征对应关系对K均值聚类中心进行约束,并在（Expectation Maximum,EM）迭代过程中对语音帧属于模型分量的后验概率进行修正,得到基于约束的结构化高斯混合模型（Structured Gaussian Mixture Model with Constraint condition,C-SGMM）.再利用全局声学结构（Acoustic Universal Structure,AUS）原理对源和目标说话人的约束结构化高斯混合模型的高斯分布进行匹配对准,推导出短时谱转换函数.主观和客观评价实验结果表明,使用该方法得到的转换后语音在谱失真,目标倾向性和语音质量等方面均优于传统的结构化模型语音转换方法,转换语音的平均谱失真仅为0.52,说话人正确识别率达到95.25%,目标语音倾向性指标ABX平均为0.82,性能更加接近于基于平行语料的语音转换方法.     

基于TMS320C6678的背景更新算法的改进与实现

利用混合高斯模型描述序列图像背景是地面复杂背景下红外搜索跟踪系统中的关键技术。针对背景更新算法的收敛性和估计准确性的问题,提出了一种自适应混合高斯模型的背景更新框架。该背景更新框架通过建立混合模型迭代过程中学习因子与时间、模型状态的关系并且自适应选择混合模型中高斯分布的个数,有效地提高了背景估计的精确程度和算法的收敛速度。通过真实序列图像详细分析本文背景更新框架性能,同时研究设计了基于TMS320C6678DSP芯片的背景更新图像处理系统,实现了视频的传输、处理等系列功能,并与其他算法作比较,从数据分析和实验结果等方面表明本文算法的优越性。     

Dynamic Assignment of Gaussian Components in Modelling Speech Spectra

In this paper, we describe a parametric mixture model for modelling the resonant characteristics of the vocal tract where Gaussian distributions are used to model spectral frequency regions. A mixtures of Gaussian (MoG) based parametrisation scheme is used for modelling a smoothed representation of the spectra. This smoothing procedure removes all signal periodicity from the spectra allowing highly natural analysis, manipulation and synthesis of speech. The goal of this parametrisation scheme is to ease the correspondence between the resonant characteristics of the vocal tract and the parametric distributions and modelling the spectrum with an appropriate number of parameters. Previously, a maximum likelihood (ML) approach to this parametrisation scheme was introduced. However, this approach has inherent local optima problems. Noting that, a relatively small class of Gaussian densities can approximate a large class of distributions, we propose a new scheme whereby starting with a large number of distributions in the mixture, we systematically reduce their number and re-approximate the densities in the mixture based on a distance criterion. The Kullback-Leibler (KL) distance was found to allow optimal MoG solutions to the spectra. Furthermore, a fitness measure based on KL information is used to provide a figure for estimating the model order in representing formant-like features. The proposed model is subjectively evaluated and is shown to reduce the number of Gaussian with an appreciable loss in the quality of the re-synthesised speech.