期望最大化

摘要： 针对局部扩展移动立体匹配算法在弱纹理区域的误匹配率较高的问题,建立倾斜块匹配项和曲率平滑项的概率模型,提出一种基于期望最大化的局部扩展移动立体匹配算法。算法首先使用局部扩展移动计算参考图像中像素的视差平面;然后基于期望最大化更新模型参数μ和ν,并利用这2个参数确定平滑权重。反复更新这些参数,直到收敛或者达到循环上限,根据最后确定的获得最终的视差图。实验结果表明,在Middlebury数据集上与局部扩展移动立体匹配算法相比,所提算法在弱纹理区域取得了较好的匹配结果。

摘要： 细胞受到致癌因子刺激时引起突变,突变过程使基因组发生具有一定模式的改变,称为突变印迹.突变印迹分析是阐明致癌因子的致癌机制及驱动癌症发展的一项重要任务,将为肿瘤早期诊断和个体化治疗提供新的依据和选择.下一代测序技术的突破和发展使得海量体细胞突变被识别,从而使从大规模基因组中挖掘突变印迹成为可能.本文详细解释了突变印迹识别问题的数学模型,介绍了求解方法和重要参数,系统全面地比较了主流算法和软件,指明了突变印迹提取的注意事项.最后,对该领域的未来发展趋势进行了探讨.

摘要： 针对地震地下流体观测数据易受观测系统、自然环境、场地环境、人为调试和不明原因等因素干扰,本文提出一种基于神经网络的地下流体观测数据干扰抑制的期望最大化算法.该方法利用噪声和信号幅度之间的统计特性差异来构建检测标准,并将包含信号和噪声的两个统计分布的混合物组成的模型拟合到数据中,然后通过期望最大化用于估计并得出数据中每个样本是否有噪声的概率(即可能性).只有那些可能性大于特定阈值的样本才被认为是噪声.结合湖北地震台地下流体观测数据实例进行仿真实验,并与传统神经网络和小波分析算法对比.结果表明该算法能起到更好抑制噪声的目的,具有明显的优越性.

摘要： 针对船用光纤罗经误差的概率分布不完全符合高斯分布的情况,提出了一种基于高斯混合模型(Gaussian mixture model,GMM)的光纤罗经误差概率分布函数(probability distribution function,PDF)建模方法.该方法使用多个高斯分布的线性叠加来拟合光纤罗经误差的概率分布,并结合一种鲁棒性的期望最大化(expec-tation maximization,EM)算法来估计GMM中的参数.仿真分析和实测数据验证,相比于使用单一的高斯分布,基于所提方法建立的光纤罗经误差概率分布更加符合该导航设备误差的实际概率分布.

摘要： 针对风电功率预测误差的统计分析,研究了一种基于高斯混合模型的风电功率预测误差分布,采用期望最大化算法,从统计学角度分析了风电功率负荷预测误差数据,并且在理论上证明了该方法的合理性.该方法的优点在于,无论其统计分布是怎样的,所有风电功率预测误差的概率密度函数都可以使用高斯混合模型近似表示,然后进行适当的子模型削减.通过对高斯混合模型与其他各种统计分布模型的性能进行比较,证明了高斯混合模型在风电功率预测误差统计分析应用中的有效性.

摘要： 为解决相应的目标跟踪问题,该文针对二维空间雷达/红外测量系统提出了一种期望最大化容积卡尔曼滤波(EMCKF).在期望最大化框架下计算出量测噪声自适应因子,修正量测噪声协方差,以解决跟踪过程中时变量测噪声场景造成的量测模型失配的问题.仿真结果表明,与容积卡尔曼滤波(CKF)相比,在时变量测噪声环境下,该文EMCKF可以得到更准确的结果,并且该算法对量测信息丢失具有更好的鲁棒性.

摘要： 为进一步提升电力系统客户的用户体验,针对现有聚类算法寻优能力差、紧凑性不足以及较难求解聚类数目最优值的问题,提出一种联合手肘法与期望最大化(EM)的高斯混合聚类算法,挖掘大量客户数据中的潜在信息.该算法通过EM算法迭代出良好的聚类结果,而针对传统的高斯混合聚类算法需要提前获取用户分群数量的缺点,利用手肘法合理找出客户的分群数量.案例分析表明,所提算法与层次聚类算法和K-Means算法相比,FM、AR指标的增幅均超过10％,紧凑度(CI)和分离度(DS)的降幅分别低于15％和25％,可见性能有较大提升.

摘要： 超声波CT是一种新的检测空气温度分布的技术,本文在研究超声波CT成像原理的基础上,引入最大似然期望最大化(Maximum-Likelihood Expectation-Maximization,ML-EM)迭代算法,并利用高斯分布模型取代泊松分布模型,对该算法进行改进,提出了一种超声波CT温度场重建的新方法.该方法利用超声波的一维投影数据,对速度矩阵进行求解,从而得到空气中的温度分布.数值仿真实验表明,利用上述方法能够得到良好的温度场重建图像.

摘要： 设备的剩余寿命(RUL)估计是对其进行视情维护、故障预测与健康管理的关键问题之一。为实现对于单个设备退化过程的建模以及RUL的估计，本文提出了一种Bayesian更新与期望最大化(EM)算法协作下退化数据驱动的RUL估计方法。首先利用指数退化模型来描述设备的退化过程，基于监测的退化数据，利用Bayesian方法对模型的随机参数进行更新，进而得到了RUL的概率分布函数和点估计。再者，利用运行设备到当前时刻的监测数据，基于EM算法给出了退化模型中非随机未知参数的估计方法，并证明了参数迭代估计中每步得到的结果是唯一最优解。最后通过仿真并与文献中的方法进行了比较，表明本文提出的方法可以对单个设备退化过程进行建模，有效的估计退化模型中的未知参数，进而得到更好的RUL估计结果。

摘要： 本文在传统的EM算法基础上,提出了一种适合于概率密度函数满足指数族分布时的参数估计算法.改进的EM算法利用指数族概率密度函数特有的充分统计项进行参数估计,替代了传统EM算法中的概率密度函数本身.由于随机型多层感知机,其输入输出统计关系也满足指数族分布.因此,在本文的实验部分,利用此改进算法对多层感知机进行了经典异或问题的训练,用以检验算法的可行性.

摘要： 本文在传统的EM算法基础上,提出了一种适合于概率密度函数满足指数族分布时的参数估计算法.改进的EM算法利用指数族概率密度函数特有的充分统计项进行参数估计,替代了传统EM算法中的概率密度函数本身.由于随机型多层感知机,其输入输出统计关系也满足指数族分布.因此,在本文的实验部分,利用此改进算法对多层感知机进行了经典异或问题的训练,用以检验算法的可行性.

摘要： 本文在传统的EM算法基础上,提出了一种适合于概率密度函数满足指数族分布时的参数估计算法.改进的EM算法利用指数族概率密度函数特有的充分统计项进行参数估计,替代了传统EM算法中的概率密度函数本身.由于随机型多层感知机,其输入输出统计关系也满足指数族分布.因此,在本文的实验部分,利用此改进算法对多层感知机进行了经典异或问题的训练,用以检验算法的可行性.

摘要： 本文在传统的EM算法基础上,提出了一种适合于概率密度函数满足指数族分布时的参数估计算法.改进的EM算法利用指数族概率密度函数特有的充分统计项进行参数估计,替代了传统EM算法中的概率密度函数本身.由于随机型多层感知机,其输入输出统计关系也满足指数族分布.因此,在本文的实验部分,利用此改进算法对多层感知机进行了经典异或问题的训练,用以检验算法的可行性.

摘要： 一种非瞬态存储介质存储指令，所述指令能由电子处理器(20)读取并运行以执行用于估计针对正电子发射断层摄影(PET)成像设备(12)的探测器阵列(14)的探测器(16)的单独率的方法(100)。所述方法包括：获得针对由所述探测器阵列的所述探测器的对定义的响应线(LOR)的测量的延迟符合率；并且通过迭代优化来生成针对所述探测器阵列的所述探测器的估计的单独率，在所述迭代优化中，每次迭代通过包括以下各项的操作来执行针对所述探测器的所述单独率的估计结果的更新：对针对所述探测器的所述单独率的估计结果进行正向投影以生成针对所述LOR的延迟符合率的估计结果；生成针对所述LOR的所测量的延迟符合率与针对所述LOR的所述延迟符合率的所生成的估计结果之间的定量比较结果；对所述定量比较结果进行反向投影以生成针对所述探测器的所述单独率的校正结果；使用所生成的校正结果来更新针对所述探测器的所述单独率的估计结果。针对所述探测器阵列的所述探测器的所估计的单独率包括当所述迭代优化满足停止准则时通过所述迭代优化输出的针对所述探测器的所述单独率的估计结果。该过程连带地优化所估计的单独率和随机符合估计结果。

摘要： 本发明提供一种基于最大化期望提高算法的船型优化快速方法，该方法包括以下步骤：1)生成初始样本船型库，构建初始近似模型；2)根据初始近似模型构建期望提高函数E(I)；3)最大化E(I)函数产生新的样本船型；4)将新的样本船型加入样本船型库，根据新的样本船型库重建近似模型和期望提高函数E(I)；5)再重复步骤3)和4)，如此往复；6)当期望提高函数E(I)满足迭代收敛条件停止优化，新添加的样本船型中目标性能最低的样本船型为最优船型。基于最大化期望提高算法，将高精度CFD数值仿真应用于船型优化设计实际工程中，使得船型优化设计从数值计算的整体计算量的角度大大缩减计算成本和计算时间。

摘要： 本发明属于合成孔径雷达目标识别技术领域，具体的说是涉及一种基于期望最大化算法的多视角SAR目标识别方法。本发明应用卷积神经网络为特征提取器，根据卷积神经网络对目标的预测概率合理地选择标签的数量，不再简单地选择单视角预测概率最大的标签为预测类别，而是根据预测类别的概率分布灵活地选择可靠的标签。考虑到多视角之间的信息补偿特性，随机选择同一目标的多个视角，自适应地构造多视角标签集，运用EM算法求解预测标签的概率分布，得到更加准确的估计标签，实现了多视角融合，提高了识别率。由于对多视角之间的视角间隔没有限制，本发明可灵活应用于实际场景，尤其是对非协作目标进行目标识别。

摘要： 本发明属于通信技术领域，具体涉及一种基于期望最大化算法的分频带时延估计方法，包括：传感器阵列接收任意的两个声源信号，分别对第一声源信号和第二声源信号进行离散时间傅里叶变换，得到对应的第一声信号和第二声信号；采用广义互相关时延估计算法，得到第一声信号和第二声信号之间广义互相关函数；提取两个声信号的互功率谱，将其拆分成多个子频带，进而建立全频带互相关观测数据，并得到全频带矩阵；建立全频带矩阵与全频带互相关观测数据之间的映射关系，进而建立全频带矩阵与由均值和协方差矩阵组成的观测数据之间的新映射关系；采用期望最大化算法，计算每个子频带的估计时延，并进行多次迭代，并将该稳定估计时延作为最终的时延。

摘要： 本发明公开了一种WiFi环境下基于支撑集及期望最大化的目标定位方法，涉及WiFi定位领域，包括如下步骤：步骤1：建立离线指纹库；步骤2：根据线上获取的目标信号和离线指纹库构建支撑集，通过对支撑集进行真值发现估计正确位置完成目标定位；本发明提出利用支撑集克服最优匹配准则的弊端，并通过期望最大化算法从支撑集中进行目标位置的精确估计，能有效克服环境变化和异构设备造成的RSS波动问题，从而提高了定位的精度和稳健性。

摘要： 本发明涉及一种基于期望最大化的行人重识别方法，属于计算机视觉应用领域。首先利用残差卷积神经网络ResNet50作为特征提取的骨干网络对输入行人进行中间特征的提取；构建注意力模块，特征经过模块中Non‑Local操作中的协方差运算捕获不同区域间的关联信息，再采用EM算法对特征进行注意力稀疏重构，在对特征中潜在变量进行挖掘的过程中来减小特征的冗余程度，增强有效特征信息的表征能力；采用三元组损失函数、交叉熵损失函数和中心损失函数对网络进行联合训练。本发明能够捕获具有较强辨识度的特征；并能够很好地减少特征的冗余程度，得到具有低秩特征的注意力特征图，进一步提高识别率。

摘要： 本发明属于通信技术领域，具体涉及一种基于期望最大化算法的分频带时延估计方法，包括：传感器阵列接收任意的两个声源信号，分别对第一声源信号和第二声源信号进行离散时间傅里叶变换，得到对应的第一声信号和第二声信号；采用广义互相关时延估计算法，得到第一声信号和第二声信号之间广义互相关函数；提取两个声信号的互功率谱，将其拆分成多个子频带，进而建立全频带互相关观测数据，并得到全频带矩阵；建立全频带矩阵与全频带互相关观测数据之间的映射关系，进而建立全频带矩阵与由均值和协方差矩阵组成的观测数据之间的新映射关系；采用期望最大化算法，计算每个子频带的估计时延，并进行多次迭代，并将该稳定估计时延作为最终的时延。

摘要： 一种基于期望最大化算法的信道知识地图构建方法，包括：通过离线射线追踪仿真、离线实地测量或在线实时测量任一方式获取本地通信环境的信道知识数据，根据专家知识对相关信道知识进行统计建模，并利用EM算法对混合统计模型的K类参数进行估计，构建反应当地信号传播环境的信道知识地图；在用户需要通信时，通过GPS、北斗、蜂窝定位、激光雷达以及自身传感器定位方式获取实时位置信息，利用先前构建的信道知识地图及基于逆距离加权的方式获知目标位置的信道知识，从而用于环境感知自适应通信。本发明解决了基于纯模型或纯数据的信道预测方法准确性低、数据存储容量需求大、训练复杂度高的问题，从而降低实时信道状态信息获取的开销。

摘要： 本发明公开了一种基于统计建模的多晶粉末X光衍射图谱的全谱线拟合方法：粉末X光衍射图期望最大化算法全谱线拟合方法(Whole Pattern Fitting of Powder XRD byExpectation Maximum algorithm,简称WPEM)。可用于多晶粉末X光衍射图的全谱拟合,从中提取各衍射峰的峰位、峰宽、峰形、积分衍射强度等晶体结构信息。实现了“统计背底计算”、“组分晶格常数的精确测定”、“组分体积分数的定量测定”等功能。本发明技术能够减少或者消除由衍射几何因素形成的不对称峰形的噪声，可以对混合多晶系的X光衍射图进行全谱线分解和拟合，精确和定量测定各个晶系晶格常数、峰形及各个晶系体积分数。与主流的商用拟合软件Fullprof,TOPAS等相比,显示出更优越的拟合精度。

摘要： 本发明涉及声纳目标检测技术领域，特别涉及基于期望最大化的盲自适应声纳目标检测方法，所述方法包括：在水下均匀、高斯混响背景下获取待检测目标的主动声纳回波信号，经预处理后建立待检测数据矩阵；从待检测数据邻近距离单元采集得到均匀辅助数据，建立辅助数据矩阵；基于均匀、高斯混响空时模型构建扩展目标STAD的二元假设检验；联合利用EM算法和GLRT检验求解二元假设检验，实现目标波达角度、目标幅值和混响协方差矩阵估计和扩展目标似然比检测，从而完成盲自适应声纳目标检测。本发明的方法具备目标波达角度未知场景下的盲自适应扩展目标检测能力。