混合高斯模型

摘要： 跨项目软件缺陷预测(cross project defect prediction,CPDP)旨在实际的软件开发场景中,需要进行缺陷预测的目标项目可能是一个新启动项目,或这个项目已有的训练数据较为稀缺,需要利用其他项目已经搜集的训练数据来构建缺陷预测模型,其已经成为软件质量保证的一种手段,吸引了国内外研究人员的关注.然而,面对不同的目标项目,训练数据的选择将直接影响预测模型的性能.为了解决这个问题,本文描述了一种基于JS散度(Jensen-Shannon divergence)和相对密度的跨项目软件缺陷预测方法.该方法首先通过将源项目和目标项目分别拟合高斯混合模型(Gaussian mixture model,GMM),再通过蒙特卡洛方法计算出目标项目和所有候选项目之间的JS散度.其次,根据获得的JS散度选取与目标项目最接近的源项目;再次,提出相对密度概念,对选取的源项目训练数据进行有效选择.最后,利用CPDP中常用分类器构建预测模型.通过实验对比表明,本文方法不仅能够提高跨项目缺陷预测模型的性能,同时对不同分类器表现出较高的适应性.

摘要： 研究了带跳混合高斯模型下的交换期权定价问题,给出了标的资产在带跳混合高斯模型下交换期权的定价公式.首先,将混合高斯模型下的Ito公式推广到带跳混合高斯模型的情况;其次,利用带跳混合高斯模型下的Ito公式,得到交换期权满足的Black-Scholes偏微分方程;最后,通过求出偏微分方程的解,得到了带跳高斯模型下交换期权的定价公式.

摘要： 学术界与企业界对运动目标识别研究都异常重视。在现今社会案件与各种危险动作频发的场景下,将运动目标识别应用在居家安全及老人照护等领域具有重要研究意义。笔者在深入研究运动目标检测的基础上,利用混合高斯模型对视频图像中的运动目标进行检测与识别,实验结果表明,混合高斯模型在运动目标轮廓提取完整性、噪声去除等方面具有较好的视觉效果,可以有效克服突变光影对运动目标检测准确性的干扰。通过对GMM、ZGMM所提出方法进行前景切割与运动目标检测的时间进行统计,研究发现基于混合高斯模型的运动目标检测方法具有更高的时效性。

摘要： 为研究考虑新能源出力不确定性的电力系统协同控制问题,文中针对同时含有光伏电站、风电场和储能装置的电力系统,以降低备用需求和平抑负荷波动为目标,建立了不确定性优化模型,提出一种考虑新能源出力不确定性的求解优化算法,将混合高斯模型与粒子群算法结合,对储能装置的充放电进行优化,并对优化结果进行置信度校验。研究结果表明:利用本文所提的方法,等效负荷方差下降了41.57%,负荷波动性得到了有效抑制;备用容量需求下降了5.69%,降低了系统对备用容量的需求程度。与确定性方法相比,文中方法优化效果更好。

摘要： 针对新能源厂站发电的不确定性,以同时含有光伏电站和风力发电场的电力系统为研究对象,提出一种基于置信度校验的新能源多厂站互补优化方法。以降低备用需求、提高经济效益为目标建立新能源多厂站不确定性互补优化模型;使用粒子群优化算法结合内点法对优化模型进行求解,得到风电及光伏最优出力;为满足互补优化模型中的不确定性约束条件,对求得的最优出力进行置信度校验。采用所提互补优化方法在MATLAB环境下编程,对安庆地区电网2020年的新能源出力情况进行优化。结果表明:利用本文所提互补优化方法可对新能源出力进行优化,新能源出力最大提高159%,备用容量最大降低100%,经济效益提高69%,从而验证了所提互补优化方法的有效性。

摘要： 研究混合高斯模型和跳-扩散环境下交换期权定价,标的资产的变化过程由次分数布朗运动和布朗运动共同刻画.由无套利原理,得到交换期权价值所满足的偏微分方程,进而利用Mellin变换法求得交换期权的解析解.进而得到跳-扩散环境和混合高斯模型下交换期权定价公式.最后进行数值模拟,赫斯特指数和跳跃强度对期权价值有显著影响.

摘要： 文章融合混合高斯模型与三帧差分法对有轨电车线路进行异物侵限检测,并结合有轨电车位置、速度、异物运动轨迹等参数,采用T-S模糊神经网络进行预警等级划分。以某有轨电车公司提供的视频监控数据作为实例,开展实例仿真研究,仿真结果表明该异物侵限检测算法能够较好地检测出行人、汽车等异物,T-S模糊神经网络能够用于有轨电车异物侵限预警。

摘要： 针对目前视觉测速方法存在检测精度低、鲁棒性差的问题,研究了一种结合模板匹配和混合高斯模型的测速方法。首先,利用混合高斯模型进行背景建模,提取出仅包含目标轮廓信息的前景区域图像。其次,使用参数优化的模板匹配法获取目标的高精度像素位移。最后,使用改进的二维测量模型法精确获取目标对应的像素尺寸。利用目标物理尺寸与图像中目标像素尺寸的比例关系来计算实际速度。实验结果显示,该方法对不同形状目标在不同速度下的测速结果的相对误差均在5%以内,准确度较高。

摘要： 为提升船舶目标检测和跟踪的技术水平,研究船舶目标检测与跟踪技术的特征信息提取方法。首先利用高斯混合背景模型得到船舶前景图像,然后分别提取船舶前景图像的亮度、颜色、方向特征和船舶轮廓特征信息,最后利用支持向量机和Chan-Vese模型利用特征实现船舶目标检测与跟踪。实验结果表明,该方法提取船舶前景图像时可有效提取其微小细节,提取的船舶图像亮度与颜色与原始值吻合度极高,可有效提取船舶轮廓特征,船舶类型识别和跟踪误差小,应用效果较为显著。

摘要： 针对使用传统期望最大化算法进行参数估计的混合高斯模型的最终聚类效果过于依赖初始概率密度中心的问题,提出一种基于模糊C均值算法进行参数初始化的改进期望最大化算法.实验结果表明,在实际的用户知识水平聚类任务中,与传统无监督聚类算法(模糊C均值算法、K-means算法和未改进的期望最大化算法)相比,改进的期望最大化算法的聚类性能度量指标均更优,相比于传统聚类算法全局聚类效果更好.

摘要： 为了实现智能监控系统对视频中行人的跟踪,提出了一种性能优良的背景建模算法.本文论述了混合高斯模型的基本概念以及在目标检测实践中的方法,首先建立并更新混合高斯模型,通过背景减除法得到前景,最终检测运动的行人目标.在调试参数并优化算法后,实验显示该模型在监控系统中有较高的鲁棒性和准确性,改进后模型的实时性满足实际需求.

摘要： 针对传统的混合高斯模型运动目标检测算法计算量大、时间复杂度高,在复杂场景下未能有效地描述背景等缺点,本文提出了一种改进的混合高斯模型算法.该算法利用对视频图像分块的思想,在提高目标检测效率的同时,还考虑到了像素点之间的空域信息.在不同模型区域采用不同的背景更新率,使得背景模型能精确地反映真实的背景.最后对检测结果采用区域标记法来准确定位目标区域,达到去除噪声干扰的目的.实验结果表明,该算法比传统混合高斯模型运动目标检测算法具有更好的检测效果,降低了检测噪声,能有效地检测运动目标,适用于对运动目标的实时检测.

摘要： 运动目标检测在视频监控等纵很多领域中有着广泛的应用价值，稳定可靠的运动目标检测算法是计算机视觉高层理解的重要前提。本文提出的基于混合高斯模型与分块帧差相融合的运动目标检测方法，通过在混合高斯模型的基础上引入分块帧差的思想，从而有效地判断了运动场景中由其他原因引起的场景突变或缓变等情况，为精确稳定的目标检测提供了有力的保障。该方法能够实时地跟踪运动场景，具有良好的鲁棒性。

摘要： 针对单高斯模型在背景提取方面的不足,提出一种基于混合高斯模型的背景提取方法.即是利用多个高斯分布的组成来表示背景图像中各个像素点,从而获得实时更新的背景图像方法.实验结果表明,基于混合高斯模型的背景提取方法具有实用性和有效性.

摘要： 针对电动汽车轮毂电机机械故障频发导致电机性能下降、危及车辆运行安全的实际问题,本文瞄准轮毂电机常见的机械故障,着重考虑车速对轮毂电机振动信号的影响程度,在时域和频域中提炼多个敏感特征参数.以轮毂电机运转状态为目标,将提炼出的特征参数作为贝叶斯网络的节点,利用特征参数高斯分布特性,结合混合高斯模型,从而建立监测轮榖电机运行状态的贝叶斯网络,实现对轮毂电机机械故障的识别.通过轮毂电机综合台架试验,验证该方法对轮毂电机机械故障的识别能力.

摘要： 为了解决人群遮挡严重、光照突变等恶劣环境下人群计数准确率低的问题,提出基于混合高斯模型(GMM)和尺度不变特征变换(SIFT)特征的人群数量统计分析新方法.首先,基于GMM提取运动人群,并采用灰度共生矩阵(GLCM)和形态学方法去除背景中移动的小物体和较密集的噪声等非人群前景,针对GMM算法提出了一种效率较高的并行模型;接着,检测运动人群的SIFT特征点作为人群统计的基础,基于二值图像的特征提取大大减少了执行时间;最后,提出基于人群特征数和人群数量进行统计分析的新方法,选择不同等级的人群数量的数据集分别进行训练,统计得出平均单个特征点数,并对不同密度的行人进行计数实验.算法采用基于GPU多流处理器进行加速,并针对所提算法在统一计算设备架构(CUDA)流上任务的有效调度的方法进行分析.实验结果显示,相比单流提速31.5％,相比CPU提速71.8％.

摘要： 为了实时、准确地统计车流量,以便有效地解决当前存在的交通堵塞、道路拥挤等问题,本文提出了基于视频图像序列的车流量统计方法,该方法先采用混合高斯模型进行背景建模,然后利用背景差分法进行运动车辆检测,最后在车流视频图像序列中道路的适当位置设置虚拟线框,并通过计算虚拟线框内运动车辆前景图像的连通图像面积投影来统计车流量.实验表明,该方法能够实时、快速、准确地统计车流量,具有很好的应用价值.

摘要： 随着信息技术和互联网技术的迅猛发展,安全监控摄像得到越来越广泛的应用,每天产生海量的视频文件,为了从这些视频文件中提取有用的信息耗费了大量的人力物力.监控视频摘要技术可以有效消除监控视频的冗余信息,满足了对视频信息提区的需求.针对监控视频的特殊性,采用基于混合高斯模型的运动物体检测算法和结合Kalman滤波的Camshift跟踪算法,提取视频中的运动物体,形成视频摘要.实验验证结果证明该算法克服了传统算法的不足,能够提取有用信息,压缩视频文件,取得了较好的效果.在此基础上,构建了一个简单的监控视频摘要系统框架,基本满足了实际工作的需要.

摘要： 提出一种基于MFCC和共振峰频率特征的汉语普通话口音识别方法.该方法首先提取Mel频率倒谱系数(MFCC)和共振峰频率特征作为混合高斯模型(GMM)的输入,然后采用期望最大化(EM)算法训练模型,对两种特征分别建模,最后采用基于最大似然准则(ML)的信息融合策略进行口音判别.实验数据库为7个地区的语音数据.经过交叉验证,该方法对于中国典型地区普通话口音的识别率达到85.61％,比单一使用MFCC特征或共振峰频率特征分别提高了6.62％和32.90％.

摘要： 目的：由于实际场景中存在多种复杂环境,比如目标遮挡,本文选出混合高斯模型作为目标检测算法,提出一种基于弱特征的遮挡解决在视频浓缩中的应用.rn 方法：选出的混合高斯模型来分割前景与背景,利用当前帧、更新背景帧、二值化前景帧进行邻域光照不变性阴影消除、Gauss噪声消除、膨胀腐蚀形态学空洞消除,通过以上处理得到较为干净的前景,同时借助canny算子扣取轮廓.在目标跟踪阶段,重点介绍基于位置和颜色特征进行关联,从中精确提取目标摘要信息和轮廓信息,随之一并存入文件,最后在浓缩阶段介绍按最优时间片能量最小化模型进行按帧序浓缩.rn 结果：通过实验结果表明,通过以上方法使得问题得到很好的解决,对解决目标遮挡在视频浓缩中的困难提供新的策略.rn 结论：本文提出的算法能够对视频浓缩显示提供很好的解决方法,实现了对长达几小时原始视频进行几十分钟浓缩显示.

摘要： 本发明公开了一种基于混合高斯模型的固定时间约束的航天器集群控制方法。该方法用于实现航天器集群的飞行控制，包括步骤：建立坐标系，建立相对动力学方程，建立混合高斯模型，建立人工势能函数，确定固定时间控制器的滑膜面，确定固定时间控制器的控制律。本发明的基于混合高斯模型的固定时间约束的航天器集群控制方法通过利用混合高斯模型解析描述目标航天器的外包络，并基于混合高斯模型建立目标航天器外形影响的人工势能函数，从而基于混合高斯模型和人工势能函数控制跟踪航天器跟踪参考轨迹，能够在考虑航天器复杂外形的影响的同时保证航天器系统在固定的时间内稳定，且不受航天器系统初始状态的影响，具有更高的控制精度和更好的适应性。

摘要： 本发明公开了一种基于混合高斯模型和神经网络的行人摔倒检测方法。现有的基于硬件传感器和基于视频图像的摔倒检测方案检测准确率和泛化能力较差。本发明结合了混合高斯模型和神经网络，采用alphapose神经网络能对运动的物体区域进行行人目标检测和骨骼提取，单人骨骼提取的训练集采用人工合成三维人体模型的方法，之后的浅层卷积神经网络会对提取的骨骼进行分类，完成摔倒检测。高斯混合模型能快速的定位运动的前景，过滤视频帧中大量的非运动物体，减少神经网络的计算量。本发明方法检测速度快，且神经网络有较强的泛化性，能应用于实时的视频监控。

摘要： 本发明公开了一种混合高斯模型下基于Arctan函数的信号检测方法，该方法首先建立二阶零均值的混合高斯模型模型，并将该模型作为噪声分布函数；建立从雷达接收端接收的信号模型，并根据是否存在有用信号对接收到信号进行分类，分成有、无待检测信号两类；将分类后得到的待检测信号传入检测结构函数中，进行信号非线性变换，实现对非高斯信号抑制；对检测结构函数输出的变换信号进行滤波匹配并输出检测信号。本方法结构简单，适应性强，能够广泛应用于信号处理领域，在信号估计失配情况下，检测性能依旧稳健；具备恒虚警特性，更易于工程实现。

摘要： 本发明涉及一种基于混合高斯模型的风电机组偏航角度识别方法和装置。该方法包括：读取一定周期内的风电机组运行数据作为初始数据集；基于初始数据集筛选出偏航控制系统正常工作时的数据作为待分析数据集；通过待分析数据集中偏航误差‑风速‑功率散点图确定当前风机是否处于偏航状态；对待分析数据集中的风机偏航误差进行区间划分，并绘制风机偏航误差区间段的频率分布直方图，进而估计风机偏航方向；构建混合高斯分布模型，使用待分析数据集对其进行训练；根据训练后的混合高斯分布模型中单高斯分布模型的均值获得风机当前的偏航角度。本发明从数据挖掘与统计分析的角度实现了对风机偏航系统误差的识别，能够间接提升风电机组的发电性能。

摘要： 本发明公开了一种基于混合高斯模型和隐马尔可夫模型的周界入侵识别方法，包括以下步骤：在栅栏上和栅栏埋地处各铺设一根光栅阵列光缆，每根上包括中心波长不同的多个测区；实时采集每个测区的振动数据，并根据初始阈值判断测区是否发生异常振动，若是则进入事件识别判断；根据振动数据分析异常振动影响不同测区所呈现的高斯分布关系，选取该测区所在光栅阵列光缆的时序数据流中与高斯关系相对应的观测序列，对观测序列按时间帧进行处理，并提取处理后的振动数据的时频域混合特征，再进行时频域混合特征归一化，得到特征向量数据；将特征向量数据输入训练好的高斯‑隐马尔可夫混合模型库，进行周界在线入侵事件识别，得到入侵识别结果。

摘要： 本发明提出了一种基于自适应混合高斯模型的岸基雷达实时杂波模型建立方法。该方法在传统混合高斯模型基础上，针对岸基雷达杂波统计特征多样性以及发生雨雪、台风等恶劣状况区域的杂波统计特征突变情况进行了模型自适应改进，以实现对杂波快速且准确的拟合，首先初始化各回波单元高斯分量数为1，根据后续匹配情况和预设规则对各单元高斯分量数进行自适应增减处理，并更新各项参数；其次，根据回波单元预设邻域范围内当前帧未成功匹配单元个数与该范围内单元个数之比是否大于预设阈值来判断该回波单元是否处于杂波突变区域，并调整该回波单元的模型学习率以尽快实现对突变后杂波的拟合。本发明在传统混合高斯模型基础上进行了自适应改进，以适应杂波分布的多样性以及多变性，相对于单一的概率分布模型和传统混合高斯模型具有更好的适用性和鲁棒性。

摘要： 本发明公开了一种基于Encoder‑Decoder模型和混合高斯模型的餐饮后厨违规判断方法，涉及图像处理技术领域。包括建模阶段：准备违规图片，构建违规图集；标记违规图片中的违规区域，构建违规区域集；构建Encoder‑Decoder模型，包括编码器Encoder和解码器Decoder；以所述违规图集为样本训练Encoder‑Decoder模型至代价函数收敛达标；以训练好的编码器Encoder的编码结果为输入构建混合高斯模型，输出结果为违规概率。实施阶段：利用训练好的编码器提取待检测图片的编码结果；将编码结果输入混合高斯模型，计算违规概率；根据违规概率判断该待检测图片中是否存在违规行为。本发明可以精准提取违规的视觉特征，并且不受后厨场景限制，对于不同餐饮门店的违规识别泛化性能较好。

摘要： 本发明涉及非接触式生理信号检测领域，尤其涉及一种基于混合高斯模型的脉搏波身份认证方法、装置和介质，该方法首先利用血氧仪获取到的用户手指脉搏波信号，将脉搏波信号输入到手工特征提取模块中提取时域和频域特征并分别将其处理为动态特征，将得到的时域和频域的动态特征分别输入到特征提取网络中提取频域和时域的深层次特征；进一步的，将上一步得到的两种深层次特征通过概率线性判别分析算法进行特征筛选；最后，将筛选后的特征利用混合高斯模型算法进行身份识别。本方法能够有效应用于基于脉搏波的生物识别系统中。

摘要： 本申请提供了基于层次混合高斯模型的雷达天线单元装配参数优化方法，包括以下步骤：步骤S1，雷达单元装调参数灵敏度分析；步骤S2，采用层次混合高斯模型的装调参数优化；步骤S3，XGBOOST的电讯性能预测模型构建。本申请提供的基于层次混合高斯模型的雷达天线单元装配参数优化方法利用历史生产数据，对雷达的设计进行二次优化，实现设计与制造的闭环。实验结果表明，经本文方法进行设计优化后，雷达生产的质量有了较大提升，验证了本算法的有效性。

摘要： 本发明涉及一种基于FPGA的混合高斯模型的图像处理方法，步骤S1：构建FPGA模块设计和ARM系统的初始化配置；步骤S2：一组DMA控制器将DDR上的像素和背景模型参数转化成数据流，传入混合高斯模型的核心计算模块；步骤S3：混合高斯模型的核心计算模块分别计算出每一个像素属于背景或前景，然后更新背景模型的参数；步骤S4：另一组DMA控制器将核心计算模块的计算结果和更新后的背景模型参数储存在DDR上。本发明用于在边缘计算场景下进行运动目标检测任务，本发明结合了FPGA的硬件特性与混合高斯模型的计算模式，通过软硬件协同的优化方法，提高了混合高斯模型在FPGA硬件上的性能，在占用更少的FPGA片上资源情况下获得更高的处理速度。