Dirichlet

摘要： 在健康智能照顾护理领域,日常行为识别的准确率至关重要,但是由于日常行为本身的动态可变性以及个体之间的差异性的特点,造成基于可穿戴设备的日常行为识别模型的泛化性差、识别率低,无法对复杂日常行为进行识别的问题.提出一种优化的特征提取方法,将手腕动作聚合为若干个高层语义主题,进而将日常行为表征为一个有序的高层语义主题序列,有效地提升分类的效果.实验结果表明,高层主题语义特征能更准确地表征复杂日常行为的特征,提高了行为识别的准确性.

摘要： 1引言余家荣教授、孙道椿等人对Dirichlet级数,随机Dirichlet级数研究的比较多.并且田范基对二重B值Dirichlet级数,二重B值随机Dirichlet级数进行了研究,而对二重Dirichlet级数在半平面的研究目前还很少.为研究二重Dirichlet级数在收敛的半平面的增长性,在本文中,仿照余家荣教授的想法,适当定义二重Dirichlet级数在收敛半平面内所确定函数的级,研究了二重Dirichlet级数在收敛半平面内的增长性.

摘要： With increasing complexity of today’s electromagnetic problems, the need and opportunity to reduce domain sizes, memory requirement, computational time and possibility of errors abound for symmetric domains. With several competing computational methods in recent times, methods with little or no iterations are generally preferred as they tend to consume less computer memory resources and time. This paper presents the application of simple and efficient Markov Chain Monte Carlo (MCMC) method to the Laplace’s equation in axisymmetric homogeneous domains. Two cases of axisymmetric homogeneous problems are considered. Simulation results for analytical, finite difference and MCMC solutions are reported. The results obtained from the MCMC method agree with analytical and finite difference solutions. However, the MCMC method has the advantage that its implementation is simple and fast.

摘要： In this paper, we study the existence of nontrivial radial convex solutions of a singular Dirichlet problem involving the mean curvature operator in Minkowski space. The proof is based on a well-known fixed point theorem in cones. We deal with more general nonlinear term than those in the literature.

摘要： We study a class of Dirichlet functions obtained as analytic continuation across the line of convergence of Dirichlet series which can be written as Euler products. This class includes that of Dirichlet L-functions. The problem of the existence of multiple zeros for this last class is outstanding. It is tacitly accepted, yet not proved that the Riemann Zeta function, which belongs to this class, does not possess multiple zeros. In a previous study we provided an example of Dirichlet function having double zeros, but that function is not an Euler product function. In this paper we deal with Euler product functions and by using the geometric properties of the mapping realized by these functions, we tackle the problem of the multiplicity of their zeros.

摘要： In this manuscript, a proof for the age-old Riemann hypothesis is delivered, interpreting the Riemann Zeta function as an analytical signal, and using a signal analyzing affine model used in radar technology to match the warped Riemann Zeta function on the time domain with its conjugate pair on the warped frequency domain (a Dirichlet series), through a scale invariant composite Mellin transform. As an application of above, since the Navier Stokes system solution’s Dirichlet transforms are also Dirichlet series, a minimal general solution of the 3d Navier Stokes differential equation for viscid incompressible flows is constructed through a fractional derivative Fourier transform of the found begin-solutions preserving the geometric properties of the 2d version assuming that the solution is an analytic solution that suffices the Laplace equation in cylindrical coordinates, which is the momentum equation for both the 2d and the 3d Navier Stokes systems of differential equations.

摘要： The effect of treatment on patient’s outcome can easily be determined through the impact of the treatment on biological events. Observing the treatment for patients for a certain period of time can help in determining whether there is any change in the biomarker of the patient. It is important to study how the biomarker changes due to treatment and whether for different individuals located in separate centers can be clustered together since they might have different distributions. The study is motivated by a Bayesian non-parametric mixture model, which is more flexible when compared to the Bayesian Parametric models and is capable of borrowing information across different centers allowing them to be grouped together. To this end, this research modeled Biological markers taking into consideration the Surrogate markers. The study employed the nested Dirichlet process prior, which is easily peaceable on different distributions for several centers, with centers from the same Dirichlet process component clustered automatically together. The study sampled from the posterior by use of Markov chain Monte carol algorithm. The model is illustrated using a simulation study to see how it performs on simulated data. Clearly, from the simulation study it was clear that, the model was capable of clustering data into different clusters.

摘要： 本文为贝叶斯方法应用于航空发动机研制阶段可靠性增长评估与预测提供了一种新的思路和方法。针对发动机研制存在历史信息和专家经验的特点,基于新的Dirichlet先验分布,本文建立了一种可靠性增长的Bayes评估与预测模型。本模型充分利用先验信息和阶段试验信息,合理估算出当前阶段和后续试验阶段发动机可靠性的Bayes点估计和置信下限.利用最优化方法研究了新的Dirichlet先验分布参数确定的方法,容易定量和衡量先验参数,解决了超参数物理意义不明确难以确定问题。针对后验高维分布数值积分的计算问题,运用WinBUGS软件计算解决了参数后验推断问题。通过实例验证了该模型的直观性与有效性。

摘要： 本文为贝叶斯方法应用于航空发动机研制阶段可靠性增长评估与预测提供了一种新的思路和方法。针对发动机研制存在历史信息和专家经验的特点,基于新的Dirichlet先验分布,本文建立了一种可靠性增长的Bayes评估与预测模型。本模型充分利用先验信息和阶段试验信息,合理估算出当前阶段和后续试验阶段发动机可靠性的Bayes点估计和置信下限.利用最优化方法研究了新的Dirichlet先验分布参数确定的方法,容易定量和衡量先验参数,解决了超参数物理意义不明确难以确定问题。针对后验高维分布数值积分的计算问题,运用WinBUGS软件计算解决了参数后验推断问题。通过实例验证了该模型的直观性与有效性。

摘要： 本文为贝叶斯方法应用于航空发动机研制阶段可靠性增长评估与预测提供了一种新的思路和方法。针对发动机研制存在历史信息和专家经验的特点,基于新的Dirichlet先验分布,本文建立了一种可靠性增长的Bayes评估与预测模型。本模型充分利用先验信息和阶段试验信息,合理估算出当前阶段和后续试验阶段发动机可靠性的Bayes点估计和置信下限.利用最优化方法研究了新的Dirichlet先验分布参数确定的方法,容易定量和衡量先验参数,解决了超参数物理意义不明确难以确定问题。针对后验高维分布数值积分的计算问题,运用WinBUGS软件计算解决了参数后验推断问题。通过实例验证了该模型的直观性与有效性。

摘要： 本文为贝叶斯方法应用于航空发动机研制阶段可靠性增长评估与预测提供了一种新的思路和方法。针对发动机研制存在历史信息和专家经验的特点,基于新的Dirichlet先验分布,本文建立了一种可靠性增长的Bayes评估与预测模型。本模型充分利用先验信息和阶段试验信息,合理估算出当前阶段和后续试验阶段发动机可靠性的Bayes点估计和置信下限.利用最优化方法研究了新的Dirichlet先验分布参数确定的方法,容易定量和衡量先验参数,解决了超参数物理意义不明确难以确定问题。针对后验高维分布数值积分的计算问题,运用WinBUGS软件计算解决了参数后验推断问题。通过实例验证了该模型的直观性与有效性。

摘要： 本文为贝叶斯方法应用于航空发动机研制阶段可靠性增长评估与预测提供了一种新的思路和方法。针对发动机研制存在历史信息和专家经验的特点,基于新的Dirichlet先验分布,本文建立了一种可靠性增长的Bayes评估与预测模型。本模型充分利用先验信息和阶段试验信息,合理估算出当前阶段和后续试验阶段发动机可靠性的Bayes点估计和置信下限.利用最优化方法研究了新的Dirichlet先验分布参数确定的方法,容易定量和衡量先验参数,解决了超参数物理意义不明确难以确定问题。针对后验高维分布数值积分的计算问题,运用WinBUGS软件计算解决了参数后验推断问题。通过实例验证了该模型的直观性与有效性。

摘要： 本文为贝叶斯方法应用于航空发动机研制阶段可靠性增长评估与预测提供了一种新的思路和方法。针对发动机研制存在历史信息和专家经验的特点,基于新的Dirichlet先验分布,本文建立了一种可靠性增长的Bayes评估与预测模型。本模型充分利用先验信息和阶段试验信息,合理估算出当前阶段和后续试验阶段发动机可靠性的Bayes点估计和置信下限.利用最优化方法研究了新的Dirichlet先验分布参数确定的方法,容易定量和衡量先验参数,解决了超参数物理意义不明确难以确定问题。针对后验高维分布数值积分的计算问题,运用WinBUGS软件计算解决了参数后验推断问题。通过实例验证了该模型的直观性与有效性。

摘要： 本发明涉及一种基于Dirichlet过程的可比语料双语平行片段抽取的方法，属于机器学习翻译与自然语言处理技术领域。本发明首先需要通过双语主题模型获得双语可比语料对的主题分布，再通过泊松分布随机切分双语可比语料，然后设定一个主题阈值，通过阈值初步筛选可比语料平行片段集，最后由Dirichlet过程获得各个平行片段之间的匹配概率，再经过吉布斯抽样进一步获得最终精确的平行片段对。在相同的可比语料环境下，本发明基于Dirichlet过程的抽取方法获取平行片段对的效果更佳。

摘要： 本发明涉及一种基于空间Dirichlet混合模型的彩色图像分割方法，所提出的统计模型基于Dirichlet混合模型，Dirichlet分布是一个多元泛化的Beta分布，对比其他分布(例如：高斯分布、)它能够包含对称与非对称模态，因此可以灵活处理各种图像以及体现出较好的分割准确率。本发明在Dirichlet混合模型中融入空间邻域特征，从而体现出较好的鲁棒性。在求解Dirichlet混合模型参数过程中，本发明采用基于变分贝叶斯推断的方法，使得模型求解更加准确高效。克服了现有技术的方法采用的最大似然估计(ML)和最大后验概率估计(MAP)存在的不足：这些方法通常容易在求解模型过程中陷入局部极小值，而且会造成迭代次数过多。

摘要： 本发明涉及一种基于截断Dirichlet过程无限Student’s t混合模型的脑部核磁共振图像分割方法，基于Dirichlet过程无限Student’s t混合模型，将无限Student’s t混合模型中的分量数假设为预设的图像的分割数K，然后利用期望最大化算法对模型进行求解，再利用贝叶斯最大后验概率准则进行图像分割。本发明所述的方法中，假设的Student’s t混合模型直接对应到脑部核磁共振图像不同的部分，而且Student’s t分布的高尾部特性决定了模型有较好的抗噪效果，从而实现脑部核磁共振图像分割。求解Dirichlet过程无限Student’s t混合模型的过程中，本发明用简单高效的期望最大化算法对基于截断Dirichlet过程无限Student’s t混合模型进行求解，使模型的求解变得更易实现。本发明的实施，能够在PC端对一幅脑部核磁共振图像快速自动地进行分割。

摘要： 本发明公开了一种基于无穷Dirichlet过程混合模型的指节识别方法，按照以下步骤进行：步骤1，在局部Markov假设的基础上，将条件随机测度的学习问题转化为随机聚类学习问题；步骤2，运用无穷Dirichlet过程混合模型描述概率密度，将聚类数量表述为随机态；步骤3，利用Gibbs采样方法，对分层概率形式的密度结构进行迭代学习；步骤4，基于Dirichlet过程混合模型的坍塌Gibbs采样算法DPMM，运用样本集进行了模型训练学习，采用固定阈值对手部图像指节进行识别。本发明细化了手部生物结构的描述，检测结果稳定可靠，计算效率高。

摘要： 本发明公开了一种基于Dirichlet分布‑多项分布共轭先验的用户侧储能聚合方法，建立用户侧储能对有功聚合控制信号的不确定性响应行为模型；根据储能用户的历史响应行为数据，基于Dirichlet分布建立先验分布θi；从先验分布θi中进行采样，计算每个储能的响应概率三元组；计算每个储能用户的有功削减期望值，并进行降序排列；确定选取的m个储能用户，发送有功调节指令；基于Dirichlet分布‑多项分布的共轭属性，更新后验分布。本发明的用户侧储能聚合方法通过贝叶斯推断不断学习储能用户参与有功调节的不确定性，实现精准有功调节的同时降低调节成本，从而提高用户侧储能的利用率。

摘要： 本发明公开了一种基于Dirichlet顶点的水下AUV路径形成方法，其步骤包括：1生成Dirichlet结构的AUV数据收集点；2描述Dirichlet顶点对传感器节点的支配关系；3采用支配集理论约简AUV数据收集点；4得到优化路径。本发明能在保证完整收集全网数据的基础上，可缩减移动路径长度，从而能降低网络能耗，提高水下AUV移动速率，形成优化路径。

摘要： 本发明涉及一种基于Dirichlet过程的可比语料双语平行片段抽取的方法，属于机器学习翻译与自然语言处理技术领域。本发明首先需要通过双语主题模型获得双语可比语料对的主题分布，再通过泊松分布随机切分双语可比语料，然后设定一个主题阈值，通过阈值初步筛选可比语料平行片段集，最后由Dirichlet过程获得各个平行片段之间的匹配概率，再经过吉布斯抽样进一步获得最终精确的平行片段对。在相同的可比语料环境下，本发明基于Dirichlet过程的抽取方法获取平行片段对的效果更佳。

摘要： 本发明公开了一种基于无穷Dirichlet过程混合模型的指节识别方法，按照以下步骤进行：步骤1，在局部Markov假设的基础上，将条件随机测度的学习问题转化为随机聚类学习问题；步骤2，运用无穷Dirichlet过程混合模型描述概率密度，将聚类数量表述为随机态；步骤3，利用Gibbs采样方法，对分层概率形式的密度结构进行迭代学习；步骤4，基于Dirichlet过程混合模型的坍塌Gibbs采样算法DPMM，运用样本集进行了模型训练学习，采用固定阈值对手部图像指节进行识别。本发明细化了手部生物结构的描述，检测结果稳定可靠，计算效率高。

摘要： 本发明涉及一种基于空间Dirichlet混合模型的彩色图像分割方法，所提出的统计模型基于Dirichlet混合模型，Dirichlet分布是一个多元泛化的Beta分布，对比其他分布(例如：高斯分布、)它能够包含对称与非对称模态，因此可以灵活处理各种图像以及体现出较好的分割准确率。本发明在Dirichlet混合模型中融入空间邻域特征，从而体现出较好的鲁棒性。在求解Dirichlet混合模型参数过程中，本发明采用基于变分贝叶斯推断的方法，使得模型求解更加准确高效。克服了现有技术的方法采用的最大似然估计(ML)和最大后验概率估计(MAP)存在的不足：这些方法通常容易在求解模型过程中陷入局部极小值，而且会造成迭代次数过多。

摘要： 本发明涉及一种基于截断Dirichlet过程无限Student’s t混合模型的脑部核磁共振图像分割方法，基于Dirichlet过程无限Student’s t混合模型，将无限Student’s t混合模型中的分量数假设为预设的图像的分割数K，然后利用期望最大化算法对模型进行求解，再利用贝叶斯最大后验概率准则进行图像分割。本发明所述的方法中，假设的Student’s t混合模型直接对应到脑部核磁共振图像不同的部分，而且Student’s t分布的高尾部特性决定了模型有较好的抗噪效果，从而实现脑部核磁共振图像分割。求解Dirichlet过程无限Student’s t混合模型的过程中，本发明用简单高效的期望最大化算法对基于截断Dirichlet过程无限Student’s t混合模型进行求解，使模型的求解变得更易实现。本发明的实施，能够在PC端对一幅脑部核磁共振图像快速自动地进行分割。