高斯核函数

摘要： 针对FCM(模糊C均值聚类算法)对初始聚类中心的选取敏感以及梯度法易收敛到鞍点,在此基础上提出了一种分层遗传算法(HGA)优化的核模糊C均值聚类算法(HGA-KFCM)来提升聚类性能,首先用分层遗传算法(HGA)在全局筛选出高品质聚类中心以替代FCM的随机产生的聚类中心,再利用高斯径向核函数改变FCM中的距离函数并且重新定义目标函数,最终根据新参数进行迭代流程。在仿真实验中用两种数据集作为实验数据,利用FCM、HGA-KFCM以及其他三种聚类算法进行聚类测试,结果显示HGA-KFCM在一定程度上解决了FCM的缺陷,此外将新算法与另外三种性能不错的聚类算法在抗局部收敛能力,迭代次数和精度上比较,结果显示新算法具有良好的聚类性能。

摘要： 为了提高离群数据检测精度和效率,提出了一种基于相关子空间的离群数据检测算法。该算法首先根据数据局部密度分布特征得出稀疏度矩阵,通过高斯相似核函数放大稀疏度特征;然后计算各属性维中数据稀疏度相似因子,确定子空间向量及相关子空间,结合数据稀疏度和维度权值得出数据对象的离群因子,选取最大的若干个对象为离群数据;最后采用人工数据集和UCI实验数据集验证算法准确性和有效性。

摘要： 基于黏弹性材料的广义流变模型,推导出一种广义阻尼模型及相应的结构动力学方程,分别选用指数函数和高斯函数为广义阻尼模型的卷积核函数,采用Newmark直接积分法计算了Koyna大坝的地震响应,分析了松弛参数、时间积分步长对大坝地震响应的影响,比较了广义阻尼模型和黏滞阻尼模型情况下大坝的地震响应。结果表明:地震作用下广义阻尼模型的响应峰值均大于黏滞阻尼模型的响应峰值;松弛参数越大,广义阻尼的响应峰值越接近黏滞阻尼的响应峰值;指数模型对数值积分时间步长的要求高于高斯模型。

摘要： 为避免数据维度过高影响机器学习算法效率,提出了量子非线性高斯核主成分分析(GKPCA)算法。在算法中,为了实现对原数据集维度的压缩,首先制备高斯核密度矩阵和矩阵量子态,然后利用量子相位估计技术得到核矩阵的特征信息,最后利用断层扫描技术得到降维后的坐标。分析得出,本文算法时间复杂度为O(εN^(3/2)DdpolylogN)。特别是对于大型数据集的情况,与经典算法O(N^(3)+N^(2)D)相比,本文算法具有多项式时间复杂度的加速。

摘要： 三维扫描数据和工艺模型间的配准定位是船舶建造精度管理与控制的关键,采用常规的配准算法难以有效抑制粗差对位姿定位精度的影响.为实现快速、准确配准,给出合理的建造精度评价,提出一种基于最大相关熵的鲁棒性点云配准算法,以削弱粗差对配准精度影响.该算法的核心是将高斯核函数引入到配准学习中.通过构建以高斯核函数为核心的稳健估计模型,利用迭代策略反复测试关联参数.理论和实际算例验证了该算法的有效性和实用性,为船舶建造精度提高和后续装配提供参数.

摘要： 随着不同发电出力形式,特别是新能源出力的大量并网,现代电网呈现出电网结构不断扩大、运行控制日趋复杂的特性.为准确评估不同发电出力对电网线损影响因子大小,保障电网经济运行,提出一种基于Mean-shift聚类分析的电网线损影响因子评估方法.首先,提出一种基于误差平方和的滑动窗口半径最优选取方法;其次,采用基于高斯核函数的Mean-shift聚类分析法将电网量测数据按疏密程度聚类,提取出其主要特征;再次,通过对聚类结果进行多元线性回归,得到不同发电出力的线损影响因子.最后,通过在某省级电网上的实际应用效果,证明了该方法的有效性.

摘要： 针对虚拟路谱缺乏有效评价手段的问题,利用带有高斯核函数(RBF)的支持向量机(SVM)算法以及路谱数据的客观统计值与主观评分建立了评价模型.首先,对虚拟路谱的客观统计值进行分析并在此基础上建立特征值;然后,利用网格搜索的方法搜索模型的惩罚系数和内核系数,建立时域信号分开建模的模型作为评价模型;最后,使用虚拟路谱数据对模型的评分结果进行分析,结果表明,所设计的评分模型精度达标,提高了路谱评价的效率.

摘要： 针对当前多变量时间序列分类方法未考虑降维处理多变量时间序列,导致多变量时间序列分类精度较低,分类时间较长的问题,提出了基于深度置信网络的多变量时间序列分类方法.通过构建深度置信网络模型结构,基于受限玻尔兹曼机,提取可见单元与隐藏单元特征信息,采用Isomap算法,在深度置信网络内进行优先特征提取操作,通过附加约束构造半正定矩阵,降维处理多变量时间序列.在低维特征空间内,利用支持向量机中分线性分类函数,计算得到拉格朗日乘子,根据正则化参数特性,通过高斯核函数,计算得到最优核函数,完成多变量时间序列分类.实验结果表明,提出方法的泛化误差较小,能够有效提高多变量时间序列分类精度,缩短多变量时间序列分类时间.

摘要： 针对核熵成分分析算法(kernel entropy component analysis,KECA)为不同的故障选择相同的核参数影响检测效果的问题,提出了一种基于集成核熵成分分析(ensemble kernel entropy component analysis,EKECA)算法的工业过程故障检测方法.首先,选取一系列具有不同宽度参数的核函数将非线性数据投影到核特征空间,选取Rényi熵值贡献较大的特征值和特征向量,得到转换后的得分矩阵,建立多个KECA子模型;然后,将测试数据投影到各KECA子模型上,计算各KECA子模型的统计量,得到检测结果;最后,将各KECA子模型的检测结果利用Bayesian决策进行概率换算,利用集成学习法计算检测结果统一的统计量,判断其是否超出控制限,并将该算法应用于数值例子和TE过程.仿真结果表明,与传统的EKPCA,KECA等算法相比,所提方法有效提高了故障检测率,降低了误报率.新方法解决了传统KECA算法中不同故障核参数的选择问题,为提高KECA算法在非线性工业过程故障检测中的性能提供了参考.

摘要： 由于多源传感数据及其噪声构成复杂的非线性可分空间,数据融合是目前在资源受限的传感网络中安全、准确和高效地消除冗余数据的重要方法.结合SVM泛化能力强、凸优化的特点,侧重分析了非线性可分多源数据集转化为高维线性可分空间的可行性方法.仿真实验结果表明,宽度参数范围预估方法可以加速高斯核宽度参数的确定.针对多分类情形,仿真实验结果表明,通过控制误差积累,更能确保分类的有效性.

摘要： 对电能质量进行综合评估得出的量化描述结果，可以作为用户选择供电服务的参考依据，有利于实现电能按质定价。本文采用了模式识别中的核函数方法，构建了基于高斯核函数的电能质鼍评估方法。实际计算结果表明该方法有利于区分电能质量等级，从而实现对电能质量进的定性和定量评价，其评估结果更为客观、合理。

摘要： 地震勘探中,相干体属性技术发展已经比较成熟,但是针对一些具体情况,结果还有待改进.本文根据医学上图像增强的原理,将第三代相干数据体与高斯核函数卷积,对得到的新数据体求二阶偏导,求取其最大特征值,从而得到新的相干结果.应用实践证明,第三代相干数据体经过该方法处理后,其抗干扰能力得到了增强,数据体的横向分辨率得到了提高.因此,该方法可以更清晰地展现断层的空间展布,反映地下构造的细节特征.

摘要： 为实现相控阵超声检测耦合状态的在线监控,提出一种基于高斯核函数的支持向量机分类方法,有效地提高了耦合状态评判准确率.该方法通过非线性变换将原始样本映射到另一个特征空间,在这个特征空间中构造一个分隔超平面将样本进行准确分类.在此基础上,根据训练样本构造基于高斯核函数的支持向量分类机,并利用测试样本进行测试训练,从结果中可以看出,耦合状态评判准确率达到了97.03％,有效实现了耦合状态的在线监控.

摘要： 针对模拟电路故障诊断面临的故障数据小样本、非线性等问题以及支持向量机方法的不足,通过在高斯核函数基础上构造加权高斯核函数以提高分类精度,同时改进现有一对一多分类算法,减少不必要分类器以提高模型泛化能力和分类速度,从而提出了一种基于加权高斯核和改进一对一多分类算法的相关向量机模拟电路故障诊断方法.理论分析和实验结果表明,该方法与已有故障诊断方法相比,故障诊断正确率和运算速度等指标均较为理想,且具有更高的模型稀疏性和诊断效率.

摘要： 针对连续属性朴素贝叶斯分类器不能有效利用属性之间的条件依赖信息,而依赖扩展又很难实现属性条件联合密度估计和结构学习协同优化的问题,文中在使用多元高斯核函数估计属性条件联合密度的基础上,建立了具有多平滑参数的连续属性完全贝叶斯分类器,并给出将分类准确性标准与区间异步长划分完全搜索相结合的平滑参数优化方法,再通过时序扩展构建了动态完全贝叶斯分类器.我们使用UCI机器学习数据仓库中连续属性分类数据和宏观经济数据进行实验,结果显示,经过优化的两种分类器均具有良好的分类准确.

摘要： 针对传统的模糊核聚类算法(FKCM)需给出聚类个数，且对初始值敏感、易陷入局部最优的缺点，本文提出了一种基于高斯核化有效性指标的自适应优选聚类数的模糊核聚类算法（GKVI-AOCN-FKCM）。利用基于密度和距离的方法选取初始聚类中心，克服了对初始值的敏感，提高了聚类效率。然后用高斯核函数核化后的有效性指标评价聚类效果并自动确定最佳分类数，从而无监督地实现对数据集的模糊划分。对Iris数据集的仿真实验及石脑油属性数据分类的应用验证了算法的可行性和有效性。

摘要： 本文介绍了一种基于二阶偏导的相干新算法.其主要应用了医学上图像增强的原理,将第三代相干算法所得到的数据体与高斯核函数做卷积生成新的数据体,并对新得到的数据体做二阶偏导,求其最大特征值,该最大特征值就是新的相干结果.模型实验和应用实例证明,该方法抗干扰能力强,横向分辨率高,可以更清晰地展现断层的空间展布,反映地下构造的细节特征.

摘要： 鉴于RBF神经网络的良好性能，文章研究了RBF神经网络的模型和基于高斯核的拓扑结构，探讨了网络中各参数的学习算法，推导了迭代公式中的偏导项,并最终将其应用于水下被动目标识别中的线谱特征分类中。对舰船辐射噪声的识别结果表明，RBF神经网络可对线谱特征进行有效分类，提高水下目标的识别能力。

摘要： 鉴于RBF神经网络的良好性能，文章研究了RBF神经网络的模型和基于高斯核的拓扑结构，探讨了网络中各参数的学习算法，推导了迭代公式中的偏导项,并最终将其应用于水下被动目标识别中的线谱特征分类中。对舰船辐射噪声的识别结果表明，RBF神经网络可对线谱特征进行有效分类，提高水下目标的识别能力。

摘要： 鉴于RBF神经网络的良好性能，文章研究了RBF神经网络的模型和基于高斯核的拓扑结构，探讨了网络中各参数的学习算法，推导了迭代公式中的偏导项,并最终将其应用于水下被动目标识别中的线谱特征分类中。对舰船辐射噪声的识别结果表明，RBF神经网络可对线谱特征进行有效分类，提高水下目标的识别能力。

摘要： 本发明公开了一种基于变形高斯核函数的自适应强光人脸图像纹理恢复方法，概括为：1、首先提取图像中的人脸区域；2、利用自适应二值化技术将人脸图像分割为强光区与次强光区；3、针对图像中的强光区、次强光区、图像边界、强光区与次强光区的边缘，在高斯模板尺寸范围内，分析各部分纹理分布情况，并以此对高斯核函数进行变形；4、将变形后的高斯核函数与原始图像各部分进行卷积运算，求得光照分量，随后将之与原始图像通过对数变换，相减，逆对数变换操作得到初始的纹理恢复图像；5、如果原始图像是灰度图像，则进行增益/补偿操作，得到最终结果，如果是彩色图像，则进行颜色恢复和增益/补偿操作，得到最终结果。

摘要： 本发明公开了一种基于多属性高斯核函数快速相关向量机的污水在线软测量方法，包括：使用多属性高斯核函数来构造快速相关向量机的贝叶斯矩阵；建立基于贝叶斯框架下的多属性高斯核函数快速相关向量机模型；采用滑动窗口技术建立滚动时间窗将模型数据和参数随着滚动时间窗的滚动进行在线更新；实时预测出水水质BOD、COD浓度的输出。该方法在快速相关向量机的基础上引入多属性高斯核函数，增强了核函数的局部性能以及全局性，提出滑动窗口技术将模型数据和参数随着滚动时间窗的滚动进行在线更新，增强了在线校正的有效性，有效提高了出水水质预测的实时性和精度。

摘要： 一种基于相似规则高斯核函数分类器的步态识别方法，该方法包括：摄像头实时采集当前背景图像和检测目标步态原始图像序列，并采用欧式距离法等进行图像预处理，获得步态标准图像序列；运用“间隔取帧”技术将单个步态序列分割成三个步态子序列，并进行特征提取，获得步态特征向量；利用步态特征向量数据库中的特征向量进行相似规则构建；根据相似规则构造对应的高斯核函数分类器对检测目标的步态特征向量进行分类，统计并输出识别结果。该方法能够快速进行背景去除，并运用图像正规化处理和“间隔取帧”技术提高在不同情境下的适应性。此外，新型的基于相似规则高斯核函数分类器能有效避免过拟合和维数灾难等问题，提高了整体识别精度。

摘要： 本发明涉及一种基于高斯核函数的长文本检索方法及系统，属于信息检索技术领域。本方法利用预训练语言模型的语义建模能力计算长文本各段落与用户检索内容的语义相似度，作为用户点击相关性的伪标签，有效缓解了缺乏段落级别标注数据的问题。通过不同的高斯核函数，将伪标签映射为不同维度的相关性得分。利用线性层聚合长文本各段落得分来输出用户检索内容对于长文本整体的相关性得分，能够让不同语义相似度等级的段落为用户点击相关与否做出贡献，增强了语义相似度与用户点击相关性的关联程度，提升了长文本检索模型的准确率。

摘要： 本发明涉及一种粮食作物病害预测方法，尤其是一种基于支持向量机的随机紧凑高斯核的粮食作物病害预测方法，属于机器学习在粮食的预测技术领域。本发明在传统单尺度高斯核函数的支持向量机的基础上，扩展了高斯核函数的参数，提出的多尺度高斯核支持向量机，能够对其中的核函数参数随机化赋值，提升了支持向量机参数选择的效率。通过在粮食作物大豆病害标准数据集Soybean上的实验表明，与传统单尺度高斯核函数的支持向量机相比，该方法不仅能够提升大豆病害数据预测的精度，学习模型参数选取的时间仅需传统SVM高斯核方法的不到1％的时间。

摘要： 本发明涉及一种基于高斯核函数的SVM算法的工艺流程故障诊断方法，首先获取原始数据，原始数据为测试样本在工艺流程各部分对应的特征值，工艺流程共n部分，各个测试样本的特征值为X1、X2...Xi...Xn，对应的权值为w1、w2...wi...wn；然后提取线性可分的测试样本，并利用SVM算法进行初步分类，当时，将特征向量为X(j)的测试样本分为第一类，即无故障；反之，则将特征向量为X(j)的测试样本分为第二类，即有故障；最后提取非线性可分的测试样本，并建立高斯核函数模型后利用SVM算法进行分类，当w*1f1+w*2f2...w*sfs...+w*mfm+b*(r)的测试样本分为第一类，即无故障；反之，则将特征向量为X(r)的测试样本分为第二类，即有故障。本发明利用SVM和高斯核函数保证了故障识别的效率与质量。

摘要： 本发明公开了一种基于高斯核函数的差分隐私保护的模糊C均值聚类方法，首先对数据集D的所有数据做归一化处理，得到数据集D'＝{x1,...,xn}，然后计算数据集D'中所有样本点到其中任意一点xz的距离，将距离xz最远的一个点xs作为两个聚类中心点，接着计算距离xs最远的点作为下一个聚类中心点，如此循环，直到找到k个聚类中心点，再计算隶属度矩阵，计算k个聚类中心点的高斯值及高斯权重，添加拉普拉斯噪声，最后判断是否收敛，输出满足差分隐私保护的聚类集合，该聚类集合即能够保护个体隐私。本发明解决了现有技术中存在的模糊C均值聚类分析中易造成隐私泄露的问题。

摘要： 本发明属于小波域值去噪技术领域，尤其涉及一种基于高斯核函数的小波域值去噪方法，将小波系数LL、小波系数LH1、小波系数HL1以及小波系数HH1进行小波反变换，得到去噪后相应的水平低频和垂直低频的子信号系数LL’、水平低频和垂直高频的子信号系数LH’、水平高频和垂直低频的子信号系数HL’以及水平高频和垂直高频的子信号系数HH’，本发明解决了现有技术存在对于噪声信号在保留原始信号的同时，还能有效去除高斯白噪声和盐椒噪声的问题，具有不仅对高斯噪声和椒盐噪声去噪效果明显，而且保留了原始信号的细节信息，其滤波效果优于中值滤波和小波软阈值法的效果的有益技术效果。

摘要： 本发明涉及集成电路可信任性检测技术领域，为提高硬件木马的检测效率，提出一种基于高斯核函数SVM的硬件木马噪声预处理方法，实现对硬件木马电路降噪处理。为此，本发明采取的技术方案是，基于高斯核函数SVM的硬件木马噪声预处理方法，通过采集原始电路及在原始电路中植入木马电路工作过程中的功耗信息，并通过基于高斯核函数的支持向量回归机技术，构造高斯滤波器，对两类电路功耗信息进行处理，实现两类电路功耗信息的明显区分，进而实现对硬件木马电路的判别。本发明主要应用于集成电路设计制造场合。

摘要： 本发明公开了一种基于变形高斯核函数的自适应强光人脸图像纹理恢复方法，概括为：1、首先提取图像中的人脸区域；2、利用自适应二值化技术将人脸图像分割为强光区与次强光区；3、针对图像中的强光区、次强光区、图像边界、强光区与次强光区的边缘，在高斯模板尺寸范围内，分析各部分纹理分布情况，并以此对高斯核函数进行变形；4、将变形后的高斯核函数与原始图像各部分进行卷积运算，求得光照分量，随后将之与原始图像通过对数变换，相减，逆对数变换操作得到初始的纹理恢复图像；5、如果原始图像是灰度图像，则进行增益/补偿操作，得到最终结果，如果是彩色图像，则进行颜色恢复和增益/补偿操作，得到最终结果。