高斯混合模型

摘要： 针对传统K-均值聚类算法易陷入局部最优以及最佳聚类数难以确定的问题,提出一种基于高斯混合模型聚类的改进方法。选定淄博市博山-沂源路段作为测试道路,以半挂牵引车为试验车辆,利用车载终端设备采集车辆行车数据。在对原始数据预处理的基础上,以速度为运动学片段划分标准,采用主成分分析和聚类分析对特征参数进行降维分类处理,依据距离聚类中心越近越能代表该类特征的原则选取运动学片段,构建丘陵山区半挂牵引车代表性行驶工况。与传统的K-均值聚类相比,采用高斯混合模型聚类构建的丘陵山区车辆行驶工况特征值误差仅为2.05%,精度更高,更能反映丘陵山区道路线形复杂的特点。与国内采用的半挂牵引车测试工况(CHTC-TT工况)相比,所构工况与之差异明显,表明了开发反映丘陵山区行驶特征的半挂牵引车代表性行驶工况的必要性。

摘要： 为保障安全的船载用电环境,实现合理的用电配置与管理,在船载电力布局中引入非侵入式电力负荷监测.提出了一种融合高斯混合模型(GMM)与支持向量机(SVM)的电器类型识别算法.该方法利用暂态事件检测所提取的有效负荷特征,建立具有较好统计分布能力的GMM模型和具有较好泛化能力的SVM模型.对两种算法的概率分布进行融合生成最终识别结果.实验结果表明,相对单独应用SVM模型,本文所用方法在准确率和稳定性方面均有一定程度的提升,且实现复杂度低,具有良好的实用价值.

摘要： 以便携式回放设备的语音为代表的假冒语音攻击,给说话人识别系统带来了严峻的挑战。针对这种回放语音攻击问题,论文提出一种基于小波包的多频带回放语音鉴别算法。首先,通过小波包分解及重构后的信号进行傅里叶变换,取每一帧频谱的最大值;然后,利用对数运算以及离散余弦变换(DCT)来得到鉴别特征;最后,使用高斯混合模型(GMM)作为分类器进行假冒语音判别。实验表明,该检测算法能有效地鉴别回放语音。

摘要： 为了研究煤微观基团与煤自然发火过程中放热特征之间的联系,采用差示扫描量热实验和红外光谱实验研究了不同变质程度煤样在煤自燃过程中的热特征参数与微观基团变化。结果表明:随着变质程度的增大,弱黏煤、肥煤、焦煤、无烟煤的芳香族化合物含量逐渐增大,分别为33.7%、39.8%、47.5%、65.4%,而含氧官能团的含量则逐渐降低,分别为53.2%、50.5%、43.6%、24.6%。利用高斯混合模型确定了煤放热过程中的燃点温度,结果表明高变质程度煤有更高的燃点和更低的自燃危险性。利用皮尔逊相关系数法确定了煤燃点与微观基团之间的关系,结果表明含取代苯,-C=C-,和-CH_(3)更多的煤的燃点温会更高,自燃危险性会减小,而含有更多-CH_(2)和-COOH的煤则恰好相反。

摘要： 为使核磁共振测井横向弛豫时间(T2)谱的定量表征结果更为直观地反映储集层类型和孔隙结构,提出基于高斯混合模型(GMM)的T2谱无监督聚类和孔隙结构定量识别方法。首先对T2谱数据进行主成分降维,减弱数据间的相关性;其次采用高斯混合模型概率密度函数对降维数据进行拟合,结合期望值最大化算法和赤池信息准则变化率得到模型参数和最佳聚类群集;最后分析不同聚类群集的T2谱特征、孔隙结构类型等,并与T2几何平均值、T2算术平均值等进行对比,通过数值模拟和核磁共振测井资料验证算法有效性。研究表明,基于GMM方法的聚类结果与T2谱形态、T2谱、孔隙结构、油气产能等具有很好的对应性,为孔隙结构定量识别、储集层级别划分和产能评价等提供新的手段。

摘要： 为应对不均衡分类问题,提高分类准确率,提出了一种基于高斯混合模型的混合采样集成方法 GMHSE(GaussianMixture-model-based Hybrid Sampling Ensemble method),首先通过高斯混合模型将数据划分成多个类簇,然后在每个类簇上混合采样获得多个数据子集,最后基于Bagging技术在类簇内和类簇间进行加权投票完成分类预测。GMHSE通过聚类将对数据进行划分,混合采样保障在不丢失数据信息的同时获得均衡数据集,最后利用集成学习进一步提升模型的泛化性能。实验结果表明,相比已有的一些处理方法,GMHSE可以提升不均衡数据的分类性能。

摘要： 伴随着问题场景数据在规模上的快速增长和构成上的复杂化,精确估计簇的个数和簇的中心点是当下聚类算法处理和分析复杂大规模数据的重要挑战.簇数及簇心的精确估计对于部分有参聚类算法、数据集整体复杂性度量和数据简化表示等都十分关键.文中在深入分析I-nice的基础上,提出基于候选中心融合的多观测点I-nice聚类算法.在原多观测点投影分治框架上采用混合高斯模型(Gaussian Mixture Model,GMM),结合粗细粒度最佳GMM搜索策略,实现数据子集的精确划分.此外,基于候选中心点分别到各观测点的距离值及最佳GMM,构造候选中心点的GMM构件向量,并设计一组闵可夫斯基距离对进行候选中心点间的相异度度量,实现基于GMM构件向量相异度的多观测点I-nice候选中心融合.不同于现有聚类算法,文中算法联合优化分治环节数据子集划分和候选中心集成这两个关键过程,实现成百上千个簇的精确高效估计.在真实数据集和仿真数据集上的一系列实验表明,文中算法能精确估计簇数和簇中心,具备较高的聚类精度.实验同时验证算法的有效性及在各类数据场景下的稳定性.

摘要： 地铁车辆牵引系统健康评估与故障预测是目前城市轨道交通领域的研究重点之一。采用数据挖掘技术,对地铁车辆牵引系统健康度评估进行相关研究。主要研究方法为利用无监督学习方法,建立机器学习模型。首先提取原始特征,采用方差过滤和主成分分析法进行特征降维,选用高斯混合模型得到类概率值作为车辆亚健康状态的判定依据。进而采用多层感知机模型训练牵引电机超温故障预测,取得了较好的效果。

摘要： 随着直流源储荷的接入与柔性直流电力电子设备的发展,含多种分布式电源(distributed generation,DG)的交直流混联电网被认为是未来电网的主流架构,这给系统操作带来了更多灵活性,但也加剧了量测数据不足的问题,使得系统状态估计求解更加困难。目前成熟的交流状态估计未计及直流系统状态量和量测量的特征及各类DG出力的不确定性,且通常默认换流器控制方式已知,控制方法未知时的伪量测建模技术有待研究。采用计及电压源换流器(voltage source converter,VSC)损耗的模型,对可观型VSC和不可观型VSC分别采用基于控制信息和基于高斯混合模型(Gaussian mixture model,GMM)的伪量测建模方法,在加权最小二乘法(weighted least squares,WLS)的基础上,提出一种改进的交直流混联电网状态估计算法。在经过修改的IEEE-14节点系统中进行大量仿真计算分析,结果表明所提算法不依赖于量测配置和调度中心与VSC间的通信过程,伪量测数据动态描述能力优于6次采样扩展卡尔曼滤波算法(extend Kalman filter,EKF),具有良好的实用性和抗差性,未来可扩展到电力电子化电力系统状态估计中使用。

摘要： 近年来,集成学习方法因其在多分类系统中具备良好的泛化性能而成为关注热点,然而,传统采样方法生成的基分类器存在相似度高、集成后泛化能力不足等问题,为此,提出一种基于监督学习的分类器自适应融合方法AEC_SL,该方法先采用高斯混合模型聚类算法将训练集划分为有监督的样本簇,然后在每个类簇上使用随机森林算法得到差异化的分类器,在此基础上进一步提出结合近邻类簇相似度和基分类器局部适应度的动态加权方法,从而得到优化的自适应分类器组合。在标准UCI数据集上的实验结果表明本文提出的AEC_SL方法比传统的分类器集成方法具有更好的分类性能。

摘要： 现代汉语构式成分自动标注作为文本自动标注任务之一,其最大的困难在于,当不存在标注语料作为训练数据时,如何从生语料中挖掘不同类型的构式成分相关的知识并进行标注,特别是面对构式序列在句中的边界难以判断的情况.该文试图借助高斯混合模型聚类方法,结合句中每一个字的位置特征与构式形式本身的语言学特征,融合正则表达式匹配结果信息,挖掘句子中的构式实例序列并对构式内部成分进行自动标注.相较于单单基于正则表达式匹配和基于词性匹配的自动标注结果,该方法的F1分别至少提高了17.9％(半凝固型构式)、19.3％(短语型构式)、14.9％(复句型构式).

摘要： 针对非线性光照变化、杂乱或遮挡等环境下目标定位精度低的问题,提出了一种基于高斯混合模型和点到面距离的点云配准算法实现目标的精确定位.首先,设模板点云元素由高斯混合模型产生,根据点到面距离大小分配高斯混合模型中各组成部分的概率值,在此基础上构建负对数似然函数;然后,应用EM算法进行优化,并推导了最大化步阶段Q函数的封闭解,提高算法实时性;最后,以合成数据和实际的法兰零件点云为对象进行试验,结果表明该算法配准精度和鲁棒性明显优于传统配准算法,能够满足复杂工况下目标精确定位要求.

摘要： 星载雷达全波形数据包含着地物的回波特征信息,为了从全波形数据中获取振幅,脉冲宽度,脉冲位置以及多回波的分布等信息,本文提出一种结合拐点匹配和LM参数优化算法的星载雷达全波形分解方法.首先,选择高斯混合模型来表达回波波形,并通过脉冲峰值点的检测和拐点的匹配,完成全波形初始参数的有效估计;然后,利用LM算法进行全波形的拟合和参数的优化,并寻找遗漏的回波分量,最终完成高斯分量的提取.利用提出的算法,对典型区域的ICESat-GLAS全波形数据进行波形分解实验.实验结果表明:在不同的地物类型条件下,所提的方法均能够有效的实现对全波形数据的分解,特别是对叠加波形数据和多回波数据的分解,最终完成对回波分量的有效提取.

摘要： 传统的贝叶斯定位算法是一种将参考点从接入点(AP,Access Point)接收到的信号强度的概率分布近似作为高斯分布的指纹概率方法,但是单高斯模型不能描述所有AP信号强度的概率分布,精度不高.针对此问题,本文提出基于高斯混合模型的方法估计参考点从接入点接收到的信号强度的概率密度,并提出确定分模型个数的策略.在离线阶段,通过指纹采集计算分析得到分模型个数和各分模型的估计参数.为了避免贝叶斯算法进行全局搜索计算,本文提出一种基于3σ准则聚类的方法,利用正态分布的3σ准则,针对每个AP,将所有参考点划分为相邻的簇,相邻的簇之间间隔若干参考点,且各簇之间信号强度区间不重叠,以此来确定每个AP所在的簇从而将待定位点的搜索范围缩小.实验结果表明,本文提出的方法平均精度为1.31m,定位精度在90％范围内达到2.30m,相比与传统的贝叶斯定位法平均精度提高了27％,定位匹配时间平均减少了32％.

摘要： 针对解决轴承故障类别识别的问题,提出了一种基于马尔可夫模型的轴承故障诊断方法.通过利用高斯混合模型模拟监测参数的高斯分布模型,实现对马尔可夫模型参数的初始化;然后利用训练样本实现对其模型适应性的训练;最后通过测试数据验证该方法的可行性.实验结果表明该方法能够有效识别轴承故障的类型.

摘要： 研究了集中供热系统换热站运行调节的问题,首先对二次供水温度调节模式进行了解读,从调节曲线以及控制方式两个方面考虑,并提出应用高斯混合模型聚类对供水温度调节模式进行反向识别.将该方法应用到某换热站的运行数据分析中,得到了4个典型的调节模式,并制定单位室内外温差耗热量指标作为能耗指标对4种调节模式进行了评价诊断,本文方法的结果能够为换热站层级的运行管理提供经验借鉴.

摘要： 针对语音信号的非结构化特点,提出了一种基于量子隧穿效应的说话人真伪鉴别方法.以量子隧穿效应为理论依据,首先,在分析语音信号分帧的量子特性基础上,将每一帧语音信号看作一个量子态,实现算法的量子化;然后,利用势垒能分离能量的特性,通过构建势垒组以提取信号的能量谱特征,并以此作为特征参数;最后,通过高斯混合模型(GMM)进行语音信号建模,完成说话人的真伪鉴别.仿真结果表明,相对于传统方法,利用量子隧穿效应理论实现说话人鉴别可以有效降低算法的复杂度,提高识别的识别率和可靠性,为量子信息理论和说话人真伪鉴别方法提供了新的研究途径.

摘要： 在文本相关说话人识别领域,如何确认说话人身份以及文本内容是两大挑战.高斯混合模型-通用背景模型(GMM-UBM)作为说话人确认系统经典的一种模型,被广泛使用.针对文本内容的建模,绑定混合模型(TMM)可用来减少模型大小和计算复杂度.在本文中,首次对比了TMM-UBM和GMM-UBM的性能差异,并采用了一种基于GMM-SVM的文本相关系统,利用King-ASR-L-057中文数据库和RSR跨信道英文数据库进行了大量的实验,发现基于GMM-SVM的文本相关系统在跨信道语音上具有更好的鲁棒性与识别效果.

摘要： 在计算机辅助发音训练系统(CAPT)中,系统给出针对性的反馈比仅仅打分更能帮助学习者改善错误发音.在前期工作中,提出了发音偏误趋势(PET)的标注体系,并构建了基于高斯混合模型(GMM)和深度神经网络(DNN)的检测系统.为进一步提升系统性能,本文应用卷积神经网络(CNN)进行声学建模,并探究不同连接方式对性能的影响.实验表明,在北京语言大学中介语音语料库上,CNN比之DNN检测正确率相当,虽有稍高的错误拒绝率,但是获得了更低的错误接受率.

摘要： 风速风向联合概率分布是风能资源评估、结构风振疲劳分析、行人风环境评估等多个方面研究的基础,其传统分析方法一般是各风向分别拟合一个概率分布模型,但这种方法产生的模型较为复杂,不利于实际使用.本文以Offset Elliptical Gaussian(OEN)方法为基础,采用了更为简洁的概率模型,并解决了初值选取、高斯分布个数确定等问题,提出了一整套建立风速风向联合概率分布的方法,而且开发了一套程序将整个过程自动化,具有较好的准确性与实用性.

摘要： 本发明首次利用高斯混合模型来构建用户知识需求的模型，本发明首先基于知识库训练word2vec的skip‑gram模型，考虑功能词汇的语义信息，生成功能词汇的高维向量，然后利用选取的知识语料集训练高斯混合模型，运用多个高斯分布描述用户对于功能词汇的知识需求概率分布，运用EM方法优化高斯混合模型的参数；最后建立词汇与条目之间的映射关系，获取用户对于知识条目的需求模型，以此为基础计算知识库中用户最有可能感兴趣的知识条目并将其推送给用户；本发明构建的高斯混合模型能更贴切的拟合用户知识需求模型，并提升知识推送准确率。

摘要： 本发明提出了一种基于高斯混合模型的非高斯噪声模型建立方法，首先建立基于概率密度函数的高斯混合模型GMM，得到参数向量的迭代公式；再以最短描述长度MDL为目标函数，通过合并分裂方法SMEM确定混合分量数，估计出高斯混合模型GMM参数；最终根据高斯混合模型GMM和估计出高斯混合模型GMM参数，通过EM算法和KL三都，得到GMM模型参数，完成高斯混合模型；本发明以KL散度为子模型分裂的判别准则，以模型相似度为子模型合并的判别准则，对KL散度最大且分裂后MDL减小的子模型进行分裂，对模型相似度最大并且合并后MDL值减小的子模型对进行合并；以此来控制混合分量数的数量；合并操作以模型相似度为判别准则不需要遍历所有子模型，减少了计算量。

摘要： 本发明实施例公开了一种动态估计高斯混合模型的混合系数的方法及计算机设备，其中的方法包括：基于第一样本利用期望最大化方法对于所述高斯混合模型的数学表达式中的均值μk、方差Σk以及混合系数πk进行初始估计，得到和初始混合系数分布；基于所述以及t时刻的观测数据x，确定混合系数πk的共轭似然函数；基于所述混合系数πk的共轭似然函数，确定所述混合系数πk在t时刻的后验概率；根据述混合系数πk在t时刻的后验概率预测所述混合系数πk在t+1时刻的先验概率。本发明实施例还公开了相应的计算机设备。本发明实施例提供的技术方案能够减少高斯混合模型混合系数的动态估计过程的运算时间，同时使得估计结果更加平滑、稳定。

摘要： 本发明提出一种基于高斯混合模型的多关系语义翻译模型。首先给出了贝叶斯非参数无限混合嵌入模型，并给出了相应的总体框架。其次给出了该算法的几何角度解释。然后给出了该算法的训练方法。最后，实验分析验证了该算法的有效性，实验结果表明该算法使多关系语义的问题得到有效解决。

摘要： 本发明公开了一种基于高斯混合模型和标签矫正模型的噪声标签分割方法。该方法包括以下模块：(1)预训练分割模型，可以是任意现有的分割模型；(2)噪声标签鉴定模块，该模块通过分割网络的预测结果与混有噪声标签的原标签比较，区分得到无噪标签和含噪标签，并挑选含噪标签进行标注；(3)标签矫正模块，该模块利用特征相似度选择置信度较高的像素以计算影像的伪标签；(4)置信反向传播模块，考虑到生成的伪标签可能带来新的噪声,该模块仅利用置信度高的伪标签和原始标签对网络进行参数训练。本发明提供的噪声标签分割方法，有效防止模型对噪声标签过分拟合，能够更准确地实现噪声标签背景下的医学图像感兴趣区域的分割。

摘要： 本发明公开了一种基于高斯混合模型和轮廓描述子的断骨模型配准方法，包括以下步骤：S1：利用高斯混合模型对低曲率点进行聚类；S2：对每个聚类进行椭圆拟合，并根据椭圆参数提取断面点集；S3：根据断面轮廓构造轮廓描述子；S4：利用卷积自编码器对轮廓描述子进行降维，得到几何特征向量；S5：根据几何向量提取匹配点，并筛选得到基准点，然后根据基准点进行断骨模型配准。本方法实现了骨骼断面的精确分割，可以将碎裂为多块的骨骼模型进行自动精确配准，可以大幅度提高骨折手术的治疗效果。

摘要： 本发明公开了一种基于有限高斯混合模型的多模型时空建模方法，应用于非线性分布参数系统，基于有限高斯混合模型，将由非线性分布参数系统得到的非线性空间划分为多个局部操作子空间，将原始复杂的非线性时空动态方程归结为几个简单的非线性时空动态方程，从而进行局部建模；在集成所有局部时空模型时采用主成分回归方法计算每个局部时空模型的权重，避免了多重共线性的存在，通过多模型建模重构了一个大工作区域的全局时空模型。本发明方法对大尺度、强非线性和时变系统具有更好的性能。

摘要： 本发明首次利用高斯混合模型来构建用户知识需求的模型，本发明首先基于知识库训练word2vec的skip‑gram模型，考虑功能词汇的语义信息，生成功能词汇的高维向量，然后利用选取的知识语料集训练高斯混合模型，运用多个高斯分布描述用户对于功能词汇的知识需求概率分布，运用EM方法优化高斯混合模型的参数；最后建立词汇与条目之间的映射关系，获取用户对于知识条目的需求模型，以此为基础计算知识库中用户最有可能感兴趣的知识条目并将其推送给用户；本发明构建的高斯混合模型能更贴切的拟合用户知识需求模型，并提升知识推送准确率。

摘要： 本发明提供了一种基于MFCC和扩散化高斯混合模型的电缆隐患识别方法及装置，涉及电缆隐患识别技术领域，方法包括：获取第一声音数据，第一声音数据经低通滤波降噪后进行预处理以获取第二声音数据；对第二声音数据进行频域变换以获取第三声音数据；将第三声音数据分为第三声音数据测试集以及第三声音数据训练集，构建扩散化的高斯混合模型分类器，利用第三声音数据测试集对构建好的扩散化的高斯混合模型分类器进行训练以对扩散化的高斯混合模型分类器参数进行优化；利用第三声音数据训练集对参数优化好的扩散化的高斯混合模型分类器进行测试。通过本发明可以缓解现有技术中难以检测到外破因素的发声时刻或是采集到大量无效的声音数据的技术问题。

摘要： 本发明公开一种基于高斯混合模型的垂钻纠偏控制反馈校正方法及装置，方法包括：根据垂直钻进纠偏过程，构建垂直钻进纠偏过程的轨迹延伸模型，确定控制系统扰动量，构建控制系统；将垂直钻进过程的扰动量作为随机变量，依据实钻测斜数据和所述轨迹延伸模型，评估当前扰动量幅值，并结合历史扰动量数据，基于混合高斯模型评估扰动量概率密度及其期望；基于扰动量的期望值，修正轨迹延伸模型与约束方程，代入滚动优化求解，最终获得轨迹延伸模型校正后的垂直钻进纠偏控制量。有益效果是：基于混合高斯模型评估方法，提取纠偏过程中扰动量的先验信息，以此作为反馈校正参数，大幅提高垂钻纠偏控制精度。