KL散度
KL散度的相关文献在2006年到2022年内共计179篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、机械、仪表工业
等领域,其中期刊论文139篇、会议论文5篇、专利文献160278篇;相关期刊105种,包括华东理工大学学报(自然科学版)、电测与仪表、电子学报等;
相关会议5种,包括第八届中国卫星导航学术年会、第十二届全国人机语言通讯学术会议(NCMMSC`2013)、第五届中国信息融合大会等;KL散度的相关文献由582位作者贡献,包括刘冠男、吴孝纯、张国玉等。
KL散度—发文量
专利文献>
论文:160278篇
占比:99.91%
总计:160422篇
KL散度
-研究学者
- 刘冠男
- 吴孝纯
- 张国玉
- 王茜
- 阎啸
- 华小强
- 唐一源
- 孙岩
- 冯佳倩
- 刘云
- 刘满意
- 刘红丽
- 吕世聘
- 吴昊
- 孔丽娜
- 孙希延
- 孙洁娣
- 张会玉
- 张庭远
- 张春华
- 张琳娜
- 强保华
- 彭珍瑞
- 拓世英
- 朱霄珣
- 李佳
- 李弼程
- 李旭霞
- 李芳菲
- 李若松
- 杨杰
- 杨玉红
- 杨鲜
- 梁棣昭
- 梁燕
- 涂卫平
- 温江涛
- 燕雪峰
- 王君
- 王宏强
- 王尧
- 王庭刚
- 王晓晨
- 王梓宇
- 王欢良
- 王琇峰
- 王韬
- 王飞
- 王鹏
- 程永强
-
-
韩远达
-
-
摘要:
针对传统协同过滤推荐算法在稀疏数据上推荐准确度低的问题,提出一种基于KL散度的ALS推荐算法KL-ALS。传统ALS算法计算物品相似度时只考虑了用户之间的共同评分项,得到的相似性与真实值会有一定的误差,而采用KL散度计算物品相似度时,对用户评论的数量不做任何限制,不依赖于用户共同评分项。KL-ALS算法首先将ALS算法计算物品相似度和KL散度计算的物品相似度按照一定权重混合,产生总体相似度,进而采用ALS算法训练模型,能够更加准确地度量物品间的相似度,改善推荐效果。实验选取亚马逊智能产品评论数据集,与传统的基于ALS的协同过滤推荐算法和基于物品的协同过滤推荐算法(Item-CF)进行对比,实验结果表明KL-ALS推荐算法能有效提高推荐的准确度和性能。
-
-
冯楠;
贺晋宏;
魏鑫;
连华;
程树英;
刘友波
-
-
摘要:
高阻抗故障(HIF)主要与电弧现象有关,具有低电流、随机性、非线性和不对称性特征。配电网过流保护系统需要考虑HIF的低故障电流,检测功率损失、潜在火灾危险和电击风险。提出了一种基于变电站电流波形的时域HIF检测算法,利用Kullback-Leibler散度相似性度量,量化了电流波形两个故障后半周期的非线性和不对称性特征作为HIF检测的判据,此判据也被用来区分HIF与负荷、电容器、馈线和分布式能源投切事件以及电压骤降和浪涌事件。利用IEEE13节点和IEEE34节点测试系统进行了大量的时域仿真,验证了所提HIF检测算法的优越性。
-
-
范韫
-
-
摘要:
KL散度在机器学习领域被广泛地用于模型损失函数之中来度量分布的距离。在稀疏自编码器中,KL散度被用作损失函数的惩罚项来度量神经元输出与稀疏参数的距离,使得神经元输出趋近稀疏参数,从而抑制神经元的激活以得到稀疏编码。在WGAN中,Wasserstein距离被用于解决GAN的梯度消失和模式塌陷问题,使得GAN的训练更加稳定。得益于Wasserstein距离在GAN中的成功应用,提出了基于EMD距离的稀疏自编码器SAE-EMD。实验结果表明,相比于使用KL散度与JS散度,使用EMD距离作为惩罚项的稀疏自编码器可以使得真实样本与重构样本之间的重构误差减小,并且随着惩罚参数的增大,编码更加稀疏。
-
-
郑海林;
温步瀛;
朱振山;
翁智敏
-
-
摘要:
储能的高投资成本是限制其商业化发展的主要障碍,通过储能聚合商协调储能设备运行,提高储能的利用率并降低成本。首先,综合考虑了微电网中的火电机组、充电站、可中断负荷等可调节灵活性资源的成本以及共享储能的费用分摊,以各方效益最大化为目标,构建了各微电网与共享储能聚合商的博弈优化运行模型。其次,采用了多智能体强化学习方法求解多主体下博弈问题,引入KL散度优化智能体的学习率,提高算法的收敛性。最后,以3个相邻微电网的算例分析,共享储能模式下提升了各主体的经济效益,验证了共享储能模式的优越性与算法改进的有效性。
-
-
梁志贞;
张磊
-
-
摘要:
线性判别分析是一种统计学习方法.针对线性判别分析的小样本奇异性问题和对污染样本敏感性问题,目前许多线性判别分析的改进算法已被提出.本文提出了基于Kullback-Leibler(KL)散度不确定集的判别分析方法.提出的方法不仅利用了Ls范数定义类间距离和Lr范数定义类内距离,而且对类内样本和各类中心的信息进行基于KL散度不确定集的概率建模.首先通过优先考虑不利区分的样本提出了一种正则化对抗判别分析模型并利用广义Dinkelbach算法求解此模型.这种算法的一个优点是在适当的条件下优化子问题不需要取得精确解.投影(次)梯度法被用来求解优化子问题.此外,也提出了正则化乐观判别分析并采用交替优化技术求解广义Dinkelbach算法的优化子问题.许多数据集上的实验表明了本文的模型优于现有的一些模型,特别是在污染的数据集上,正则化乐观判别分析由于优先考虑了类中心附近的样本点,从而表现出良好的性能.
-
-
韩中合;
赵文波;
朱霄珣;
李震涛
-
-
摘要:
互补集合平均经验模态分解(complementary ensemble empirical model decomposition,CEEMD)作为一种时频特征分析方法,可以较好地提取复杂非线性非平稳信号的故障特征,但其存在虚假分量,很大程度限制诊断过程中的准确性。针对该问题,提出一种基于KL散度(Kullback-Leibler divergence,KLD)的CEEMD虚假分量识别方法(KL-CEEMD)。该方法在原有CEEMD方法基础之上,进一步计算各分量IMF与原信号之间的KL散度值,从而量化各分量与原信号之间的相关性。最后通过对各个IMF的KL散度值进行聚类分析,找出虚假分量和真实分量,最终解决CEEMD的虚假分量问题。为验证KL-CEEMD的有效性,研究搭建风力机传动系统振动试验台,基于该方法对实验台实验数据以及仿真数据进行验证性研究,最终证明所提方法可以很好改善CEEMD的虚假分量问题,能够有效提取出故障信号的真实特性。
-
-
马红光;
郭金库;
姜勤波;
刘志强
-
-
摘要:
文章提出一种基于自适应滤波的多目标检测方法。将雷达回波等分成回波矩阵X_(i),计算X_(i)的协方差矩阵并进行特征值分解;利用特征值矩阵D计算奇异谱,估计主分量个数N_(ev),以N_(ev)>3作为门限判断回波矩阵X_(i)是否包含目标;通过特征矢量矩阵V构成的自适应滤波器对X_(i)滤波,估算滤波后回波脉冲的Pareto模型参数,生成Pareto随机序列;采用K-L散度识别目标回波,用峰值检测法确定各个目标位置。通过实测海杂波数据实验,验证了所提方法的有效性。
-
-
吴文彬;
周伟;
唐东明
-
-
摘要:
传统的图正则化方法使用欧氏距离度量样本空间的相似度,并不能准确考察复杂数据集的邻域信息,容易导致模型在复杂形状数据和非凸数据集中的泛化性能下降。提出一种改进的图正则算法,使用等距特征映射保留样本空间的邻域信息,帮助模型进行流形学习,同时结合使用KL约束进一步使得数据表示的外部结构变得光滑,从而捕获到更稀疏和高级的特征表示。在MNIST和YaleB等数据集上的实验结果表明,相比于流行的几种特征提取算法,该算法能够提取到更有意义和稳健的特征。在分类任务和聚类任务上具有优势,同时具有更好的抗干扰性能。
-
-
刘士绮;
王雅静;
梅宇;
张祥珂;
施瑶;
窦震海
-
-
摘要:
为了解决噪声干扰Prony算法提取谐波参数问题,提出了一种集成局部均值分解(ELMD)-奇异值分解(SVD)-Prony的谐波分析方法(ELMD-SVD-Prony)。首先采用ELMD分解含噪信号,对获得的一系列乘积函数(PF)采用K-L散度来确定含噪分量与有效分量之间的分界点,去除噪声分量并保留有效分量,对有效分量通过相空间重构Hankel矩阵,运用奇异值分解进行二次降噪并重构。最后将重构的信号与ELMD余项叠加得到去噪后的谐波信号,结合Prony算法检测谐波的频率、幅值与相位。仿真实验结果表明,该方法能有效降噪并提取谐波特征参数。
-
-
夏蕾;
杨蕾;
王国卉;
刘忠;
苏晨飞;
霍刚
-
-
摘要:
为应对风电场出力的波动性和随机性给机组组合带来的问题,提出了基于Kullback-Leibler(KL)散度的含储能机组组合的两阶段分布鲁棒优化模型。在电池储能的运行模型的基础,将电池储能模型嵌入到传统的火电机组组合模型中,建立了含储能的机组组合两阶段优化模型;基于KL散度构建了风电场出力的模糊集,形成了含储能机组组合的两阶段分布鲁棒优化模型,通过对偶变换和广义Benders分解将其转化成易于求解的混合整数凸优化模型进行求解。通过IEEE RTS 24节点系统仿真结果表明,所提出的分布鲁棒优化方法保守性优于鲁棒优化方法,经济性接近随机优化方法,且随着KL散度增大,机组组合成本缓慢增加。
-
-
Yi-Xiao Lu;
陆一潇;
Chang-Chun Pan;
潘常春;
Jie Bai;
白杰;
Gen-Ke Yang;
杨根科
- 《第八届中国卫星导航学术年会》
| 2017年
-
摘要:
区间符号数据目前已经在数据表达与数据处理中有着广泛而实际应用,特别是在数据挖掘、人工智能这些新兴领域.本文定义了一个基于KL散度的相似性度量,希望尽可能的利用区间符号数据的内部信息,而不是仅仅利用其边界值,并将这一新的相似性度量方法用于动态聚类算法中.为了评估这个聚类算法的优越性,文中通过仿真数据和真实公交数据分别进行了实验,并将这一新的度量方法与其他三种相似性度量(Hausdorff距离、City-block距离和Wasserstein距离)比较.仿真生成的数据通过各种不同的分布来体现原始类别的差异,并引入ARI这一指标来衡量每种相似性度量下的聚类效果.由于ARI指标对聚类算法中的度量定义不敏感,所以能够客观地给出效果评价.仿真生成的数据的实验结果很好地说明了基于KL散度的相似性度量比其他三种度量方法有着更高的聚类准确度.最后,文中把这一度量方法用于真实的公交车站点数据,采用基于路况相似性的方法来预测公交车的到站时间,并且和其他度量方法比较最终的预测准确度.真实数据实验的结果也表明这一新的相似性度量方法比现存的三种方法有着更好的表现.
-
-
Yi-Xiao Lu;
陆一潇;
Chang-Chun Pan;
潘常春;
Jie Bai;
白杰;
Gen-Ke Yang;
杨根科
- 《第八届中国卫星导航学术年会》
| 2017年
-
摘要:
区间符号数据目前已经在数据表达与数据处理中有着广泛而实际应用,特别是在数据挖掘、人工智能这些新兴领域.本文定义了一个基于KL散度的相似性度量,希望尽可能的利用区间符号数据的内部信息,而不是仅仅利用其边界值,并将这一新的相似性度量方法用于动态聚类算法中.为了评估这个聚类算法的优越性,文中通过仿真数据和真实公交数据分别进行了实验,并将这一新的度量方法与其他三种相似性度量(Hausdorff距离、City-block距离和Wasserstein距离)比较.仿真生成的数据通过各种不同的分布来体现原始类别的差异,并引入ARI这一指标来衡量每种相似性度量下的聚类效果.由于ARI指标对聚类算法中的度量定义不敏感,所以能够客观地给出效果评价.仿真生成的数据的实验结果很好地说明了基于KL散度的相似性度量比其他三种度量方法有着更高的聚类准确度.最后,文中把这一度量方法用于真实的公交车站点数据,采用基于路况相似性的方法来预测公交车的到站时间,并且和其他度量方法比较最终的预测准确度.真实数据实验的结果也表明这一新的相似性度量方法比现存的三种方法有着更好的表现.
-
-
Yi-Xiao Lu;
陆一潇;
Chang-Chun Pan;
潘常春;
Jie Bai;
白杰;
Gen-Ke Yang;
杨根科
- 《第八届中国卫星导航学术年会》
| 2017年
-
摘要:
区间符号数据目前已经在数据表达与数据处理中有着广泛而实际应用,特别是在数据挖掘、人工智能这些新兴领域.本文定义了一个基于KL散度的相似性度量,希望尽可能的利用区间符号数据的内部信息,而不是仅仅利用其边界值,并将这一新的相似性度量方法用于动态聚类算法中.为了评估这个聚类算法的优越性,文中通过仿真数据和真实公交数据分别进行了实验,并将这一新的度量方法与其他三种相似性度量(Hausdorff距离、City-block距离和Wasserstein距离)比较.仿真生成的数据通过各种不同的分布来体现原始类别的差异,并引入ARI这一指标来衡量每种相似性度量下的聚类效果.由于ARI指标对聚类算法中的度量定义不敏感,所以能够客观地给出效果评价.仿真生成的数据的实验结果很好地说明了基于KL散度的相似性度量比其他三种度量方法有着更高的聚类准确度.最后,文中把这一度量方法用于真实的公交车站点数据,采用基于路况相似性的方法来预测公交车的到站时间,并且和其他度量方法比较最终的预测准确度.真实数据实验的结果也表明这一新的相似性度量方法比现存的三种方法有着更好的表现.
-
-
Yi-Xiao Lu;
陆一潇;
Chang-Chun Pan;
潘常春;
Jie Bai;
白杰;
Gen-Ke Yang;
杨根科
- 《第八届中国卫星导航学术年会》
| 2017年
-
摘要:
区间符号数据目前已经在数据表达与数据处理中有着广泛而实际应用,特别是在数据挖掘、人工智能这些新兴领域.本文定义了一个基于KL散度的相似性度量,希望尽可能的利用区间符号数据的内部信息,而不是仅仅利用其边界值,并将这一新的相似性度量方法用于动态聚类算法中.为了评估这个聚类算法的优越性,文中通过仿真数据和真实公交数据分别进行了实验,并将这一新的度量方法与其他三种相似性度量(Hausdorff距离、City-block距离和Wasserstein距离)比较.仿真生成的数据通过各种不同的分布来体现原始类别的差异,并引入ARI这一指标来衡量每种相似性度量下的聚类效果.由于ARI指标对聚类算法中的度量定义不敏感,所以能够客观地给出效果评价.仿真生成的数据的实验结果很好地说明了基于KL散度的相似性度量比其他三种度量方法有着更高的聚类准确度.最后,文中把这一度量方法用于真实的公交车站点数据,采用基于路况相似性的方法来预测公交车的到站时间,并且和其他度量方法比较最终的预测准确度.真实数据实验的结果也表明这一新的相似性度量方法比现存的三种方法有着更好的表现.
-
-
SONG Peng;
宋鹏;
WANG Hao;
王浩;
ZHAO Li;
赵力
- 《第十二届全国人机语言通讯学术会议(NCMMSC`2013)》
| 2013年
-
摘要:
针对非对称语料库情况下的语音转换,本文提出了一种基于混合高斯归一化的语音转换方法.首先,通过背景说话人模型,分别自适应训练得到源说话人和目标说话人模型.然后,利用训练得到的模型自适应参数,提出了基于高斯归一化的特征映射方法,为了进一步提高转换效果,进而提出了混合高斯归一化的方法.同时,针对说话人模型中未被更新的参数,采用KL散度(Kullback-Leibler divergence)方法进行了优化.最后,通过主客观实验对提出的算法的有效性进行了仿真和验证.实验结果表明,本文提出的基于混合高斯归一化的语音转换方法,无论是倒谱失真度、还是转换语音的目标倾向度以及感知质量,都在很大程度上获得了接近基于对称语音库的传统高斯混合模型(Gaussian mixture model,GMM)方法的效果.
-
-
SONG Peng;
宋鹏;
WANG Hao;
王浩;
ZHAO Li;
赵力
- 《第十二届全国人机语言通讯学术会议(NCMMSC`2013)》
| 2013年
-
摘要:
针对非对称语料库情况下的语音转换,本文提出了一种基于混合高斯归一化的语音转换方法.首先,通过背景说话人模型,分别自适应训练得到源说话人和目标说话人模型.然后,利用训练得到的模型自适应参数,提出了基于高斯归一化的特征映射方法,为了进一步提高转换效果,进而提出了混合高斯归一化的方法.同时,针对说话人模型中未被更新的参数,采用KL散度(Kullback-Leibler divergence)方法进行了优化.最后,通过主客观实验对提出的算法的有效性进行了仿真和验证.实验结果表明,本文提出的基于混合高斯归一化的语音转换方法,无论是倒谱失真度、还是转换语音的目标倾向度以及感知质量,都在很大程度上获得了接近基于对称语音库的传统高斯混合模型(Gaussian mixture model,GMM)方法的效果.
-
-
SONG Peng;
宋鹏;
WANG Hao;
王浩;
ZHAO Li;
赵力
- 《第十二届全国人机语言通讯学术会议(NCMMSC`2013)》
| 2013年
-
摘要:
针对非对称语料库情况下的语音转换,本文提出了一种基于混合高斯归一化的语音转换方法.首先,通过背景说话人模型,分别自适应训练得到源说话人和目标说话人模型.然后,利用训练得到的模型自适应参数,提出了基于高斯归一化的特征映射方法,为了进一步提高转换效果,进而提出了混合高斯归一化的方法.同时,针对说话人模型中未被更新的参数,采用KL散度(Kullback-Leibler divergence)方法进行了优化.最后,通过主客观实验对提出的算法的有效性进行了仿真和验证.实验结果表明,本文提出的基于混合高斯归一化的语音转换方法,无论是倒谱失真度、还是转换语音的目标倾向度以及感知质量,都在很大程度上获得了接近基于对称语音库的传统高斯混合模型(Gaussian mixture model,GMM)方法的效果.
-
-
SONG Peng;
宋鹏;
WANG Hao;
王浩;
ZHAO Li;
赵力
- 《第十二届全国人机语言通讯学术会议(NCMMSC`2013)》
| 2013年
-
摘要:
针对非对称语料库情况下的语音转换,本文提出了一种基于混合高斯归一化的语音转换方法.首先,通过背景说话人模型,分别自适应训练得到源说话人和目标说话人模型.然后,利用训练得到的模型自适应参数,提出了基于高斯归一化的特征映射方法,为了进一步提高转换效果,进而提出了混合高斯归一化的方法.同时,针对说话人模型中未被更新的参数,采用KL散度(Kullback-Leibler divergence)方法进行了优化.最后,通过主客观实验对提出的算法的有效性进行了仿真和验证.实验结果表明,本文提出的基于混合高斯归一化的语音转换方法,无论是倒谱失真度、还是转换语音的目标倾向度以及感知质量,都在很大程度上获得了接近基于对称语音库的传统高斯混合模型(Gaussian mixture model,GMM)方法的效果.
-
-
SONG Peng;
宋鹏;
WANG Hao;
王浩;
ZHAO Li;
赵力
- 《第十二届全国人机语言通讯学术会议(NCMMSC`2013)》
| 2013年
-
摘要:
针对非对称语料库情况下的语音转换,本文提出了一种基于混合高斯归一化的语音转换方法.首先,通过背景说话人模型,分别自适应训练得到源说话人和目标说话人模型.然后,利用训练得到的模型自适应参数,提出了基于高斯归一化的特征映射方法,为了进一步提高转换效果,进而提出了混合高斯归一化的方法.同时,针对说话人模型中未被更新的参数,采用KL散度(Kullback-Leibler divergence)方法进行了优化.最后,通过主客观实验对提出的算法的有效性进行了仿真和验证.实验结果表明,本文提出的基于混合高斯归一化的语音转换方法,无论是倒谱失真度、还是转换语音的目标倾向度以及感知质量,都在很大程度上获得了接近基于对称语音库的传统高斯混合模型(Gaussian mixture model,GMM)方法的效果.
-