检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于狄利克雷过程混合模型的宽带频谱感知

基于狄利克雷过程混合模型的宽带频谱感知

作者：司艳玲哈尔滨工业大学

学位级别：硕士

本文主要对宽带频谱感知问题进行研究,宽带频谱感知又叫做多频带信号频谱感知,主要是指检测的频带内同时有多个信号需要感知。和窄带频谱感知不同的是,窄带频谱感知只是检测信号的有无,只需要检测一个信号,宽带频谱感知一次需要检测多... 详细信息

本文主要对宽带频谱感知问题进行研究,宽带频谱感知又叫做多频带信号频谱感知,主要是指检测的频带内同时有多个信号需要感知。和窄带频谱感知不同的是,窄带频谱感知只是检测信号的有无,只需要检测一个信号,宽带频谱感知一次需要检测多个信号,并且检测时不知道信号个数。因此传统的频谱感知方法,如能量检测,匹配滤波检测和循环平稳检测并不适用。有一些研究先假设信号个数已知,再进行进一步的频谱感知,这种假设不符合实际情况。本文提出了一种用于宽带频谱感知的聚类方法,提出的聚类方法基于狄利克雷过程混合模型,该模型可以根据从信号的频谱或循环谱中提取的特征推断信号的数量和载频。该算法不需要明确知道现有信号的个数,本文假设簇参数是从混合模型中提取出的,通过吉布斯采样,确定最适合观测数据的聚类参数。本文的具体研究内容如下:首先,由于目前对于宽带频谱感知的相关定义没有明确标准,相关的参数也没有统一的定义,本文对宽带频谱感知的系统模型进行了设计说明,说明了检测频带带宽,信号带宽,信号之间的关系,信号的形式,以及本文中信噪比的定义。由于本文处理的是宽带信号问题,对接收到的信号进行采样之前进行下变频处理。其次,本文对高斯信道下接收到的宽带信号进行分析,对宽带频谱感知问题和狄利克雷过程混合模型分析对比,证明狄利克雷过程混合模型可以适用于宽带频谱感知问题,不需要精确的信号个数,需要一个信号可能出现的最大个数,可由经验统计得到,再塌缩式地更新信号个数。本文选取了两种信号特征,功率谱特征和循环谱特征,从理论上分析,循环谱的抗噪声性比功率谱好,但是同时循环谱的计算复杂度也比功率谱更高。本文分别从功率谱和循环谱中提取特征,使用基于狄利克雷过程混合模型的方法进行聚类,对性能进行仿真分析,验证了使用循环谱做特征性能更好同时复杂度更高。最后,本文对衰落信道下的宽带频谱感知问题进行分析,建模非频率选择性慢衰落信道下的接收到的无线信号,通过将认知用户感知信号的方式由单节点改变为多用户频谱感知来降低信号衰落的影响。多用户频谱感知虽然能提升感知性能,但是数据量变大了,本文尝试采用压缩感知采样恢复的循环谱进行频谱感知,并仿真分析了它与奈奎斯特采样恢复的循环谱以及功率谱的性能,并仿真分析压缩比对算法性能的影响。本文使用载频在2.4G附近ISM波段的信号进行仿真分析,并在高斯下和衰落信道下分别使用基于狄利克雷过程混合模型的算法和K-means算法进行宽带频谱感知,和K-means算法相比,本文的算法不需要已知信号的个数,但是性能相近。本文对信号个数未知的宽带频谱感知问题,定义了成功率,错检率,漏检率以及平均绝对误差等指标来衡量算法性能。

关键词：宽带频谱感知狄利克雷过程混合模型 K均值循环谱压缩感知

一种基于狄利克雷过程混合模型的文本聚类算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

信息网络安全 2015年第11期 60-65页

作者：高悦王文贤杨淑贤四川大学计算机学院网络与可信计算研究所四川成都610065 四川大学网络空间安全研究院四川成都610065 最高人民检察院北京100726

随着互联网的普及,论坛、微博、微信等新媒体已经成为人们获取和发布信息的重要渠道,而网络中的这些文本数据,由于文本数目和内容的不确定性,给网络舆情聚类分析工作带来了很大的挑战。在文本聚类分析中,选择合适的聚类数目一直是一个... 详细信息

随着互联网的普及,论坛、微博、微信等新媒体已经成为人们获取和发布信息的重要渠道,而网络中的这些文本数据,由于文本数目和内容的不确定性,给网络舆情聚类分析工作带来了很大的挑战。在文本聚类分析中,选择合适的聚类数目一直是一个难点。文章提出了一种基于狄利克雷过程混合模型的文本聚类算法,该算法基于非参数贝叶斯框架,可以将有限混合模型扩展成无限混合分量的混合模型,使用狄利克雷过程中的中国餐馆过程构造方式,实现了基于中国餐馆过程的狄利克雷混合模型,然后采用吉布斯采样算法近似求解模型,能够在不断的迭代过程中确定文本的聚类数目。实验结果表明,文章提出的聚类算法,和经典的K-means聚类算法相比,不仅能更好的动态确定文本主题聚类数目,而且该算法的聚类质量(纯度、F-score和轮廓系数)明显好于K-means聚类算法。

关键词：文本聚类狄利克雷过程混合模型非参数贝叶斯吉布斯采样

猕猴在自步任务线索范式下任务切换过程中的心理机制——基于广义线性混合模型与概率分布模型的研究

在线全文

学校读者我要写书评

暂无评论

猕猴在自步任务线索范式下任务切换过程中的心理机制——基于广义...

作者：曹魏聪华东师范大学

学位级别：硕士

任务线索范式(Task-cueing paradigm)是任务切换(Task Switching)领域常见的研究范式。大量的研究通过操纵线索出现后的准备时间研究线索切换对任务切换损失的影响,认为线索切换会导致任务重建(task-set reconfiguration)或任务间的干扰... 详细信息

任务线索范式(Task-cueing paradigm)是任务切换(Task Switching)领域常见的研究范式。大量的研究通过操纵线索出现后的准备时间研究线索切换对任务切换损失的影响,认为线索切换会导致任务重建(task-set reconfiguration)或任务间的干扰(interference),进而引发任务切换损失(task switch cost)。然而在这些研究中,准备时间均由研究者事先设定,被试仅能被动地接受任务流程完成实验,这可能会干扰被试面对线索切换时的正常反应,而不能反映被试在线索切换任务中完整的心理过程。此外,以往的研究往往直接使用包括ANOVA在内的一般线性模型分析反应时均值,平均正确率等汇总统计量,忽略了这些汇总统计量的分布通常都是非正态的,也不满足方差齐性这一事实。本研究在传统任务线索范式的基础上引入自步的实验设置,在线索出现后,由被试自主决定何时开始实验任务。并以时序判断任务和分辨率判断任务为目标任务,成功训练猕猴掌握了这一范式。本研究中的正式实验综合考察了任务类型,任务难度以及切换类型对任务切换过程的影响,并使用广义线性混合模型对准备时间的均值、反应时的均值以及平均正确率这三个汇总统计量进行了分析,并使用ex-Gaussian模型拟合了反应时的平均分布,基于狄利克雷过程混合模型对准备时间的平均分布进行了建模。以期从分布的形式与参数中获取更多有价值的信息,以更好地了解任务切换的心理机制。通过对准备时间的均值以及准备时间平均分布的分析,结果发现:在自步的实验设置下,准备时间虽然仍会受到切换类型的影响,但是不会影响任务表现。在准备阶段,被试并不会在每个试次中都针对任务进行准备,有些时候会忽略线索直接进入任务阶段。针对任务进行准备的比例是影响准备时间长短的关键因素。通过对被试反应时均值、反应时的平均分布以及平均正确率的分析可以发现:反应时和正确率会受到任务类型与任务难度的影响,不同任务类型与任务难度下反应时和正确率的差异是任务特质的外在体现。反应时和正确率也确实会受到切换类型的影响,但与传统研究中的发现不同,在自步的实验设置下,任务切换会提升任务表现。针对反应时平均分布的分析则表明,切换类型仅会影响被试的专注程度,而对完成任务的能力没有影响。本研究通过引入自步的设置,更加完整地呈现了准备阶段的心理过程,为系统、有效地探究任务切换过程的心理机制提供可靠基础。使用广义线性混合模型和概率分布模型对数据进行分析,得到了更加准确、可靠的结论,并在此基础上提出了准备阶段存在两种互斥的心理过程的猜想,为相关领域的研究提供了有益的补充。而猕猴任务切换模型的建立,为进一步深入研究任务切换的神经机制提供了便利。

关键词：任务切换自步准备时间平均分布狄利克雷过程混合模型

基于DPMM和MRF的高分辨率遥感图像无监督对象分割

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

仪器仪表学报 2018年第11期39卷 222-231页

作者：刘尚旺侯旺旺赵欣莹河南师范大学计算机与信息工程学院新乡453007 “智慧商务与物联网技术”河南省工程实验室新乡453007

为准确、自动地进行高分辨率遥感图像地物目标对象分割,提出一种基于狄利克雷过程混合模型(DPMM)和马尔可夫随机场(MRF)的无监督对象分割方法(DPMM-OMRF)。首先,使用网格划分超像素为基本对象;其次,使用多维高斯分布构建DPMM先验,并使... 详细信息

为准确、自动地进行高分辨率遥感图像地物目标对象分割,提出一种基于狄利克雷过程混合模型(DPMM)和马尔可夫随机场(MRF)的无监督对象分割方法(DPMM-OMRF)。首先,使用网格划分超像素为基本对象;其次,使用多维高斯分布构建DPMM先验,并使用相似性度量构建MRF先验,二者以自适应权重方式相结合作为DPMM-OMRF模型的先验分布;然后,在贝叶斯框架下,将基本对象的似然分布与联合先验分布结合,构建DPMM-OMRF模型,并推导类标签的条件分布;最后,通过推导和计算类标签后验概率,设计Gibbs采样方法,更新DPMM-OMRF模型的标签场和参数。实验结果表明,DPMM-OMRF模型的总体分类精度(OA)提高到90%左右,Kappa系数接近0.8,并且能够准确地识别出地物目标类属数和更加准确地分割出完整地物目标对象。

关键词：遥感图像无监督对象分割狄利克雷过程混合模型马尔可夫随机场 Gibbs采样

在线全文

学校读者我要写书评

暂无评论

基于特征贡献率的机械故障分类方法

振动．测试与诊断 2020年第3期40卷 458-464,622页

作者：马波赵祎北京化工大学高端机械装备健康监控及自愈化北京市重点实验室北京100029 北京化工大学发动机健康监控及网络化教育部重点实验室北京100029

为提高往复压缩机、航空发动机等复杂机械故障分类的准确率,依据特征参数对不同故障的敏感度存在差异的特性,提出一种狄利克雷过程混合模型(Dirichlet process mixture model,简称DPMM)与贝叶斯推断贡献(Bayesian inference contributi... 详细信息

为提高往复压缩机、航空发动机等复杂机械故障分类的准确率,依据特征参数对不同故障的敏感度存在差异的特性,提出一种狄利克雷过程混合模型(Dirichlet process mixture model,简称DPMM)与贝叶斯推断贡献(Bayesian inference contribution,简称BIC)相结合的分析方法。采用DPMM方法自学习机械振动信号高维特征的统计分布模型,并依据BIC理论计算得到各特征参数对模型的贡献率,通过对比观测数据与各类故障数据特征贡献率间的差异实现故障分类。试验结果表明,该方法的平均分类准确率比基于高斯混合模型(Gaussian mixture model,简称GMM)的故障诊断方法的平均分类准确率提高19.29%,比基于Relief算法的故障诊断方法的平均分类准确率提高32.71%,且该方法的时效性高,泛化性能强,能够更有效地进行复杂机械故障分类。

关键词：故障诊断特征贡献率狄利克雷过程混合模型贝叶斯推断

在线全文

学校读者我要写书评

暂无评论

基于PU学习算法的虚假评论识别研究

计算机研究与发展 2015年第3期52卷 639-648页

作者：任亚峰姬东鸿张红斌尹兰武汉大学计算机学院武汉430072

识别虚假评论有着重要的理论意义与现实价值.先前工作集中于启发式策略和传统的全监督学习算法.最近研究表明:人类无法通过先验知识有效识别虚假评论,手工标注的数据集必定存在一定数量的误例,因此简单使用传统的全监督学习算法识别虚... 详细信息

识别虚假评论有着重要的理论意义与现实价值.先前工作集中于启发式策略和传统的全监督学习算法.最近研究表明:人类无法通过先验知识有效识别虚假评论,手工标注的数据集必定存在一定数量的误例,因此简单使用传统的全监督学习算法识别虚假评论并不合理.容易被错误标注的样例称为间谍样例,如何确定这些样例的类别标签将直接影响分类器的性能.基于少量的真实评论和大量的未标注评论,提出一种创新的PU(positive and unlabeled)学习框架来识别虚假评论.首先,从无标注数据集中识别出少量可信度较高的负例.其次,通过整合LDA(latent Dirichlet allocation)和K-means,分别计算出多个代表性的正例和负例.接着,基于狄利克雷过程混合模型(Dirichlet process mixture model,DPMM),对所有间谍样例进行聚类,混合种群性和个体性策略来确定间谍样例的类别标签.最后,多核学习算法被用来训练最终的分类器.数值实验证实了所提算法的有效性,超过当前的基准.

关键词：虚假评论全监督学习 PU学习狄利克雷过程混合模型多核学习

未知杂波条件下样本集校正的势估计概率假设密度滤波算法

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2018年第4期40卷 912-919页

作者：杨丹姬红兵张永权西安电子科技大学电子工程学院西安710071

在贝叶斯框架下的多目标跟踪算法中,总是假设杂波的先验信息是已知的。然而,实际应用中,杂波分布一般是未知的,假设的杂波分布往往与实际情况匹配度差,难以保证滤波精度。针对该问题,该文研究了未知杂波势估计概率假设密度(CPHD)滤波算... 详细信息

在贝叶斯框架下的多目标跟踪算法中,总是假设杂波的先验信息是已知的。然而,实际应用中,杂波分布一般是未知的,假设的杂波分布往往与实际情况匹配度差,难以保证滤波精度。针对该问题,该文研究了未知杂波势估计概率假设密度(CPHD)滤波算法。首先,提出一种基于狄利克雷过程混合模型(DPMM)类的未知杂波CPHD算法,该算法能够自动选取合适的类数对杂波进行描述,有效降低了杂波空间分布估计的误差。此外,提出样本集校正的思想,并将其引入所提算法,通过去除样本集中由真实目标产生的量测,较好地解决了杂波数过估和目标数低估的问题。与传统算法相比,所提算法的滤波精度更接近于杂波信息匹配情况下的性能,仿真结果验证了其优越性与鲁棒性。

关键词：多目标跟踪参数估计未知杂波狄利克雷过程混合模型势估计概率假设密度滤波

基于标签共现和特征局部相关的心电异常检测方法

在线全文

学校读者我要写书评

暂无评论

计算机科学 2023年第3期50卷 139-146页

作者：韩京宇钱龙葛康毛毅南京邮电大学计算机学院南京210023 江苏省大数据安全与智能处理重点实验室南京210023

自动的心电异常识别是一个多标签分类问题,多通过对每个标签训练一个二分类器来实现异常识别。由于异常数目多,特征和异常间以及不同异常间的相关性复杂,自动检测的效果并不理想。为了充分利用异常和特征间的依存关系,提出了一种基于异... 详细信息

自动的心电异常识别是一个多标签分类问题,多通过对每个标签训练一个二分类器来实现异常识别。由于异常数目多,特征和异常间以及不同异常间的相关性复杂,自动检测的效果并不理想。为了充分利用异常和特征间的依存关系,提出了一种基于异常标签共现和特征局部相关(Label Co-occurrence and Feature’s local Pertinence,LCFP)的心电异常识别方法。首先,根据标签共现性和特征局部相关性,为标签构建包含宏特征和微特征的联合特征空间。宏特征采用狄利克雷过程混合模型聚类构建,以区分不同的共现标签集;微特征是原始特征空间的一个子集,用于区分共现标签集中的各个标签。进而,在联合特征空间为每个异常训练一个一对多(One-Versus-All)的概率分类器。其次,为充分利用异常的关联,提出在概率分类器排序基础上区分相关和非相关标签,采用Beta分布自适应地学习锚阈值和相关度阈值,以确定实例的相关标签集。LCFP是一种检测多种心电异常的通用方法,提高了心电异常识别的精度。在两个真实数据集上,F1指标分别提高了4%和22.4%,验证了所提方法的有效性。

关键词：心电异常多标签分类标签共现狄利克雷过程混合模型 Beta分布锚阈值

在线全文

学校读者我要写书评

暂无评论

基于机器学习的信贷风控研究

基于机器学习的信贷风控研究

作者：刘子扬南京邮电大学

学位级别：硕士

随着“互联网+”概念的普及,我国互联网金融行业迅速发展,个人信贷业务市场份额也快速增长,使得业务数据变得复杂多样。传统的信贷风控大多是模型驱动的策略,已经不能够满足违约风险预测的需求,导致各类违约事件频发,给机构带来较大的... 详细信息

随着“互联网+”概念的普及,我国互联网金融行业迅速发展,个人信贷业务市场份额也快速增长,使得业务数据变得复杂多样。传统的信贷风控大多是模型驱动的策略,已经不能够满足违约风险预测的需求,导致各类违约事件频发,给机构带来较大的损失。因此,需要引入机器学习算法,来完善信贷风控机制,促进信贷业务市场健康、可持续发展。本文采用机器学习算法针对信贷风控场景中的两个问题进行解决。第一,在新的信贷产品投放初期,由于没有业务积累,仅有少量标记数据和大量无标记数据,因此不能建立数据驱动的有监督信贷风控模型;第二,在信贷产品投放一段时间后,积累到了一定量的数据,大多数机构会采用逻辑回归(Logistics Regression,LR)来实现信贷风控建模,LR模型简单且易于实现、训练速度快,但是这种模型属于线性模型,学习能力有限,不能学习到特征间的非线性关系,需要信贷业务经验丰富的风控工程师做人工特征组合,因此需要耗费大量的人工成本。围绕以上问题,本文主要工作如下:(1)针对信贷产品投放初期,不能建立数据驱动的有监督信贷风控模型的问题,本文提出了基于狄利克雷过程混合模型(Dirichlet Process Mixture Model,DPMM)和隔离森林(Isolation Forest,IForest)的冷启动方法。该方法采用DPMM计算出了无标记样本的违约相似度,采用IForest计算出了无标记样本的违约异常度,综合违约相似度和违约异常度筛选出可靠正常样本和潜在违约样本,为后续监督模型训练提供充足样本。(2)针对信贷产品投放后期,单一LR模型对数据特征间非线性关系学习能力不足的问题,本文提出了基于Bagging的XGBoost-LR模型融合方法。该方法采用极限梯度提升树模型(e Xtreme Gradient Boosting,XGBoost)进行特征转换,将其叶子节点的输出,作为LR模型的输入,进而提升LR对非线性数据特征的学习能力,同时引入Bagging机制,对XGBoost的行采样参数和列采样参数进行扰动,建立多个XGBoost-LR融合模型,进一步提升模型预测能力。为了验证上述两种设计方法的有效性,本文利用某互联网金融公司信贷脱敏数据集和多个UCI数据集,对上述方法进行了实验仿真。同时,为了体现设计方法的实用性,本文设计了一个信贷风控系统。

关键词：狄利克雷过程混合模型隔离森林逻辑回归极限梯度提升树信贷风控