基于高斯过程混合模型的瓦斯安全状态分类研究

针对目前瓦斯浓度预测与瓦斯安全状态分类方法中主观性较强、超参数难以选取、解释性差、无法有效地利用样本之间时序信息等问题,本文提出了基于高斯过程混合模型的瓦斯浓度预测与安全状态分类方法。高斯过程是机器学习领域中解决非线性回归问题的典型方法,能够有效地利用数据之间的相关性,常用于时间序列的建模与预测。然而,单个高斯过程存在着一定的局限性,难于对非平稳、多模态的数据进行有效地建模和回归分析。在高斯过程的基础上引入其混合模型,则可增强模型的表达能力,能够对有复杂结构的数据进行建模。我们将瓦斯安全状态根据风险由高至低分成红橙黄蓝四个等级,在每个风险等级上瓦斯浓度数据采用单个高斯过程进行建模。由于一般瓦斯浓度数据包含着各个风险等级的数据,高斯过程混合模型则可用于对整体数据进行建模和回归分析。根据对数据的参数学习结果,高斯过程混合模型便可自适应地得到每个时刻对应的风险等级,并在预测瓦斯浓度时对各个高斯过程分量的预测进行加权,得到更为鲁棒的预测结果。实验结果表明,基于高斯过程混合模型的方法可有效地预测瓦斯浓度、评估安全状态。      

从高斯过程到高斯过程混合模型:研究与展望

高斯过程（GP）模型是核学习方法与贝叶斯推理相结合的典范,现已成为机器学习领域的一个研究热点。作为对GP模型的拓展,高斯过程混合（MGP）模型具有更强大的学习能力和适应性。然而,目前关于GP和MGP模型的研究较为零散,尚缺少系统的分析与总结。本文首先对于GP模型的基本原理及其研究进展进行了深入地分析和讨论;然后将GP模型拓展至MGP模型,从多方面对MGP模型的研究现状和进展进行了深入地分析和讨论,并指出未来值得探索的研究方向和应用问题。      

基于高斯过程混合模型的国债收益率预测

债券分析的核心问题是发现偿还期限与到期收益率之间的关系,即利率期限结构,而实际上国债利率期限结构是最为重要和基本的模式。目前人们对于利率期限结构的分析主要采用经济理论模型和数量模型进行,但是这两种方法都难于对国债收益率进行有效的预测。基于高斯过程混合模型强大的数据拟合和分析能力,本文将其应用于国债收益率的建模和预测。本文采用国债收益率数据作为输出变量,筛选出对国债收益率影响最强的一组作用因子作为驱动或输入变量,然后利用高斯过程混合模型对数据进行学习和建模,并依此对国债收益率进行建模和分析。实验结果表明高斯过程混合模型能够更好的描述国债利率期限结构。相比于其他机器学习模型和算法,高斯过程混合模型在国债收益率的测试数据上获得了更好准确的预测结果。      

BP算法在煤矿瓦斯浓度预测中的应用

影响煤矿瓦斯浓度的各种因素具有非线性特征，BP算法能实现对这些因素的非线性映射，达到对煤矿瓦斯浓度进行预测的目的。     

基于高斯混合模型和残差预测的说话人转换系统

说话人转换是将源说话人的语音特征转换成目标说话人的特征,使得听起来像是目标说话人的语音。提出的说话人转换系统分为2个部分,第一部分利用高斯混合模型进行谱包络的转换,训练采用时间对齐的源说话人和目标说话人的语音数据进行。第二部分基于一个分类器和残差码本对残差信号预测。该系统在现有的说话人转换系统的基础上做了一些改进,改进后不再需要说话人模仿别人的语调,并且在某些性能上超过了现有的系统。     

双麦克风噪声消除的高斯混合模型法

为了解决基于相位差滤波器（PBF）双麦克风方法残留噪声较多的问题,本文在PBF方法基础上提出一种基于高斯混合模型的双麦克风噪声消除方法。该方法首先采用高斯混合模型（GMM）对目标语音存在(λ1)与目标语音不存(λ0)在这两种情况进行建模。其次,在实时增强阶段,根据贝叶斯分类器计算每帧的目标语音存在概率(TSPP),随后根据噪声抑制最大化准则修正PBF的增益函数并得到改进的相位差滤波器（IPBF）,最后将TSPP与 IPBF的增益函数相结合,进而得到一种用于双麦克风噪声消除的掩蔽滤波器。实验结果表明:本文提出算法可有效抑制残留噪声,尤其是在目标语音不存在的时间段      

基于高斯混合模型的火焰检测算法

火灾作为对社会和环境危害最大的灾难,一直是人们重点防范的对象.但目前现有的火灾预警系统都存在误报率过高的问题.因此,文中提出了一种基于火焰闪烁动力学的火焰检测框架.在该框架中,火焰颜色分布模型采用高斯混合模型.此外,采用概率显著性分析方法和一维小波变换提取运动显著性和滤波后的时间序列作为特征,描述火焰的动态特性和闪烁特...     

一种改进混合高斯模型下的运动人体检测算法

提出了一种基于改进混合高斯模型下的帧间差分和背景差分相结合的方法对运动人体进行检测,实验表明,采用改进的混合高斯模型,可加快背景建模和更新的速度,且对外界环境的适应能力更强。而帧间差分和背景差分的结合充分发挥了二者各自的优势,提高了检测效率。     

基于高斯混合模型的下行小区间干扰分布

在正交频分多址接入(Orthogonal Frequency Division Multiple Access, OFDMA)蜂窝网络中,小区间干扰的统计特性与网络性能密切相关。下行小区间干扰的累积分布函数(Cumulative Distribution Function, CDF)还没有一个闭合表达式。该文提出一种参数可显式计算的高斯混合模型对下行小区间干扰分布进行近似。进一步,利用高斯混合模型将下行小区间干扰的累积分布函数近似表示为若干个误差函数的加权和。仿真验证了高斯混合模型的准确性,并且表明基于高斯混合模型的累积分布函数能很好地近似下行小区间干扰的累积分布函数。     

WAVE协议栈下基于高斯混合模型的无线定位研究

无线定位是车联网中各应用的基础,对实时性和精度要求更高。基于此,本文提出了一个在WAVE系统下基于混合高斯模型的位置指纹定位算法。该算法由离线训练和在线定位两部分组成,采用GMM对离线训练阶段的指纹数据库进行聚类建模处理,并在定位阶段对结果采用多点均值方法,不仅降到了系统定位误差,也减少了定位阶段的运算量,提高了定位的实时性。实验结果表明,该算法有较好的定位精度和实时性,为WAVE环境下的快速定位进一步研究提供有效参考价值。     

应用混沌理论对煤矿瓦斯浓度预测

利用混沌时间序列短期可以预测的特点,构建煤矿瓦斯浓度预测模型,重构煤矿瓦斯浓度相空间,采用改进的C-C算法确定相空间时延t和相空间嵌入维数m。然后在重构相空间中,运用加权一阶局域法构建煤矿瓦斯浓度的预测模型,进行煤矿瓦斯浓度预测。     

矩阵变换器在不平衡输入电压下的控制策略

通过检测矩阵变换器的瞬时输入电压并实时调节输出电压调制矢量,采用空间矢量调制策略的矩阵变换器能够在不平衡且非正弦的输入电压下得到正弦平衡的输出电压。在非平衡输入电压下,若输入功率因数角不变,矩阵变换器的输入电流将不再正弦。本文给出了输入电流与输出功率及输入功率因数角之间的关系,通过调节输入电流调制矢量的方向,可得到正弦但不平衡的输入电流。仿真证明了理论的正确性。     

Convergence Analysis of the Gaussian Mixture PHD Filter

The Gaussian mixture probability hypothesis density (PHD) filter was proposed recently for jointly estimating the time-varying number of targets and their states from a sequence of sets of observations without the need for measurement-to-track data association. It was shown that, under linear-Gaussian assumptions, the posterior intensity at any point in time is a Gaussian mixture. This paper proves uniform convergence of the errors in the algorithm and provides error bounds for the pruning and merging stages. In addition, uniform convergence results for the extended Kalman PHD Filter are given, and the unscented Kalman PHD Filter implementation is discussed     

宽输入条件下全桥LLC变换器的混合控制策略研究

文中详细分析了全桥型LLC变换器在三种工作模式下的状态轨迹特征,提出了一种宽输入条件下改进的最优轨迹控制策略,并讨论了电路参数选择对控制策略适用性的影响。仿真结果证明了所提策略的有效性。     

一种具有信息保持能力的GM-PHD滤波器

概率假设密度(PHD)滤波器是解决虚警、漏检和目标数未知情况下多目标跟踪问题的新方法.然而在该滤波器中已存在的目标一旦在某个时刻不能被传感器检测到,漏检目标的大量信息会被滤波器丢弃.为解决漏检目标的信息丢失问题,对PHD滤波器的预测和更新方程进行了修正,提出了一种具有信息保持能力的PHD滤波器.在此基础上提出了适用于线性高斯模型的修正PHD滤波器高斯混合(GM)实现算法.仿真实验结果表明,与现有的PHD滤波器相比,在存在漏检的情况下所提出的GM-PHD滤波器能够提供更好的多目标跟踪能力.     

利用高斯消去法求无源二端口网络参数

历来求无源二端口网络参数，用网络两个端口的开路或短路分别去求出二端口网络的各个参数。求解时对于简单的网络尚可，然而只要网络稍复杂，即难于求解。本文提出一种统一的方法用于求解网络的参数，利用变形后的高斯消去法，对网络解耦，从而求得两端口网络的参数，算法统一，既可用以计算机辅助计算，亦可用于手工计算，方便简捷，尤其是对于Ｙ参数和Ｚ参数。     

Finite Element Techniques for Removing the Mixture of Gaussian and Impulsive Noise

The finite element method has become a very powerful and popular tool to solve boundary value problems coming from science and engineering. Here, we consider a scattered data fitting method based on the finite element method and apply the method to remove the mixture of Gaussian and impulsive noise from an image. Numerical results show the performance of the approach.