检索结果-维普期刊中文期刊服务平台

基于高斯和近似的扩展切片高斯混合滤波器及其在多径估计中的应用被引量：7: 1; 作者陈杰程兰甘明刚《自动化学报》 EI CSCD 北大核心 2013年第1期1-10,共10页; 全球卫星导航系统(Global navigation satellite system,GNSS)信号的多径估计问题实际上是条件线性状态空间模型下的状态估计问题.根据高斯和理论提出了适用于非高斯噪声环境的扩展切片高斯混合滤波(Extension of sliced Gaussian mixtu... 展开更多; 关键词非高斯噪声高斯和概率密度函数切片高斯混合滤波器多径估计; 在线阅读下载PDF 职称材料

自适应GM-PHD滤波器在多目标追踪的应用被引量：5: 2; 作者苍岩陈迪毕晓君《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2015年第11期1526-1531,共6页; 针对PHD滤波器中先验概率初始化时,新生目标出现的位置不确定,且目标强度计算区域必须为整个监测区域,造成算法低效率等问题,将原始算法通过PHD滤波的扩展项在预测步骤与更新步骤对新生目标与存活目标进行区分,再通过每一次扫描得到的... 展开更多; 关键词概率密度函数高斯滤波器多目标跟踪算法自适应估计; 在线阅读下载PDF 职称材料

高斯噪声中的参数盲估计被引量：3: 3; 作者王惠刚李志舜《电子学报》 EI CAS CSCD 北大核心 2003年第7期974-976,共3页; 盲信号处理方法中常忽略噪声的影响 ,而实际问题中噪声的影响是存在的 .本文主要讨论了在协方差矩阵未知的加性高斯噪声中混合系数的盲估计问题 .本文以最大似然估计为基础 ,提出一种求解参数的最优化算法 ,给出了混合矩阵和协方差矩阵... 展开更多; 关键词高斯噪声盲信号处理 EM算法高斯混合模型; 在线阅读下载PDF 职称材料

基于快速高斯变换的不确定数据聚类算法被引量：11: 4; 作者迟荣华程媛 +2 位作者朱素霞黄少滨陈德运《通信学报》 EI CSCD 北大核心 2017年第3期101-111,共11页; 数据中不确定性的存在使对其聚类分析时要充分考虑不确定性的影响。针对现有不确定数据聚类算法中构建不确定数据模型以及距离度量时存在的影响结果准确性与聚类性能等问题,提出一种基于快速高斯变换的不确定数据聚类算法。首先在不假... 展开更多; 关键词聚类分析不确定数据概率密度函数快速高斯变换核密度估计; 在线阅读下载PDF 职称材料

与文本无关的说话人辨认系统中一种新的使用基音周期方法研究被引量：5: 5; 作者段新黄新宇吴淑珍《北京大学学报（自然科学版）》 CAS CSCD 北大核心 2003年第5期690-696,共7页; 研究了与文本无关的说话人辨认系统中一种新的使用基音周期方法。在说话人辨认系统中将矢量量化 (VQ)、高斯混合模型 (GMM)分类器结合 ,使用升正弦窗函数加权的线性预测倒谱系数 (LPCC)。在训练时为训练集中的每个说话人估计一个一维高... 展开更多; 关键词矢量量化(VQ) 高斯混合模型(GMM) 升正弦窗函数基音周期概率密度的高斯函数估计加权的似然测度; 在线阅读下载PDF 职称材料

基于统计感知策略的高斯混合模型求解方法被引量：5: 6; 作者陈佳琪何玉林 +1 位作者黄哲学 FOURNIER-VIGER Philippe 《数据采集与处理》 CSCD 北大核心 2023年第3期525-538,共14页; 高斯混合模型(Gaussian mixture model,GMM)是一种经典的概率模型,常被用于无监督学习领域来确定无类别标记样本点的类别分布。作为求解GMM参数的重要技术,期望最大化(Expectation maximization,EM)算法通过计算GMM对应似然函数的最优... 展开更多; 关键词高斯混合模型概率密度函数估计统计感知经验风险结构风险粒子群优化; 在线阅读下载PDF 职称材料

基于遗传算法的非高斯系统随机分布控制被引量：4: 7; 作者洪越殷利平《南京信息工程大学学报（自然科学版）》 CAS 2020年第4期504-509,共6页; 传统的控制理论并未考虑工业过程中的一些不确定因素,而这些不确定因素在生产过程中对系统的能源损耗和精度都有很大的影响.为了解决上述问题,本文研究一种基于数据的非高斯随机分布系统优化控制策略,该策略采用核密度估计(KDE)方法完... 展开更多; 关键词非高斯系统核密度估计概率密度函数遗传算法; 在线阅读下载PDF 职称材料

题名基于高斯和近似的扩展切片高斯混合滤波器及其在多径估计中的应用被引量：7: 1; 作者陈杰程兰甘明刚; 机构北京理工大学自动化学院复杂系统智能控制与决策教育部重点实验室太原理工大学信息工程学院; 出处《自动化学报》 EI CSCD 北大核心 2013年第1期1-10,共10页; 基金国家自然科学基金(61120106010) 国家杰出青年科学基金资助(60925011)资助~~; 文摘全球卫星导航系统(Global navigation satellite system,GNSS)信号的多径估计问题实际上是条件线性状态空间模型下的状态估计问题.根据高斯和理论提出了适用于非高斯噪声环境的扩展切片高斯混合滤波(Extension of sliced Gaussian mixture filter,ESGMF)算法.该算法将非高斯噪声的状态概率密度函数(Probability density function,PDF)表示为高斯和的形式,将ESGMF通过一组并行的切片高斯混合滤波器(Sliced Gaussian mixture filter,SGMF)来实现.同时,在ESGMF算法中利用粒子滤波(Particle filter,PF)中重采样的思想对成指数增加的状态预测PDF的高斯混合个体进行约简,以提高贝叶斯推理的效率.该算法可以获得非高斯噪声下状态PDF的迭代解析表达式.最后,将ESGMF应用于GPS多径参数估计,仿真结果表明,ESGMF算法的估计精度优于基于PF和扩展卡尔曼滤波(Extended Kalman filter,EKF)的算法.; 关键词非高斯噪声高斯和概率密度函数切片高斯混合滤波器多径估计; Keywords Non-gaussian noise, gaussian sum, probability density function （PDF）, sliced gaussian mixture filter（SGMF）, multipath estimation; 分类号 TN967.1 [电子电信—信号与信息处理] TP13 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名自适应GM-PHD滤波器在多目标追踪的应用被引量：5: 2; 作者苍岩陈迪毕晓君; 机构哈尔滨工程大学信息与通信工程学院; 出处《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2015年第11期1526-1531,共6页; 基金国家自然科学基金资助项目(61175126 61371175) +1 种基金教育部博士点基金资助项目(20112304110009); 文摘针对PHD滤波器中先验概率初始化时,新生目标出现的位置不确定,且目标强度计算区域必须为整个监测区域,造成算法低效率等问题,将原始算法通过PHD滤波的扩展项在预测步骤与更新步骤对新生目标与存活目标进行区分,再通过每一次扫描得到的量测自适应更新得到目标新生强度,依据量测的驱动来避免对先验概率初始化假设的问题。利用OSPA函数作为算法性能监测标准,利用仿真数据和实测数据对改进的算法进行了验证。结果显示,利用量测来驱动新生目标强度函数,对新生目标与存活目标先进性判断,目标数目估计正确率达到97%,OSPA距离较GM-PHD算法下降50%。; 关键词概率密度函数高斯滤波器多目标跟踪算法自适应估计; Keywords probability density function gaussian filter multiple targets tracking algorithm adaptive estimation; 分类号 TN911.7 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名高斯噪声中的参数盲估计被引量：3: 3; 作者王惠刚李志舜; 机构西北工业大学航海工程学院; 出处《电子学报》 EI CAS CSCD 北大核心 2003年第7期974-976,共3页; 文摘盲信号处理方法中常忽略噪声的影响 ,而实际问题中噪声的影响是存在的 .本文主要讨论了在协方差矩阵未知的加性高斯噪声中混合系数的盲估计问题 .本文以最大似然估计为基础 ,提出一种求解参数的最优化算法 ,给出了混合矩阵和协方差矩阵的计算式 .采用高斯混合模型 (GMM)来逼近源信号的概率密度函数 ,简化了算法中的积分 ,导出了一种基于EM算法的迭代式 .仿真表明 ,算法不仅能稳定收敛。; 关键词高斯噪声盲信号处理 EM算法高斯混合模型; Keywords Algorithms Approximation theory Computer simulation gaussian noise (electronic) Mathematical models Matrix algebra Maximum likelihood estimation probability density function Signal processing; 分类号 TN911 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于快速高斯变换的不确定数据聚类算法被引量：11: 4; 作者迟荣华程媛朱素霞黄少滨陈德运; 机构哈尔滨工程大学计算机科学与技术学院哈尔滨理工大学计算机科学与技术学院哈尔滨理工大学计算机科学与技术学院博士后流动站; 出处《通信学报》 EI CSCD 北大核心 2017年第3期101-111,共11页; 基金国家自然科学青年基金资助项目(No.61502123) 黑龙江省青年科学基金资助项目(No.QC2015084) 黑龙江省普通高等学校青年学术骨干支持计划基金资助项目(No.1253G017)~~; 文摘数据中不确定性的存在使对其聚类分析时要充分考虑不确定性的影响。针对现有不确定数据聚类算法中构建不确定数据模型以及距离度量时存在的影响结果准确性与聚类性能等问题,提出一种基于快速高斯变换的不确定数据聚类算法。首先在不假设数据分布的前提下,构建符合不确定性分布特征的数据模型;然后结合不确定对象的2个重要特征:属性特征与表示不确定数据分布特征的概率密度函数,度量不确定数据对象间的相似性;并以此为基础提出不确定数据聚类算法;最后在UCI以及真实数据集上的实验结果表明,所提算法在运行效率和聚类准确性方面均能取得较好效果。; 关键词聚类分析不确定数据概率密度函数快速高斯变换核密度估计; Keywords clustering analysis uncertain data probability density function fast gaussian transform kernel density estimation; 分类号 TP399 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名与文本无关的说话人辨认系统中一种新的使用基音周期方法研究被引量：5: 5; 作者段新黄新宇吴淑珍; 机构北京大学信息科学技术学院; 出处《北京大学学报（自然科学版）》 CAS CSCD 北大核心 2003年第5期690-696,共7页; 文摘研究了与文本无关的说话人辨认系统中一种新的使用基音周期方法。在说话人辨认系统中将矢量量化 (VQ)、高斯混合模型 (GMM)分类器结合 ,使用升正弦窗函数加权的线性预测倒谱系数 (LPCC)。在训练时为训练集中的每个说话人估计一个一维高斯形式的基音周期概率密度函数 ;在识别时 ,将测试语音中提取的基音周期在训练集说话人基音周期概率模型中得到的基音周期概率密度对VQ、GMM分类器的似然测度加权 ,形成新的似然测度。实验结果表明 ,使用新的似然测度进行与文本无关的说话人辨认比VQ、GMM分类器的辨认率有较大的提高 ,码字个数为 8,测试时间为 8s时 ,辨认率相对VQ提高约 13%。; 关键词矢量量化(VQ) 高斯混合模型(GMM) 升正弦窗函数基音周期概率密度的高斯函数估计加权的似然测度; Keywords vector quantization(VQ) gaussian mixed model(GMM) raised-sine function windows gaussian function estimation for pitch period probability density weighted likelihood measure; 分类号 TN912.3 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于统计感知策略的高斯混合模型求解方法被引量：5: 6; 作者陈佳琪何玉林黄哲学 FOURNIER-VIGER Philippe; 机构深圳大学计算机与软件学院人工智能与数字经济广东省实验室(深圳); 出处《数据采集与处理》 CSCD 北大核心 2023年第3期525-538,共14页; 基金国家自然科学基金面上项目(61972261) 广东省自然科学基金面上项目(2023A1515011667) +1 种基金深圳市基础研究面上项目(JCYJ20210324093609026)。; 文摘高斯混合模型(Gaussian mixture model,GMM)是一种经典的概率模型,常被用于无监督学习领域来确定无类别标记样本点的类别分布。作为求解GMM参数的重要技术,期望最大化(Expectation maximization,EM)算法通过计算GMM对应似然函数的最优解确定基模型自身参数以及基模型的混合系数。利用EM算法求解GMM存在如下两个缺陷:EM算法易于陷入局部最优解以及EM算法确定GMM基模型相关参数的不稳定,尤其是针对多维随机变量。本文提出了一种基于统计感知(Statistical⁃aware,SA)策略的GMM求解方法——SA⁃GMM方法。该方法从估计给定数据集的未知概率密度函数入手,建立了核密度估计(Kernel density estimation,KDE)与GMM之间的关联。为避免KDE对“过平滑”窗口的选取,设计了同时最小化KDE与GMM之间的经验风险和KDE窗口结构风险的目标函数,进而确定了GMM的最优参数。在11个标准概率分布上的实验证明了SA⁃GMM方法的可行性、合理性和有效性,同时结果也表明SA⁃GMM能够获得显著优于基于EM算法的GMM及其变体的概率密度函数估计表现。; 关键词高斯混合模型概率密度函数估计统计感知经验风险结构风险粒子群优化; Keywords gaussian mixture model probability density function estimation statistical aware empirical risk structural risk particle swarm optimization; 分类号 TN911.73 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于遗传算法的非高斯系统随机分布控制被引量：4: 7; 作者洪越殷利平; 机构南京信息工程大学自动化学院; 出处《南京信息工程大学学报（自然科学版）》 CAS 2020年第4期504-509,共6页; 基金国家自然科学基金(61320106010,61573190,61571014)。; 文摘传统的控制理论并未考虑工业过程中的一些不确定因素,而这些不确定因素在生产过程中对系统的能源损耗和精度都有很大的影响.为了解决上述问题,本文研究一种基于数据的非高斯随机分布系统优化控制策略,该策略采用核密度估计(KDE)方法完全基于输出数据估计输出概率密度函数(PDF),根据控制目标建立性能指标函数,采用遗传算法优化性能指标函数,实现输出PDF对目标PDF的跟踪.以磨矿系统为模型进行仿真,采用PDF表征粒度分布(PSD).仿真结果表明,基于遗传算法的非高斯随机分布最优控制算法能有效地实现随机分布控制系统的控制目标,为实际工业生产提供参考.; 关键词非高斯系统核密度估计概率密度函数遗传算法; Keywords non-gaussian system kernel density estimation(KDE) probability density function genetic algorithm; 分类号 TP13 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于高斯和近似的扩展切片高斯混合滤波器及其在多径估计中的应用	陈杰程兰甘明刚	《自动化学报》 EI CSCD 北大核心	2013	7	在线阅读下载PDF 职称材料
2	自适应GM-PHD滤波器在多目标追踪的应用	苍岩陈迪毕晓君	《哈尔滨工程大学学报》 EI CAS CSCD 北大核心	2015	5	在线阅读下载PDF 职称材料
3	高斯噪声中的参数盲估计	王惠刚李志舜	《电子学报》 EI CAS CSCD 北大核心	2003	3	在线阅读下载PDF 职称材料
4	基于快速高斯变换的不确定数据聚类算法	迟荣华程媛朱素霞黄少滨陈德运	《通信学报》 EI CSCD 北大核心	2017	11	在线阅读下载PDF 职称材料
5	与文本无关的说话人辨认系统中一种新的使用基音周期方法研究	段新黄新宇吴淑珍	《北京大学学报（自然科学版）》 CAS CSCD 北大核心	2003	5	在线阅读下载PDF 职称材料
6	基于统计感知策略的高斯混合模型求解方法	陈佳琪何玉林黄哲学 FOURNIER-VIGER Philippe	《数据采集与处理》 CSCD 北大核心	2023	5	在线阅读下载PDF 职称材料
7	基于遗传算法的非高斯系统随机分布控制	洪越殷利平	《南京信息工程大学学报（自然科学版）》 CAS	2020	4	在线阅读下载PDF 职称材料