基于机器学习的高铁边坡位移预测不确定性度量与应用 被引量：4

1

作者 邓志兴 谢康 +3 位作者 李泰灃 苏谦 韩征 肖宪普 《中国铁道科学》 EI CAS CSCD 北大核心 2024年第1期56-67,共12页

为解决不确定性问题对高铁边坡位移预测精度的影响,引入区间预测理论量化位移预测中的不确定性问题,并建立Bootstrap-GRU-BP混合区间预测模型(BGB模型)。该模型首先采用基于Bootstrap的门控循环单元(Gated Recurrent Unit,GRU)算法度量... 为解决不确定性问题对高铁边坡位移预测精度的影响,引入区间预测理论量化位移预测中的不确定性问题,并建立Bootstrap-GRU-BP混合区间预测模型(BGB模型)。该模型首先采用基于Bootstrap的门控循环单元(Gated Recurrent Unit,GRU)算法度量位移预测均值和认知误差的方差,再采用BP算法度量随机误差的方差,然后将位移预测均值、认知误差和随机误差的方差3者结合在一起,量化出一定置信水平下的预测区间。最后,基于杭绍台高铁沿线边坡的监测数据,探讨BGB模型认知不确定性的响应特征,并通过对比多种区间预测模型来验证BGB模型的优越性。结果表明:BGB模型不仅能构造清晰可靠的预测区间,还能提供高精度的点预测结果;改变模型输入特征和预测算法会导致认知不确定性的改变,而BGB模型所构造的预测区间能正确地响应不确定性的变化;对比以极限学习机(Extreme Learning Machine,ELM)和支持向量回归(Support Vector Regression,SVR)为核心的区间预测模型,BGB模型的区间预测和点预测性均能更优。研究成果可为高铁边坡位移发展提供可靠的预测结果,进而为高铁边坡可靠度分析提供理论基础。 展开更多

关键词 边坡位移预测 不确定性度量 区间预测 机器学习 Bootstrap算法

在线阅读 下载PDF 职称材料

基于自适应不确定性度量的离线强化学习算法

2

作者 张伯雷 刘哲闰 《南京邮电大学学报（自然科学版）》 北大核心 2024年第4期98-104,共7页

离线强化学习可以从历史经验数据中直接学习出可执行的策略,由此来避免与在线环境的高代价交互,可应用于机器人控制、无人驾驶、智能营销等多种真实场景。有模型的离线强化学习首先通过监督学习构造环境模型,并通过与该环境模型交互来... 离线强化学习可以从历史经验数据中直接学习出可执行的策略,由此来避免与在线环境的高代价交互,可应用于机器人控制、无人驾驶、智能营销等多种真实场景。有模型的离线强化学习首先通过监督学习构造环境模型,并通过与该环境模型交互来优化学习策略,具有样本效率高的特点,是最常用的离线强化学习算法。然而,由于离线数据集存在分布偏移问题,现有的方法往往通过静态的方法来评估此种不确定性,无法动态自适应于智能体策略的优化过程。针对以上问题,提出一种自适应的不确定性度量方法,首先对状态的不确定性进行估计,然后通过动态自适应的方法来衡量环境模型的不确定性,从而使得智能体可以在探索-保守中取得更好的平衡。在多个基准的离线数据集对算法进行了验证,实验结果表明,该算法在多个数据集中都取得最好的效果,消融实验等也验证了所提方法的有效性。 展开更多

关键词 离线强化学习 环境模型 自适应权重 不确定性度量

在线阅读 下载PDF 职称材料

区域尺度杉木生物量估计的不确定性度量 被引量：16

3

作者 傅煜 雷渊才 曾伟生 《林业科学》 EI CAS CSCD 北大核心 2014年第12期79-86,共8页

基于系统抽样体系江西省固定样地连续观测数据,以杉木立木生物量为估测对象,采用异速生长模型建立杉木单木地上生物量和各组分生物量估测模型,结合抽样理论和泰勒级数原理,以均方根误差为不确定性度量指标,分别测算由抽样误差和模型估... 基于系统抽样体系江西省固定样地连续观测数据,以杉木立木生物量为估测对象,采用异速生长模型建立杉木单木地上生物量和各组分生物量估测模型,结合抽样理论和泰勒级数原理,以均方根误差为不确定性度量指标,分别测算由抽样误差和模型估测误差引起的生物量估计不确定性。结果显示:2009年江西省杉木地上生物量为19.34 t·hm-2,不确定性为0.92 t·hm-2,树干、树皮、树枝和树叶生物量分别为11.87,1.95,3.15,2.62 t·hm-2,其中地上总生物量和各组分(树干、树皮、树枝和树叶)生物量估计中模型不确定性分别占估计量的2.48%,3.67%,3.43%,7.27%和6.33%。胸径对树枝、树叶的解释能力低于树干和树皮,抽样误差对生物量估计准确度的影响明显大于模型估测误差。研究方法适用于基于森林资源连续清查数据的生物量和碳储量估测。 展开更多

关键词 杉木 生物量 抽样误差 模型估测误差 不确定性度量

在线阅读 下载PDF 职称材料

基于全知熵的模式集成不确定性度量模型 被引量：2

4

作者 胡文彬 张宏 李千目 《南京航空航天大学学报》 EI CAS CSCD 北大核心 2012年第4期575-579,共5页

不确定性是模式集成的一个固有性质,不确定性度量对模式集成具有重大影响。本文提出一种度量模型,在该模型中模式对象及其属性清洗模块使该模型免受规模影响。根据模式集成多属性分阶段决策的特点,本文基于粗糙集理论的全知熵不确定率... 不确定性是模式集成的一个固有性质,不确定性度量对模式集成具有重大影响。本文提出一种度量模型,在该模型中模式对象及其属性清洗模块使该模型免受规模影响。根据模式集成多属性分阶段决策的特点,本文基于粗糙集理论的全知熵不确定率进行各阶段的不确定性度量,并把过程模型的不确定性度量引入到总体不确定性的度量中,最后给出了合成多不确定率的方法。实例分析证实所设计模型是可行、有效的。 展开更多

关键词 不确定性度量 粗糙集理论 模式集成 全知熵 过程模型

在线阅读 下载PDF 职称材料

基于证据熵对不确定性度量的决策表约简 被引量：1

5

作者 宋立军 胡政 +1 位作者 杨拥民 温熙森 《国防科技大学学报》 EI CAS CSCD 北大核心 2008年第5期94-98,共5页

知识约简是粗糙集理论的核心内容之一,产生的粗糙决策规则往往具有一定的不确定性。在变精度粗糙集的基础上,本文构造了符合证据理论框架的一组焦元,利用基本概率分配函数计算了证据的总体信息熵,度量了决策表的不确定性;以该度量作为... 知识约简是粗糙集理论的核心内容之一,产生的粗糙决策规则往往具有一定的不确定性。在变精度粗糙集的基础上,本文构造了符合证据理论框架的一组焦元,利用基本概率分配函数计算了证据的总体信息熵,度量了决策表的不确定性;以该度量作为启发信息,给出了决策表的启发式知识约简算法。计算实例表明了本文方法的有效性。 展开更多

关键词 变精度粗糙集 不确定性度量 证据熵 知识约简

在线阅读 下载PDF 职称材料

基于证据间距离和不确定性度量的证据组合方法 被引量：1

6

作者 夏文俊 朱林户 +1 位作者 黄邵军 吕中凯 《空军工程大学学报（自然科学版）》 CSCD 北大核心 2010年第2期91-94,共4页

针对Dempster组合公式无法组合冲突证据的问题,提出了一种证据组合的权重分配方法。该方法充分考虑证据间的关系和证据本身的特性,用证据间距离度量证据间的不一致程度,用证据的不确定度来度量证据本身的不确定性;在此基础上扩展了文献... 针对Dempster组合公式无法组合冲突证据的问题,提出了一种证据组合的权重分配方法。该方法充分考虑证据间的关系和证据本身的特性,用证据间距离度量证据间的不一致程度,用证据的不确定度来度量证据本身的不确定性;在此基础上扩展了文献[7]提出的权重确定准则,认为证据组合规则既要考虑使组合后证据与各源证据间的距离和尽量小,也要注重降低组合后证据本身的不确定性。最后根据新的准则给出了权重因子的确定算法和证据组合方法。算例表明,该方法改进了文献[7]权重分配方法的结果,且使权重分配更加灵活。 展开更多

关键词 D—S证据理论 证据间距离 不确定性度量 信息融合

在线阅读 下载PDF 职称材料

基于ML预测不确定性的边坡失稳时空概率评估方法与应用研究 被引量：1

7

作者 邓志兴 谢康 +4 位作者 李泰灃 苏谦 肖宪普 王业顺 刘宝 《土木工程学报》 EI CSCD 北大核心 2024年第9期109-122,共14页

为解决机器学习(Machine Learning,ML)边坡位移预测中的不确定性及预测信息挖掘深度不够等问题,提出基于ML预测不确定性的边坡失稳时空概率评估方法。首先,基于Bootstrap算法度量ML边坡位移预测中的不确定性,利用GRU算法预测边坡单一点... 为解决机器学习(Machine Learning,ML)边坡位移预测中的不确定性及预测信息挖掘深度不够等问题,提出基于ML预测不确定性的边坡失稳时空概率评估方法。首先,基于Bootstrap算法度量ML边坡位移预测中的不确定性,利用GRU算法预测边坡单一点位的位移时间特征、Kriging算法插值边坡位移空间分布,建立Bootstrap-GRU-Kriging边坡位移时空不确定性预测模型;接着,利用可靠度理论挖掘位移时空不确定性预测结果,建立边坡失稳时空概率评估模型,基于最不利原则提出边坡全断面位移-失稳概率二元耦合分析指标DP;最后,依托杭绍台铁路硅藻土边坡试验段验证模型的有效性。结果表明:边坡位移时空不确定性预测模型兼具ML边坡位移预测不确定性量化和时空分布预测功能,边坡失稳时空概率评估模型不仅能得到边坡失稳概率空间分布及时变特性,还能实现边坡整体安全的高效评价;所提方法构造的预测区间清晰可靠,各测点预测区间覆盖率PICP均值高于96%,DP指标可响应边坡变形过程中外界所造成的影响。研究成果可为边坡位移预测及超前评估理论研究提供参考。 展开更多

关键词 边坡位移 机器学习 不确定性度量 可靠度理论 时空概率评估 DP指标

在线阅读 下载PDF 职称材料

区间值信息系统的熵度量 被引量：4

8

作者 冯琴荣 温玮华 《电子科技大学学报》 EI CAS CSCD 北大核心 2021年第1期101-105,共5页

不确定性度量是粗糙集理论的一个主要研究问题,其中熵度量受到学者们的广泛关注。然而,迄今为止,区间值信息系统的香农熵度量研究较少,尤其缺乏满足单调性的香农熵度量。为此,该文首先给出了一种由覆盖导出划分的方法,并证明了覆盖越细... 不确定性度量是粗糙集理论的一个主要研究问题,其中熵度量受到学者们的广泛关注。然而,迄今为止,区间值信息系统的香农熵度量研究较少,尤其缺乏满足单调性的香农熵度量。为此,该文首先给出了一种由覆盖导出划分的方法,并证明了覆盖越细,由其导出的划分越细,从而可用划分熵对区间值信息系统的不确定性进行度量;其次,分别构造了区间值信息系统的香农熵度量和补熵(粒度)度量,并证明了其单调性和有界性。最后,分析了香农熵和补熵的关系。 展开更多

关键词 补熵 区间值信息系统 香农熵 不确定性度量

在线阅读 下载PDF 职称材料

基于多特征融合的改进UPF目标跟踪算法 被引量：4

9

作者 李晓旭 戴彬 曹洁 《上海交通大学学报》 EI CAS CSCD 北大核心 2014年第10期1473-1478,共6页

针对单特征目标跟踪算法的鲁棒性较差以及不能充分利用最新的量测信息等问题,提出了一种基于多特征融合的改进UPF(Unscented Particle Filter)跟踪算法.基于比例最小偏度单形采样策略的UKF(Unscented Kalman Filter)算法和IKF(Iterated ... 针对单特征目标跟踪算法的鲁棒性较差以及不能充分利用最新的量测信息等问题,提出了一种基于多特征融合的改进UPF(Unscented Particle Filter)跟踪算法.基于比例最小偏度单形采样策略的UKF(Unscented Kalman Filter)算法和IKF(Iterated Kalman Filter)算法对粒子滤波算法进行改进,并在改进的算法框架下,采用不确定性度量方法融合目标的颜色和纹理特征,对目标进行跟踪.仿真实验表明,改进算法提高了跟踪精度,对复杂背景下的目标进行跟踪有较好的效果,并能有效跟踪被遮挡的目标. 展开更多

关键词 目标跟踪 比例最小偏度单形采样 UPF算法 IKF算法 多特征融合 不确定性度量

在线阅读 下载PDF 职称材料

一种改进的设备故障诊断方法 被引量：2

10

作者 朱根标 张凤鸣 王金干 《微电子学与计算机》 CSCD 北大核心 2005年第9期114-116,共3页

提出了一种新型故障诊断的粗糙集方法。在粗糙集知识系统中信息熵概念基础上,重新定义了一种信息熵度量方法,并运用信息熵判断系统状态;基于粗糙集优越的约简理论,运用一种改进的区分矩阵方法形成一种综合策略的诊断规则。该方法有效地... 提出了一种新型故障诊断的粗糙集方法。在粗糙集知识系统中信息熵概念基础上,重新定义了一种信息熵度量方法,并运用信息熵判断系统状态;基于粗糙集优越的约简理论,运用一种改进的区分矩阵方法形成一种综合策略的诊断规则。该方法有效地解决随机误报以及信息丢失和信息不完备情况下仍保持着较好的诊断性能,并降低了计算复杂度,减少了计算开支。 展开更多

关键词 故障诊断 粗糙集 信息熵 约简 核 冗余信息 不确定性度量

在线阅读 下载PDF 职称材料

一种基于粗糙集理论的互补信息熵的新定义

11

作者 黄卫华 《延安大学学报（自然科学版）》 2016年第2期97-99,共3页

在粗糙集理论中给出了一种互补信息熵的新定义,该信息熵具有与香农熵相同的性质,即随着划分粒度的加细,互补信息熵单调增加。当划分为最大粒度时,信息熵取值为0;当划分为最小粒度时,信息熵取值为1-1/|U|。实例表明随着信息熵的增加,划... 在粗糙集理论中给出了一种互补信息熵的新定义,该信息熵具有与香农熵相同的性质,即随着划分粒度的加细,互补信息熵单调增加。当划分为最大粒度时,信息熵取值为0;当划分为最小粒度时,信息熵取值为1-1/|U|。实例表明随着信息熵的增加,划分不一定变细,即定理3的逆命题一般情况下不成立。 展开更多

关键词 近似空间 不确定性度量 互补信息熵

在线阅读 下载PDF 职称材料

基于多特征融合的鲁棒目标跟踪算法 被引量：3

12

作者 王有豪 唐垚 王彦本 《西安邮电大学学报》 2018年第5期85-92,共8页

为了准确地跟踪视频监控系统中嫌疑人的活动轨迹,提出一种多特征融合目标跟踪算法。该算法首先提出一种改进的纹理描述算子并与局部反差算子相结合,以弱化噪声的影响,并可以同时描述图像纹理的结构和强度信息;其次,引入特征不确定性度量... 为了准确地跟踪视频监控系统中嫌疑人的活动轨迹,提出一种多特征融合目标跟踪算法。该算法首先提出一种改进的纹理描述算子并与局部反差算子相结合,以弱化噪声的影响,并可以同时描述图像纹理的结构和强度信息;其次,引入特征不确定性度量,自适应地调整不同特征对跟踪结果的贡献;最后,在跟踪过程中,通过判断目标是否发生遮挡,从而采用不同的更新策略对目标模板进行更新。实验结果表明,与粒子滤波、颜色跟踪、核循环结构、多目标跟踪等跟踪算法相比,改进算法可以对多种不同序列进行长时间稳定跟踪,当位置误差阈值为20个像素、重叠率阈值为0.5时,距离精度为0.747,成功率为0.668。所提出的改进算法可以对光照变化、颜色相近、遮挡等复杂场景中的目标嫌疑人进行有效地跟踪。 展开更多

关键词 目标跟踪 改进纹理特征 不确定性度量 模板更新

在线阅读 下载PDF 职称材料