期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
隐马尔科夫模型在三维模型自动分类中的应用 被引量:3
1
作者 郭竞 周明全 +1 位作者 耿国华 李超 《西北大学学报(自然科学版)》 CAS CSCD 北大核心 2014年第2期211-215,共5页
针对三维模型的分类问题,提出了一种基于隐马尔科夫模型(HMM)和最大期望(EM)算法的三维模型自动分类方法。将HMM引入三维模型自动分类问题中使得更多先验知识在分类过程中被利用。算法首先对三维模型进行预处理和组合切分,并提取各切分... 针对三维模型的分类问题,提出了一种基于隐马尔科夫模型(HMM)和最大期望(EM)算法的三维模型自动分类方法。将HMM引入三维模型自动分类问题中使得更多先验知识在分类过程中被利用。算法首先对三维模型进行预处理和组合切分,并提取各切分部分的形状直方图特征。对形状直方图特征进行离散归一化后形成HMM模型在某一时刻的观测值,这些观测值将用来训练HMM参数。HMM参数通过EM算法进行估计。最后通过计算未知模型和各类模型的HMM参数间的最大后验概率,获得三维模型的分类结果。在HMM建模过程中利用HMM本身所具有的时序性来描述三维模型的空间几何结构和局部几何特征。实验表明该方法在三维模型自动分类中有较高的准确率。 展开更多
关键词 三维模型分类 隐马尔科夫模型 期望-最大化算法 相似度
在线阅读 下载PDF
面向协同过滤的真实偏好高斯混合模型 被引量:7
2
作者 张亮 李敏强 《系统工程学报》 CSCD 北大核心 2007年第6期613-619,共7页
针对协同过滤问题,提出了一种基于高斯混合的概率模型,称为真实偏好高斯混合模型.用户对项目的评分由三个因素决定:用户对项目主题和内容的真实偏好,用户的评分习惯,以及项目的公众评价.引入了两个隐含变量,分别用于描述用户类和项目类... 针对协同过滤问题,提出了一种基于高斯混合的概率模型,称为真实偏好高斯混合模型.用户对项目的评分由三个因素决定:用户对项目主题和内容的真实偏好,用户的评分习惯,以及项目的公众评价.引入了两个隐含变量,分别用于描述用户类和项目类,用户和项目依概率可以同时属于多个类.模型包括离线建模过程和在线预测过程,在线预测可以在常数时间内完成.实验表明新模型的预测结果明显优于其他几种协同过滤算法. 展开更多
关键词 协同过滤 期望-最大化算法 潜在空间模型
在线阅读 下载PDF
基于因子分析的隐马尔可夫模型(英文) 被引量:1
3
作者 王新民 《华中师范大学学报(自然科学版)》 CAS CSCD 北大核心 2004年第2期170-174,共5页
状态输出概率密度为对角协方差矩阵高斯分布的隐马尔可夫模型(HMM-DG)在帧内特征相关建模方面存在缺陷.本文将因子分析方法与HMM-DG的混合高斯建模相结合,提出了一种具有弹性的帧内特征相关隐马尔可夫模型框架——基于因子分析的隐马尔... 状态输出概率密度为对角协方差矩阵高斯分布的隐马尔可夫模型(HMM-DG)在帧内特征相关建模方面存在缺陷.本文将因子分析方法与HMM-DG的混合高斯建模相结合,提出了一种具有弹性的帧内特征相关隐马尔可夫模型框架——基于因子分析的隐马尔可夫模型(HMM-FA),并导出了HMM-FA的训练算法.理论分析和仿真实验都表明:在训练数据相同的条件下,HMM-FA的性能优于HMM-DG. 展开更多
关键词 隐马尔可夫模型 因子分析 期望-最大化算法
在线阅读 下载PDF
大数据背景下考虑删失特点的继保设备运行状态评估 被引量:11
4
作者 张雷 王光华 +2 位作者 李金铄 耿宏贤 戴志辉 《电力工程技术》 北大核心 2021年第6期185-192,共8页
未能记录到设备失效准确时间的失效数据称为删失数据。针对大数据背景下继保设备失效数据存在删失的特点,提出了大数据背景下考虑删失数据的继保设备运行状态评估方法。首先,通过对继保设备失效数据进行特点分析,对失效数据进行预处理,... 未能记录到设备失效准确时间的失效数据称为删失数据。针对大数据背景下继保设备失效数据存在删失的特点,提出了大数据背景下考虑删失数据的继保设备运行状态评估方法。首先,通过对继保设备失效数据进行特点分析,对失效数据进行预处理,利用期望-最大化(EM)算法并结合指数分布和威布尔分布模型,估计继保设备失效模型的参数。其次,将参数估计值代入失效模型中,得到设备的可靠度、故障概率密度、失效率、平均无故障时间等可靠性指标。然后,通过仿真验证对比分析偶然失效期和老化失效期内不同估计方法得到的模型参数精度,验证了文中方法处理删失数据的有效性。最后,以某型号继保设备为例分析可靠性指标,验证了利用文中方法规划设备检修周期的可行性。 展开更多
关键词 删失数据 期望-最大化(EM)算法 运行状态评估 大数据 继保设备 检修周期
在线阅读 下载PDF
基于块稀疏贝叶斯学习的跳频通信梳状干扰抑制 被引量:6
5
作者 张永顺 朱卫纲 +3 位作者 孟祥航 贾鑫 曾创展 王满喜 《兵工学报》 EI CAS CSCD 北大核心 2018年第9期1864-1872,共9页
梳状干扰是对跳频(FHSS)通信的一种有效干扰样式,抑制梳状干扰对于确保FHSS通信的有效性至关重要。现有基于奈奎斯特采样定理的梳状干扰抑制方法存在应用中受限于采样率较高的问题。将压缩感知(CS)应用于FHSS通信梳状干扰的抑制,利用FHS... 梳状干扰是对跳频(FHSS)通信的一种有效干扰样式,抑制梳状干扰对于确保FHSS通信的有效性至关重要。现有基于奈奎斯特采样定理的梳状干扰抑制方法存在应用中受限于采样率较高的问题。将压缩感知(CS)应用于FHSS通信梳状干扰的抑制,利用FHSS信号与梳状干扰的不同压缩域特性以及梳状干扰在频域表现出的块稀疏特性,建立了基于块稀疏贝叶斯学习(BSBL)框架的FHSS通信梳状干扰抑制模型。利用期望最大化(EM)算法,设计了基于BSBL_EM的FHSS通信梳状干扰抑制算法。该算法利用BSBL_EM算法从压缩采样数据中重构出梳状干扰,进而在时域对消干扰。仿真结果表明:所提方法能够有效地抑制FHSS通信中的梳状干扰,与传统方法相比具有显著优势,干扰抑制效果受干扰强度、干扰梳齿带宽和压缩率变化的影响;相同干扰强度条件下,梳齿带宽越窄,压缩率越大,干扰抑制效果越好。 展开更多
关键词 跳频通信 梳状干扰抑制 压缩感知 块稀疏 块稀疏贝叶斯学习-期望最大化算法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部