期刊文献+
共找到78篇文章
< 1 2 4 >
每页显示 20 50 100
基于各向异性混合核函数高斯过程回归的RC柱概率抗剪承载力模型 被引量:1
1
作者 李启明 张鹏飞 +1 位作者 喻泽成 余波 《工程科学与技术》 北大核心 2025年第1期287-295,共9页
针对钢筋混凝土(RC)柱抗剪承载力传统预测模型的非线性逼近能力不足且无法合理描述不确定性所存在的缺陷,提出一种基于各向异性混合核函数高斯过程回归的RC柱概率抗剪承载力预测模型。首先,基于核函数相加性和自动相关性,构造出一种新... 针对钢筋混凝土(RC)柱抗剪承载力传统预测模型的非线性逼近能力不足且无法合理描述不确定性所存在的缺陷,提出一种基于各向异性混合核函数高斯过程回归的RC柱概率抗剪承载力预测模型。首先,基于核函数相加性和自动相关性,构造出一种新型的各向异性混合核函数;然后,结合高斯过程回归原理和各向异性混合核函数,建立了RC柱的概率抗剪承载力模型;进而采用极大似然估计法,确定了RC柱概率抗剪承载力模型的超参数;最后,基于91组剪切破坏RC柱的试验数据,通过与传统核函数形式和传统模型进行对比分析,验证了该模型的有效性。结果表明:与传统核函数相比,各向异性混合核函数的确定性预测指标均方根误差R_(MSE)和平均绝对误差M_(AE)分别降低约16%和19%,概率性预测值指标负对数预测密度N_(LPD)和平均标准化对数损失M_(SLL)分别降低约15%和23%;与传统机器学习模型相比,本文模型的均方根误差R_(MSE)和平均绝对误差M_(AE)分别降低约38%和39%;根据所提出的概率模型能够建立概率密度函数曲线和置信区间,从而合理描述抗剪承载力的不确定性并校准分析传统模型的预测精度。 展开更多
关键词 钢筋混凝土柱 各向异性混合核函数 高斯过程回归 概率抗剪承载力模型 不确定性
在线阅读 下载PDF
基于HPM-JTM混合模型参数估计优化的非高斯过程模拟
2
作者 罗颖 程彦凯 +2 位作者 韩艳 刘雨辰 胡朋 《振动与冲击》 北大核心 2025年第14期1-10,共10页
由于实际工程的激励较为复杂,常呈现非高斯特性,导致高斯过程的假设不再适用,因此需要开展非高斯过程模拟。目前而言,常见的方法是通过高斯过程转换实现非高斯过程模拟。相比一般的隐式映射,Hermite多项式模型(Hermite polynomial model... 由于实际工程的激励较为复杂,常呈现非高斯特性,导致高斯过程的假设不再适用,因此需要开展非高斯过程模拟。目前而言,常见的方法是通过高斯过程转换实现非高斯过程模拟。相比一般的隐式映射,Hermite多项式模型(Hermite polynomial model,HPM)和Johnson转换模型(Johnson transformation model,JTM)提供了非高斯过程与标准高斯过程之间的显式转换。针对HPM-JTM混合模型,该研究探讨了如何进一步提升模拟效率。首先,为了避免迭代过程,基于支持向量回归优化了HPM和JTM参数估计流程,提高了参数估计效率;随后,通过谐波合成法和线性滤波法的模拟流程对比,在非高斯过程模拟中采用线性滤波法能够提升模拟效率;最后,结合波浪场和脉动风场的实例分析,展示了改进流程的精度和效率。结果表明,改进流程能够在保证精度的同时实现多变量非高斯过程的高效模拟。 展开更多
关键词 高斯过程模拟 Hermite多项式模型-Johnson转换模型(HPM-JTM)混合模型 参数估计 支持向量回归 线性滤波法
在线阅读 下载PDF
一种基于狄利克雷过程混合模型的文本聚类算法 被引量:10
3
作者 高悦 王文贤 杨淑贤 《信息网络安全》 2015年第11期60-65,共6页
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... 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。 展开更多
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
在线阅读 下载PDF
基于狄利克雷过程混合模型的城市活动聚类方法研究 被引量:1
4
作者 陈仲 《交通运输系统工程与信息》 EI CSCD 北大核心 2020年第6期247-252,共6页
手机信令数据不仅记录个体出行轨迹,也为分析城市活动空间分布特征提供了基础.本文提出一种基于狄利克雷混合模型的城市活动特征聚类方法,以手机信令提取居民出行OD为基础,将每个基站的到发出行量作为表征该基站所处空间位置的活动特征... 手机信令数据不仅记录个体出行轨迹,也为分析城市活动空间分布特征提供了基础.本文提出一种基于狄利克雷混合模型的城市活动特征聚类方法,以手机信令提取居民出行OD为基础,将每个基站的到发出行量作为表征该基站所处空间位置的活动特征,研究特征的聚类方法.引入狄利克雷分布作为先验分布,由中餐馆模型推定特征聚类数量.与其他聚类方法相比,该方法最大的优点在于无需事先指定聚类数量,避免了传统聚类方法的缺陷.将本文方法应用到三亚市城市活动特征聚类当中,结果能够有效地反应不同城市功能组团的活动特征. 展开更多
关键词 城市交通 出行特征 狄利克雷过程混合模型 手机信令
在线阅读 下载PDF
基于狄利克雷分布和参数分析的高斯混合模型图像分割算法 被引量:4
5
作者 赖嘉伟 朱宏擎 《华东理工大学学报(自然科学版)》 CAS CSCD 北大核心 2018年第3期418-424,共7页
传统的高斯混合模型对于含有噪声的图像不能进行有效的分割。针对有噪声图像的分割问题,提出了一种基于狄利克雷分布和参数分析的高斯混合模型图像分割算法。首先采用高斯函数对像素计算先验概率值,然后采用狄利克雷分布和定律关联像素... 传统的高斯混合模型对于含有噪声的图像不能进行有效的分割。针对有噪声图像的分割问题,提出了一种基于狄利克雷分布和参数分析的高斯混合模型图像分割算法。首先采用高斯函数对像素计算先验概率值,然后采用狄利克雷分布和定律关联像素间的邻域信息,并利用梯度下降法优化参数。实验结果表明,本文算法对无噪声和有噪声图像的分割结果比传统方法更有效,误分率更低。 展开更多
关键词 高斯混合模型 邻域信息 狄利克雷参数 参数分析
在线阅读 下载PDF
基于狄利克雷过程混合模型的内外先验融合
6
作者 张墨华 彭建华 《计算机科学》 CSCD 北大核心 2020年第5期172-180,共9页
近年来,使用高斯混合模型作为块先验的贝叶斯方法取得了优秀的图像复原性能,针对这类模型分量固定及主要依赖外部学习的缺点,提出了一种新的基于狄利克雷过程混合模型的图像先验模型。该模型从干净图像数据库中学习外部通用先验,从退化... 近年来,使用高斯混合模型作为块先验的贝叶斯方法取得了优秀的图像复原性能,针对这类模型分量固定及主要依赖外部学习的缺点,提出了一种新的基于狄利克雷过程混合模型的图像先验模型。该模型从干净图像数据库中学习外部通用先验,从退化图像中学习内部先验,借助模型中统计量的可累加性自然实现内外部先验融合。通过聚类的新增及归并机制,模型的复杂度随着数据的增大或缩小而自适应地变化,可以学习到可解释及紧凑的模型。为了求解所有隐变量的变分后验分布,提出了一种结合新增及归并机制的批次更新可扩展变分算法,解决了传统坐标上升算法在大数据集下效率较低、容易陷入局部最优解的问题。在图像去噪及填充实验中,相比传统方法,所提模型无论在客观质量评价还是视觉观感上都更有优势,验证了该模型的有效性。 展开更多
关键词 狄利克雷混合模型 图像复原 变分推理 批次更新 先验学习
在线阅读 下载PDF
基于数据关联狄利克雷混合模型的电网净负荷不确定性表征研究 被引量:9
7
作者 李远征 孙天乐 +2 位作者 刘云 赵勇 曾志刚 《自动化学报》 EI CAS CSCD 北大核心 2022年第3期747-761,共15页
针对电网净负荷时序数据关联的特点,提出基于数据关联的狄利克雷混合模型(Data-relevance Dirichlet process mixture model,DDPMM)来表征净负荷的不确定性.首先,使用狄利克雷混合模型对净负荷的观测数据与预测数据进行拟合,得到其混合... 针对电网净负荷时序数据关联的特点,提出基于数据关联的狄利克雷混合模型(Data-relevance Dirichlet process mixture model,DDPMM)来表征净负荷的不确定性.首先,使用狄利克雷混合模型对净负荷的观测数据与预测数据进行拟合,得到其混合概率模型;然后,提出考虑数据关联的变分贝叶斯推断方法,改进后验分布对该混合概率模型进行求解,从而得到混合模型的最优参数;最后,根据净负荷预测值的大小得到其对应的预测误差边缘概率分布,实现不确定性表征.本文基于比利时电网的净负荷数据进行检验,算例结果表明:与传统的狄利克雷混合模型和高斯混合模型(Gaussian mixture model,GMM)等方法相比,所提出的基于数据关联狄利克雷混合模型可以更为有效地表征净负荷的不确定性. 展开更多
关键词 狄利克雷混合模型 净负荷 不确定性表征 时序序列 预测误差
在线阅读 下载PDF
基于狄利克雷混合模型的刀具磨损量在线估计 被引量:8
8
作者 于劲松 时祎瑜 +1 位作者 梁爽 唐荻音 《仪器仪表学报》 EI CAS CSCD 北大核心 2017年第3期689-694,共6页
提出了一种基于狄利克雷混合模型的刀具磨损状态监测和磨损量估计的新方法。该方法将刀具磨损过程描述为磨损量的累积过程,通过对磨损增量的连续估计获得刀具当前的磨损量估计。首先对原始力信号进行特征提取,接着在不确定磨损增量状态... 提出了一种基于狄利克雷混合模型的刀具磨损状态监测和磨损量估计的新方法。该方法将刀具磨损过程描述为磨损量的累积过程,通过对磨损增量的连续估计获得刀具当前的磨损量估计。首先对原始力信号进行特征提取,接着在不确定磨损增量状态数量的前提下采用狄利克雷混合模型对特征自动分类,然后利用吉布斯采样方法确定模型参数,最终得到描述力信号特征与磨损增量映射关系的刀具磨损状态混合模型。根据该混合模型以及当前的力信号信息即可完成刀具磨损量的在线估计。真实应用案例证明了该方法能自适应学习磨损状态并有效估计刀具的连续磨损值。 展开更多
关键词 刀具健康状态监测 刀具磨损 狄利克雷混合模型 吉布斯采样
在线阅读 下载PDF
从高斯过程到高斯过程混合模型:研究与展望 被引量:17
9
作者 周亚同 陈子一 马尽文 《信号处理》 CSCD 北大核心 2016年第8期960-972,共13页
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... 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。 展开更多
关键词 高斯过程 高斯过程混合模型 机器学习 回归预测 聚类分析
在线阅读 下载PDF
基于混合高斯过程的多模型热力参数测量软仪表 被引量:8
10
作者 熊志化 张卫庆 +1 位作者 赵瑜 邵惠鹤 《中国电机工程学报》 EI CSCD 北大核心 2005年第7期30-33,40,共5页
为了解决工业过程中参数失效和优化运行中参数计算的问题,提出了一种新型软仪表,它是基于混合高斯模型,利用EM算法实现对混合模型中的参数估计。混合模型的使用既有利于降低单一高斯模型的计算负担,又能有效反映工业过程中的工况变化,... 为了解决工业过程中参数失效和优化运行中参数计算的问题,提出了一种新型软仪表,它是基于混合高斯模型,利用EM算法实现对混合模型中的参数估计。混合模型的使用既有利于降低单一高斯模型的计算负担,又能有效反映工业过程中的工况变化,判断出与特定工况相关程度最大的过程知识,利用它们建立与特定工况对应的局部模型,并将它们合并组成具有多模型结构的全局模型。作为示例,建立了测量火电厂烟气含氧量的软仪表。仿真结果表明,文中提出的方法能有效地实现工业过程参数的软测量,具有较大的实用价值。 展开更多
关键词 模型热力参数测量软仪表 EM算法 混合高斯过程 参数估计
在线阅读 下载PDF
基于混合高斯过程模型的高光谱图像分类算法 被引量:4
11
作者 刘辉 白峰杉 《高校应用数学学报(A辑)》 CSCD 北大核心 2010年第4期379-385,共7页
提出了一种基于混合高斯过程模型的高光谱遥感图像分类算法,它不同于传统的基于多元统计的分类方法.为更好利用高光谱遥感图像的高谱分辨率特点,首先将函数数据分析的思想引进高光谱数据的分类问题,分类对象视为像元对应的谱线,故它们... 提出了一种基于混合高斯过程模型的高光谱遥感图像分类算法,它不同于传统的基于多元统计的分类方法.为更好利用高光谱遥感图像的高谱分辨率特点,首先将函数数据分析的思想引进高光谱数据的分类问题,分类对象视为像元对应的谱线,故它们是函数型数据.为了有效模拟地物在空间上的分片聚集特性,则将混合高斯分布模型推广到混合高斯过程模型并用于高光谱数据分类算法中.数值实验表明,混合高斯过程模型是处理函数型数据的有效方法. 展开更多
关键词 混合高斯过程模型 分类 函数数据分析 高光谱遥感图像
在线阅读 下载PDF
基于改进高斯混合模型的热工过程异常值检测 被引量:10
12
作者 吴铮 张悦 董泽 《系统仿真学报》 CAS CSCD 北大核心 2023年第5期1020-1033,共14页
热工过程异常数据检测是进行系统建模、控制、优化的基础,也是数据处理的重要组成部分。提出一种基于改进高斯混合模型的无监督热工过程异常值检测算法,利用每一维高斯分量捕获一类特定工况数据集群,通过添加惩罚约束因子修正传统模型... 热工过程异常数据检测是进行系统建模、控制、优化的基础,也是数据处理的重要组成部分。提出一种基于改进高斯混合模型的无监督热工过程异常值检测算法,利用每一维高斯分量捕获一类特定工况数据集群,通过添加惩罚约束因子修正传统模型的后验概率密度,对误检、漏检项加以惩罚,并根据与集群的相关性差异实现异常数据的识别。仿真实验结果表明,模型在多种误差条件下均可准确定位异常数据位置,具有很强的泛化性能,同时相较于传统高斯混合模型,误检、漏检点的检测效果总体提升了37.8%和15%,反映出模型改进的有效性。 展开更多
关键词 异常值检测 高斯混合模型 惩罚约束 热工过程 无监督
在线阅读 下载PDF
基于分层狄利克雷过程模型的文本分割 被引量:3
13
作者 李天彩 王波 +1 位作者 席耀一 张佳明 《数据采集与处理》 CSCD 北大核心 2017年第2期408-416,共9页
文本分割在文本摘要、信息检索等诸多领域都有重要的应用。主题模型是该领域研究中的重要方法,但目前基于主题模型的方法普遍依赖于主题个数的人工设置。针对此问题,本文提出了一种基于分层狄利克雷过程(Hierarchical Dirichlet process... 文本分割在文本摘要、信息检索等诸多领域都有重要的应用。主题模型是该领域研究中的重要方法,但目前基于主题模型的方法普遍依赖于主题个数的人工设置。针对此问题,本文提出了一种基于分层狄利克雷过程(Hierarchical Dirichlet process,HDP)模型的文本分割方法。首先使用HDP模型获取文本在主题空间的向量表示,然后将主题向量用于C99分割算法实现文本分割,最后使用两种优化策略对结果进行优化。实验结果表明,基于HDP模型的方法能够摆脱对人工设置主题个数的依赖,有效提高了文本分割的性能。 展开更多
关键词 主题模型 文本分割 分层狄利克雷过程 CRF构造
在线阅读 下载PDF
高斯过程混合模型在含噪输入预测策略下的煤矿瓦斯浓度柔性预测 被引量:10
14
作者 李晓燕 李弢 马尽文 《信号处理》 CSCD 北大核心 2021年第11期2031-2040,共10页
高斯过程回归是机器学习中解决非线性回归的一种典型回归方法。然而,单一的高斯过程难以拟合非平稳、多模态的时序数据。另外,在实际应用中需要预测的输入数据会受到噪声的干扰。为了克服这些问题,本文提出了含噪输入预测策略下的高斯... 高斯过程回归是机器学习中解决非线性回归的一种典型回归方法。然而,单一的高斯过程难以拟合非平稳、多模态的时序数据。另外,在实际应用中需要预测的输入数据会受到噪声的干扰。为了克服这些问题,本文提出了含噪输入预测策略下的高斯过程混合回归预测方法(niMGP),并针对煤矿瓦斯浓度数据进行了参数学习和柔性预测。与其他传统回归方法相比,这种柔性预测方法是在测试输入数据具有噪声干扰的情况下进行预测,使其结果更为鲁棒和准确。本文首先通过模拟实验验证了在具有固定信噪比的测试输入数据上,高斯过程混合模型在含噪输入预测策略下的回归结果在稳定性上优于其传统预测策略下的回归结果。本文进一步选取松藻煤矿中打通一矿的333944号传感器获取的实际瓦斯浓度数据片段,对其进行了适当的数据增强之后,通过实际数据的实验进一步表明,高斯过程混合模型采用含噪输入预测策略在数据回归分析的预测上相比传统预测策略具有更好的稳定性。实际中还可以通过调节测试输入数据中噪声分布的方差来调节预测的灵敏度,达到分级预警的效果。 展开更多
关键词 高斯过程混合模型 含噪输入策略 瓦斯浓度预测 机器学习 噪声干扰
在线阅读 下载PDF
基于高斯过程混合模型的国债收益率预测 被引量:2
15
作者 曾鑫 赵龙波 马尽文 《信号处理》 CSCD 北大核心 2019年第5期831-836,共6页
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... 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。 展开更多
关键词 高斯过程混合模型 利率期限结构 国债收益率 参数学习 预测
在线阅读 下载PDF
基于高斯过程混合模型的瓦斯安全状态分类研究 被引量:1
16
作者 李弢 李晓燕 马尽文 《信号处理》 CSCD 北大核心 2021年第7期1198-1206,共9页
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... 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,难以对非平稳、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。 展开更多
关键词 瓦斯安全状态 瓦斯浓度预测 高斯过程混合模型 时间序列预测 机器学习
在线阅读 下载PDF
基于高斯过程混合模型的大气温湿度预测 被引量:11
17
作者 周亚同 赵翔宇 +1 位作者 何峰 石超君 《农业工程学报》 EI CAS CSCD 北大核心 2018年第5期219-226,共8页
温湿度预测在国民经济各领域有重要作用,实现温湿度精准预测可有效提高农业生产及保障行人安全,室内温湿度预测有助于植物健康生长,减少经济损失;室外温湿度预测对行人安全及航空等科研起保障作用。针对现有温湿度预测效果不佳且不能实... 温湿度预测在国民经济各领域有重要作用,实现温湿度精准预测可有效提高农业生产及保障行人安全,室内温湿度预测有助于植物健康生长,减少经济损失;室外温湿度预测对行人安全及航空等科研起保障作用。针对现有温湿度预测效果不佳且不能实现多模态预测,该文采用高斯过程混合(gaussian process mixture,GPM)模型进行大气温湿度多模态预测。另外为了提升模型学习效率,给GPM模型提出了的一种隐变量后验硬划分迭代学习算法。该算法采用一种新的近似策略,利用最大后验估计不断矫正样本划分,借助迭代学习实现样本最优分组。在用自相关函数和最大Lyapunov指数等解析评价温湿度序列基础上,将GPM模型与核回归(kernel-regression,K-R)、最小最大概率机回归(minimax probability machine regression,MPMR)、线性回归(linear-regression,L-R)、高斯过程(gaussian process,GP)等传统预测模型进行比较。结果表明GPM不仅能够实现多模态预测,而且预测准确率要明显优于其它传统模型。最终湿度预测最优结果RMSE=0.062 0、R^2=0.936 2,训练耗时为113.417 5 s;温度预测最优结果 RMSE=0.042 6、R^2=0.966 6,训练耗时为90.0049 s。由于GPM为无环境因子输入模型,因此该文的研究不仅对大气温湿度预测有促进作用,同时对室内及固体表面温湿度预测具有一定借鉴价值。 展开更多
关键词 温度 湿度 预测 高斯过程混合模型 机器学习
在线阅读 下载PDF
高斯过程混合模型应用于网络流量预测研究 被引量:12
18
作者 李松 周亚同 +2 位作者 池越 何静飞 张世立 《计算机工程与应用》 CSCD 北大核心 2020年第5期186-193,共8页
精准的网络流量预测可以避免网络崩溃,保证网络的流畅度。将高斯过程混合(GPM)模型应用于网络流量的多模态预测。对两段不同地区的网络流量序列进行多模态分析,将之通过归一化和相空间重构后生成样本集并输入GPM模型。采用分类迭代学习... 精准的网络流量预测可以避免网络崩溃,保证网络的流畅度。将高斯过程混合(GPM)模型应用于网络流量的多模态预测。对两段不同地区的网络流量序列进行多模态分析,将之通过归一化和相空间重构后生成样本集并输入GPM模型。采用分类迭代学习算法,利用后验概率最大化和似然函数实现模型参数学习。将GPM模型与支持向量机(SVM)、核回归(KR)、最小最大概率机回归(MPMR)和高斯过程(GP)等模型比较。通过对比均方根误差(RMSE)和决定系数(R^2)评价指标,GPM模型的预测准确度要优于其他四种模型。说明GPM模型能够很好应用于网络流量预测,可以为网络管理者分配网络资源提供参考。 展开更多
关键词 网络流量 预测 高斯过程混合模型 多模态
在线阅读 下载PDF
混沌时间序列的高斯过程混合模型预测 被引量:2
19
作者 冯振杰 樊煜 《系统仿真学报》 CAS CSCD 北大核心 2019年第7期1387-1396,共10页
高斯过程混合(Gaussian Processes Mixture,GPM)模型现有的学习算法如马尔科夫链蒙特卡洛法、变分法或留一法等,计算复杂度偏高,提出一种隐变量后验硬划分迭代学习算法,简化模型的学习过程,基于该算法将GPM模型用于混沌时间序列预测,并... 高斯过程混合(Gaussian Processes Mixture,GPM)模型现有的学习算法如马尔科夫链蒙特卡洛法、变分法或留一法等,计算复杂度偏高,提出一种隐变量后验硬划分迭代学习算法,简化模型的学习过程,基于该算法将GPM模型用于混沌时间序列预测,并讨论嵌入维、时间延迟、学习样本和测试样本数目等参数对预测性能的影响。实验结果表明,GPM模型预测精度高于支持向量机(Support Vector Machine,SVM)、高斯过程(Gaussian Process,GP)和径向基(Radical Basis Function,RBF)网络,学习速度介于RBF网络、GP和SVM之间。 展开更多
关键词 高斯过程混合模型 混沌时间序列 预测 机器学习
在线阅读 下载PDF
基于词语对狄利克雷过程的时序摘要 被引量:3
20
作者 席耀一 李弼程 +1 位作者 李天彩 黄山奇 《自动化学报》 EI CSCD 北大核心 2015年第8期1452-1460,共9页
是按照时间顺序生成摘要,对话题的演化发展进行概括.已有的相关研究忽视或者不能准确发现句子中隐含的子话题信息.针对该问题,本文建立了一种新的主题模型,即词语对狄利克雷过程,并提出了一种基于该模型的时序摘要生成方法.首先通过模... 是按照时间顺序生成摘要,对话题的演化发展进行概括.已有的相关研究忽视或者不能准确发现句子中隐含的子话题信息.针对该问题,本文建立了一种新的主题模型,即词语对狄利克雷过程,并提出了一种基于该模型的时序摘要生成方法.首先通过模型推理得到句子的子话题分布;然后利用该分布计算句子的相关度和新颖度;最后按时间顺序抽取与话题相关且新颖度高的句子组成时序摘要.实验结果表明,本文方法较目前的代表性研究方法生成了更高质量的时序摘要. 展开更多
关键词 时序摘要 狄利克雷过程 词语对 主题模型
在线阅读 下载PDF
上一页 1 2 4 下一页 到第
使用帮助 返回顶部